Marchés Financiers

MANAGEMENT SUP
GESTION - FINANCE
Gestion de portefeuille,
et des risques
6e é d i t i o n
Bertrand Jacquillat • Bruno Solnik

Christophe Pérignon
https://marketingebooks.tk/
© Dunod, Paris, 2014
ISBN 9782100710645
Chapitre
Table des matières

1
Introduction 1
1 Marchés et titres financiers 9
Section 1 Les fonctions des marchés financiers 9

Section 2 Les catégories de titres financiers 14
Section 3 Les indices boursiers 22
Section 4 Panorama des principales Bourses mondiales 25
Section 5 La réglementation des marchés financiers 28
Section 6 Performances à long terme des classes d’actifs 31
2 Organisation des marchés financiers 35
Section 1 Le marché des actions Euronext Paris 36

Section 2 Modèle d’organisation de marché : principes généraux 41
Section 3 Modèle d’organisation de marché: ordres et cotations 46
Section 4 Les coûts de transaction 55
Section 5 Marchés organisés de produits dérivés 56
Table des matières
3 L’efficience des marchés financiers 61
Section 1 La définition du concept de marché efficient 63

Section 2 Les tests de l’efficience des marchés 70
Section 3 La finance comportementale (Behavioral finance) 92
4 Risque, diversification et frontière efficiente 99
Section 1 Rentabilité, risque et diversification 100

Section 2 La frontière efficiente 110
Section 3 Value at Risk et autres mesures du risque 116
5 Les modèles à facteurs 123
Section 1 Le modèle de marché 124

Section 2 Les modèles à plusieurs facteurs 139
6 Les modèles d’équilibre des actifs financiers et le prix du risque 147
Section 1 Le prix du risque : un modèle d’équilibre 148

Section 2 L’extension internationale 159
Section 3 L’APT 162
7 Les modèles d’évaluation 169
Section 1 Le modèle d’évaluation par actualisation des dividendes 170

Section 2 Le modèle d’évaluation par la valeur d’entreprise 179
Section 3 Le taux d’actualisation approprié 184
8 Obligations et taux d’intérêt 189
Section 1 Les caractéristiques d’une obligation 190

Section 2 Les bases du calcul actuariel 193
Section 3 La structure des taux d’intérêt 199
Section 4 Le risque de taux d’intérêt 204
Section 5 Le risque de crédit 210
Section 6 Le risque de liquidité 215
Section 7 Diverses obligations 217
IV
Table des matières
9 Les instruments de gestion des risques financiers :

une introduction 231
Section 1 Évolution des marchés dérivés 233

Section 2 Rôle des produits dérivés 235
Section 3 Effets réels des produits dérivés 238
Section 4 Utilisations en pratique 242
10 Les contrats à terme 247
Section 1 Concepts de base 248

Section 2 Marchés et instruments 254
Section 3 Principes d’évaluation des futures 267
Section 4 Utilisation des futures en couverture 274
11 Les options 285
Section 1 Concepts de base 287

Section 2 Marchés et instruments 290
Section 3 Déterminants de la valeur d’une option 295
Section 4 Le modèle d’évaluation d’options de Black et Scholes 303
Section 5 Extensions et applications 305
Section 6 Les stratégies de portefeuille avec options 322
12 Swaps, dérivés de crédit et autres produits dérivés 335

© Dunod – Toute reproduction non autorisée est un délit.
Section 1 Les swaps 336

Section 2 Dérives de crédit 342
Section 3 Les produits structurés 347
Section 4 Les stock options 353
13 La mesure de performance 359
Section 1 Le calcul de la rentabilité d’unportefeuille 361

Section 2 L’attribution de performance 365
Section 3 Risque et performance 366
Section 4 La mesure de performance dans la pratique 375
V
Table des matières
14 Éléments de gestion de portefeuille 383
Section 1 La gestion globale 384

Section 2 La gestion passive 386
Section 3 La gestion active 391
Section 4 La gestion alternative et les hedge funds 400
Section 5 La gestion garantie 408
15 Gestion des risques de marché 413
Section 1 Le cadre réglementaire 414

Section 2 Estimation de la Value at Risk 416
Section 3 Communication des banques sur leurs risques de marché 419
Section 4 Validation des modèles de risque 422
Section 5 Critiques et extensions de la Value at Risk 424
Bibliographie 429
Index 449
VI
Introduction
« L’âge de la chevalerie a pris n; celui des sophistes, des économistes et des calcula-
teurs lui a succédé ».
Edmond Burke, 1756.
L a théorie des marchés nanciers et, partant, la compréhension de leur compor-

tement ont fait des progrès considérables depuis cinquante ans. La connaissance
de ces développements est d’autant plus importante, qu’à la fois les comporte-
ments des acteurs et les conditions de fonctionnement des marchés nanciers
rendent ceux-ci de plus en plus efcients au sens économique du terme. Les progrès
de la théorie et l’évolution du champ d’étude qu’elle cherche à mieux formaliser ont
eu, et continueront d’avoir dans l’avenir, des implications profondes sur la gestion
nancière des entreprises, l’économie nancière et bancaire, et la gestion de porte-
feuille.
La théorie nancière indique que dans un marché efcient, et il existe de nom-
breuses preuves que tous les grands marchés nanciers du monde s’approchent de
cette caractéristique, l’ensemble des informations disponibles sur les titres nan-
ciers, le marché, l’économie, etc., sont reétées très rapidement dans les cours.
Aussi, en général, le cours d’un actif est très proche de sa valeur intrinsèque ou
«vraie valeur».
1
Introduction
C’est la concurrence acharnée que se font les investisseurs entre eux pour maxi-
miser leurs gains qui rend les cours des actifs nanciers proches de leur valeur
intrinsèque. Les résultats de recherches à la fois nombreuses et sérieuses ont
conrmé la valeur de l’hypothèse d’efcience des marchés. Ces recherches ont trait
à la fois à la vérication de l’indépendance des taux de rentabilité successifs des
actifs nanciers, à leur comportement à la suite de l’annonce par les sociétés d’évé-
nements nanciers occasionnels – tels que la distribution d’actions gratuites, l’an-
nonce des résultats – et à l’évaluation de la performance des gérants de portefeuille.
Certes, nous n’irons pas jusqu’à dire que tous les marchés nanciers sont parfaite-
ment efcients et que la réalisation de prots est purement aléatoire; c’est justement
l’action de ces investisseurs à la recherche de prots exceptionnels qui rend le mar-
ché plus efcient. Toutefois, les résultats des études statistiques et l’observation de
tous les professionnels montrent que les marchés sont sufsamment proches de
l’efcience pour utiliser la théorie nancière comme base de toute analyse nancière
et structuration d’une gestion des risques.
Les évolutions technologiques récentes qu’ont connues les marchés nanciers,
comme le trading à haute fréquence ont conduit les prix des titres à converger plus
rapidement vers leur valeur d’équilibre. Cependant, en présence de frictions, cer-
tains déséquilibres ne pourront pas être exploités par les investisseurs: il s’agit des
limites de l’arbitrage. De plus, en pratique, la psychologie des investisseurs peut
également expliquer certaines déviations du concept d’efcience. Celles-ci font
l’objet de la nance comportementale.
La volatilité importante des marchés et l’accent mis sur la gestion des risques ont
entraîné le développement d’instruments adaptés à la gestion des risques. Ces nou-
veaux instruments nanciers ont révolutionné les méthodes de gestion et ce, que ce
soit dans le domaine de la gestion de portefeuille, de la gestion de trésorerie d’entre-
prise, de la gestion bancaire et plus généralement de toute stratégie nancière. De
plus, de nombreuses évolutions récentes ont modié en profondeur les marchés
nanciers: l’émergence du shadow banking et de la désintermédiation nancière
(nancement des entreprises directement sur les marchés et non plus par les
banques); la croissance soutenue des ETF et de l’investissement passif; le spectre
du risque systémique qui a suivi la crise nancière et la crise des dettes souveraines
en Europe; l’augmentation continue de la complexité des produits nanciers offerts
aux entreprises et aux investisseurs. En réaction, le cadre réglementaire a dû être
renforcé en profondeur au niveau national et supranational.
Ces diverses réexions justient le plan qui a été retenu pour cet ouvrage dont
cette sixième édition a été profondément actualisée et refondue.
Le chapitre1 est consacré à la présentation des institutions boursières françaises
et étrangères et à leur environnement. Il permet de familiariser le lecteur avec le
cadre institutionnel des marchés nanciers.
2
Introduction
Le chapitre2 a pour objet de présenter l’essentiel du cadre opérationnel des mar-

chés nanciers (actions, obligations et produits dérivés). Il porte sur les processus
qui conduisent à l’échange des titres nanciers et à la formation de leur prix.
Le chapitre3 développe le concept d’efcience des marchés nanciers et expose
les méthodologies des tests et les principaux résultats empiriques, obtenus tant sur
les marchés nanciers européens qu’américains, visant à démontrer l’efcience des
marchés nanciers sous leurs différentes formes. La théorie de l’efcience des mar-
chés nanciers a des implications quant aux relations qui existent entre la rentabilité
et le risque d’un investissement. Le chapitre3 introduit certaines justications à la
non-efcience des marchés basées sur la psychologie des investisseurs et souvent
regroupées sous le terme de nance comportementale (behavioral nance).
Le chapitre 4 présente les fondements de la théorie du portefeuille et l’analyse
rigoureuse de la rentabilité et du risque d’un seul actif puis d’un portefeuille, et le
concept de frontière efciente permettant d’optimiser le couple rentabilité/risque.
Ce chapitre introduit par ailleurs des mesures de risque global utilisées dans les
institutions nancières, et notamment la value at risk.
Dans la mesure où les investisseurs s’efforcent de minimiser le risque, ils n’ac-
ceptent de prendre des risques supplémentaires, c’est-à-dire de porter leur choix sur
des valeurs risquées, qu’à condition d’en être récompensés par un supplément de
rentabilité.
C’est un des apports éminents de la théorie nancière moderne que d’avoir forma-
lisé, dans un cadre rigoureux, la relation qui existe entre la rentabilité et le risque.
Cette formalisation revêt à la fois un caractère empirique et normatif. Le premier
type de formalisation à caractère pratique constitue les modèles à facteurs et notam-
ment le modèle de marché qui font l’objet du chapitre5; le second type de forma-
lisation est les modèles d’équilibre des actifs nanciers et notamment le Capital
Asset Pricing Model ou Modèle d’équilibre des actifs nanciers (MEDAF) qui font
l’objet du chapitre6. Ces derniers réalisent la construction rigoureuse et générale,
fondée sur l’efcience des marchés, de la théorie nancière moderne.

Le chapitre7 traite des principaux modèles d’évaluation d’actions et montre com-
ment l’on peut intégrer certains des aspects essentiels de la théorie moderne des
marchés nanciers dans l’évaluation et le contrôle nancier. Les modèles d’évalua-
tion traitent l’action comme un actif dont le prix est égal à la valeur des dividendes
futurs actualisés à un certain taux.
Le chapitre8 est consacré à la gestion obligataire. Il s’agit d’un chapitre impor-
tant, ne serait-ce qu’en raison du montant des capitaux engagés dans ce type d’inves-
tissement; là aussi, l’évaluation et la gestion des risques sont des éléments essen-
tiels. En particulier, l’accent est mis sur la mesure et la gestion du risque de contre-
partie et du risque de liquidité. Sont analysées à la fois les obligations à taux xe et
les obligations indexées et à taux variable.
3
Introduction
Les quatre chapitres qui suivent sont consacrés aux produits dérivés: contrats à
terme (futures), options, swaps, dérivés de crédit, etc. Ces instruments permettent
une gestion ne des risques en fonction d’anticipations particulières ou de craintes
soudaines. Le levier nancier apporté par ces instruments, leur souplesse d’utilisa-
tion associée à des frais de transaction très faibles, permettent une gestion des
risques très précise. Le chapitre9 présente le rôle et l’importance des produits déri-
vés dans l’économie et décrit également comment ces produits sont utilisés concrè-
tement par (1) les entreprises françaises pour gérer leur risque de change et (2) les
gestionnaires d’actifs.
Le chapitre 10 traite des contrats à terme et notamment ceux négociés sur des
marchés organisés (contrats futures). Outre les contrats classiques sur marchandises,
devises, taux d’intérêt et indices boursiers, plusieurs types de contrats à terme
récemment développés sont discutés : contrats sur variables météorologiques,
indices immobiliers et volatilité. Les principes de valorisation des contrats à terme
sont présentés, ainsi que la manière dont ces contrats peuvent être utilisés en pra-
tique par un investisseur ou un trésorier d’entreprise.
Le chapitre11 est consacré aux marchés conditionnels, c’est-à-dire aux options
sur actions, indices boursiers, change, or et taux d’intérêt. La théorie de l’évaluation
des options est présentée avec le modèle de Black et Scholes ainsi que ses applica-
tions à d’autres instruments tels que les obligations convertibles. Sont également
discutées les mesures de risques propres aux produits dérivés et des stratégies de
portefeuille basées sur les options.
Le chapitre12 examine plusieurs classes de produits dérivés, tels que les swaps,
les dérivés de crédit et les produits structurés. Ce chapitre montre également que les
produits dérivés sont également utilisés comme outil de rémunération des salariés.
Le domaine de la gestion de portefeuille étant devenu très concurrentiel et très
professionnel, les résultats des gestions sont de plus en plus évalués, contrôlés et
comparés. Dans cet esprit, le chapitre13 traite de la mesure de performance.
Le chapitre14 intègre tous ces concepts et techniques et présente leur application
dans la pratique de la gestion de portefeuille, compte tenu des différents styles de
gestion: globale, passive, active, alternative et garantie.
Enn, le chapitre15 a pour objet la mesure et la gestion des risques de marché. En
particulier, il décrit les méthodes utilisées en pratique an de mesurer les risques de
marché, les procédures de validation des modèles de risque, et nalement les cri-
tiques et extensions des mesures de risques actuelles. Nous verrons entre autre
comment mesurer la contribution d’une institution au risque du système nancier.
L’ambition de cet ouvrage, à travers cette nouvelle édition profondément remaniée
par rapport à la précédente, est de présenter les concepts et les techniques modernes
d’analyse des marchés nanciers et leurs applications à la gestion de portefeuille et
à la gestion des risques. Le souci de rendre sa compréhension claire, en allégeant la
4
Introduction
formulation mathématique au prot des concepts et des applications pratiques,

devrait en faire un ouvrage d’intérêt à la fois pour les étudiants et les professionnels.
Le lecteur à la recherche de démonstrations rigoureuses pourra se référer aux nom-
breux articles cités.
Les énormes prots réalisés par de nombreuses institutions nancières au début de
ce millénaire semblaient suggérer que les préceptes de la théorie moderne n’étaient
pas valides. La théorie nancière postule que les marchés nanciers sont efcients
et qu’il n’y a pas de rentabilité sans prise de risque ; et encore, les risques qui
peuvent être diversiés ne devraient même pas être rémunérés. Pourtant les banques
utilisaient et proposaient à leurs clients de nombreuses stratégies d’investissement
dites à très faible risque, mais qui leur procuraient une rentabilité élevée. La crise
nancière de 2007-2009 a rappelé avec force les principes de la théorie nancière et
a démontré combien ces institutions nancières et de nombreux investisseurs étaient
dans l’erreur. Cet ouvrage devrait permettre une meilleure compréhension des
concepts, de la valorisation et de l’utilisation des investissements nanciers dans le
cadre d’une gestion des risques contrôlée.
5
Chapitre
Marchés
1 et titres financiers
SOMMAIRE
Section1 Les fonctions des marchés financiers
Section2 Les catégories de titres financiers
Section3 Les indices boursiers
Section4 Panorama des principales Bourses mondiales
Section5 La réglementation des marchés financiers
Section6 Performances à long terme des classes d’actifs
Chapitre 1 ■ Marchés et titres financiers
L es marchés nanciers permettent la confrontation de l’offre et de la demande de

capitaux à la fois sur le marché primaire à l’occasion de nouvelles émissions ou
d’introductions en Bourse de sociétés, et sur le marché secondaire grâce à la
liquidité et à la transparence qu’ils procurent. In ne, la demande de capitaux émane
des entreprises pour le nancement de leurs investissements, de l’État et des collec-
tivités locales pour les mêmes raisons et pour la couverture des décits publics.
L’offre de capitaux émane principalement des ménages qui assurent leur consomma-
tion future par l’épargne qu’ils constituent et qu’ils apportent au système nancier,
soit directement, soit indirectement par le biais des investisseurs institutionnels que
sont notamment les compagnies d’assurances, les caisses de retraite, les fonds sou-
verains, etc. Une organisation efcace de cette rencontre entre l’offre et la demande
de capitaux est la condition de l’efcience allocationnelle de la Bourse et des mar-
chés nanciers.
Les marchés de capitaux peuvent donc être considérés comme un système indus-
triel de collecte, de transformation et d’allocation des ressources nancières. Il est
donc essentiel qu’ils jouent effectivement leur rôle, c’est-à-dire que leur fonctionne-
ment soit peu coûteux, et que les prix des titres qui s’y négocient soient aussi
proches que possible de leur «vraie valeur».
Depuis le début des années quatre-vingt, les marchés nanciers français et euro-
péens d’actions se sont profondément transformés. La concurrence entre marchés
nationaux, l’introduction de l’euro et l’application de la directive européenne sur les
services d’investissement, ont donné lieu à de multiples modications législatives et
réglementaires qui ont profondément affecté le paysage boursier français et euro-
péen, et la transposition en France de la Directive concernant les marchés et
d’instruments nanciers (MiFID), qui met n à l’obligation de concentration des
ordres.
Ce processus de transformation ne montre aucun signe de ralentissement, au
contraire, et ce pour plusieurs raisons. Chaque système national se trouve en concur-
rence de plus en plus aiguë avec d’autres, voire avec des systèmes transnationaux.
Ainsi, le nombre de marchés d’actions en Europe s’est fortement réduit au l des
années (une douzaine en 2013), comme cela a commencé avec le rapprochement en
une seule entité – Euronext – des Bourses de Paris, Bruxelles, Amsterdam et
Lisbonne, et comme s’est considérablement réduit le nombre de Bourses améri-
caines (plus d’une centaine au début du e siècle)1. Avec le développement des
télécommunications et de l’informatisation apparaissent depuis une dizaine d’an-
nées des systèmes de cotation ou d’exécution, dont la plupart sont virtuels tels que
les Electronic Computerized Network (ECN), et qui sans avoir tout à fait le statut de
marché boursier, en assurent certaines fonctions. La crise nancière de 2008 ne peut
qu’accélérer le développement des marchés nanciers organisés par rapport aux
1. Voir Blume, Siegel et Rottenberg (1993).
8
Marchés et titres financiers ■ Chapitre 1
transactions de gré à gré qui font courir un important risque de contrepartie aux
opérateurs.
Ce chapitre a pour objet de présenter l’essentiel du cadre institutionnel dans lequel
s’insère la gestion de portefeuille1.
Section
1 LES FONCTIONS DES MARCHÉS FINANCIERS
La fonction primordiale d’un marché nancier est de faciliter une allocation ef-
cace des ressources à la fois dans le temps et dans l’espace.
Au niveau le plus agrégé, le marché nancier assure six fonctions essentielles. Il
permet le transfert des ressources économiques dans le temps et dans l’espace; la
mutualisation des ressources; l’allocation et la gestion des risques; la liquidité des
investissements; le transfert d’informations par les prix; le contrôle et la discipline
des équipes dirigeantes.
1 Le transfert des ressources économiques
En tant que marché primaire, le marché nancier permet de lever du capital et de

transformer directement l’épargne des ménages en ressources longues pour les col-
lectivités publiques et privées; en contrepartie des capitaux qu’elles recueillent sur
ce marché, les collectivités émettent des valeurs mobilières qui matérialisent les
droits acquis par ceux qui ont apporté ces capitaux.
Cette fonction de marché primaire peut être appréhendée à l’aide du schéma repro-
duit sur la gure1.1, qui représente les ux nets entre les principaux agents écono-
miques.
Tous les ux nets partent des agents ayant des capacités de nancement pour aller
vers les agents ayant des besoins de nancement. Seuls les ux les plus signicatifs,
numérotés de 1 à 8, sont reproduits sur la gure1.1.
1. Certaines parties de ce chapitre sont adaptées de Hamon et Jacquillat (2013).
9
4 7
Entreprises
Institutions financières Marché financier

Système financier
6 2
8 1
3
Administrations Ménage
Source: Euronext Paris.
Figure 1.1 – Le marché financier dans le système financier
Les ux nets partant des particuliers sont au nombre de trois. Le ux 1 représente
les capitaux placés par les ménages auprès des institutions nancières: dépôts à vue
ou à terme auprès des banques et des caisses d’épargne, dans les SICAV et autres
fonds d’investissements, dans des contrats d’assurance-vie et des régimes de retraite.
Le ux 2 concerne les souscriptions de titres effectuées sur le marché nancier par
les SICAV (sociétés d’investissement à capital variable) et autres fonds d’investisse-
ments. Le ux 3 représente pour l’essentiel les dépôts des particuliers auprès de la
banque postale et leurs souscriptions de bons du Trésor.
Les ux nets partant des institutions nancières sont aussi au nombre de trois. Le
ux 4 concerne les crédits accordés par les institutions nancières aux entreprises,
le ux 5 les souscriptions d’actions et d’obligations effectuées par les institutions
nancières sur le marché (les entreprises d’assurances et, dans de nombreux pays,
les fonds de pension représentent le principal souscripteur net). Le ux 6 représente
essentiellement les bons du Trésor souscrits par les banques et les autres intermé-
diaires nanciers ainsi que les prêts directs accordés par les institutions nancières
aux collectivités locales et aux organismes publics de construction.
Le marché nancier met en présence demandeurs et offreurs de capitaux à long
terme. Les ux partant du marché nancier sont doubles. Le ux 7, le plus impor-
tant, concerne les émissions d’actions et d’obligations effectuées par les entreprises
tant du secteur public que du secteur privé. Le ux 8 représente le nancement des
10
administrations par l’émission d’obligations sur le marché nancier : emprunts

d’État, emprunts des collectivités locales, tels que départements, communes, villes
et organismes divers.
Le schéma de la gure1.1 vaut dans un cadre national, en l’occurrence ici fran-
çais, qui ne tient pas compte de la mondialisation et de la globalisation nancières.
Les ux en provenance de l’extérieur ou allant à l’extérieur n’y sont qu’implicite-
ment représentés. Ils ont pris une importance croissante, avec l’émergence de nou-
veaux marchés nanciers, notamment dans les pays BRIC (Brésil, Russie, Inde et
Chine) et l’apparition de nouveaux investisseurs institutionnels, tels que les fonds
souverains.
En dénitive, le marché nancier permet le transfert des ressources économiques
à la fois dans le temps et dans l’espace, entre les pays et entre les différents secteurs
de l’économie.
2 La mutualisation des ressources
C’est ce qu’on appelle «l’économie du pooling», qui peut être considérée tant du
point de vue des entreprises que de celui des investisseurs.
Du point de vue des entreprises, il y a inadéquation entre la richesse individuelle,
aussi importante soit-elle, et la taille des entreprises.
En tout état de cause, les tailles optimales des entreprises sont incomparablement
plus élevées que les richesses familiales. S’ils n’étaient reliés à un grand nombre
d’investisseurs, les entrepreneurs ou les dirigeants à la tête d’entreprises demandeurs
de capitaux seraient contraints de faire fonctionner ces entreprises à une échelle
largement inférieure à l’échelle optimale. Par conséquent, la possibilité de mettre
des capitaux en commun est nécessaire à l’efcacité du processus de production et
les entreprises ont besoin d’instruments de mutualisation élaborés pour pouvoir
accéder à faible coût à des fonds sufsamment importants.

Il existe une demande de mutualisation de la part des entreprises, mais il existe
aussi une demande de mutualisation de la part des investisseurs, pour des raisons de
diversication (voir chapitres 4 et 5) et de liquidité. La fonction de mutualisation
qu’offrent les marchés nanciers joue donc un rôle social incontestable.
3 L’allocation et la gestion des risques
Les analyses traditionnelles du système nancier insistent sur son rôle dans l’allo-
cation efcace du capital au sein de l’économie. Mais une autre fonction tout aussi
importante du système nancier, l’allocation efcace du risque au sein de l’écono-
mie, est moins bien comprise.
11
Prenons un exemple, celui de l’effet de l’introduction en Bourse des actions d’une

entreprise nancée uniquement par des capitaux propres. Cette opération de mise
sur le marché permet à certains d’acquérir le risque des actions de l’entreprise, et au
contraire à d’autres de s’en défausser. Ce risque n’est pas un risque supplémentaire
dans l’économie, simplement la titrisation du risque de l’activité de l’entreprise; il
est réparti différemment, et améliore la situation des individus qui peuvent ainsi
gérer de manière plus ne les risques auxquels ils sont exposés. Un actionnaire
familial dont toute la fortune est concentrée sur le risque d’une seule entreprise
pourra ainsi diversier son risque.
Poursuivons l’exemple. Maintenant, l’entreprise émet de la dette et utilise tout ou
partie du produit de cette émission pour racheter une partie de ses actions. Le risque
de l’entreprise est assumé par deux catégories d’individus détenant des droits diffé-
rents – sur des actions et/ou sur de la dette risquée – mais globalement le risque ne
change pas. Le risque est simplement titrisé de manière différente. Allons plus loin,
si, au lieu d’émettre directement de la dette, l’entreprise emprunte des fonds à une
banque pour racheter tout ou partie de ses actions, le risque total de l’entreprise est
alors assumé par ses propres actionnaires d’une part, et par les actionnaires et les
déposants de la banque d’autre part. Dans cet exemple, le risque économique n’a ni
diminué ni augmenté, il a été reporté différemment en satisfaisant sans doute davan-
tage les préférences des individus.
Les actions et les obligations sont des titres primaires. Les produits dérivés
(options, contrats à terme…) en revanche, sont des contrats bilatéraux qui ne
reposent pas sur la titrisation directe d’un risque réel. C’est par comparaison aux
marchés de titres primaires que les marchés de titres dérivés sont assimilés à des
casinos et accusés d’ajouter un risque superu au risque réel de l’économie. Comme
nous le verrons au chapitre 9, cette conception des instruments dérivés qui per-
mettent une gestion ne des risques, est erronée.
4 La liquidité des investissements
On peut d’autant plus s’engager dans des activités risquées que l’on peut se défaire
aisément de son engagement, c’est-à-dire s’il existe un marché liquide des engage-
ments. La liquidité d’un titre est caractérisée par un ensemble de propriétés telles
que l’achat ou la vente puissent être réalisés sans délai et que la transaction ne pro-
voque pas de décalage de prix. La liquidité signie la possibilité de revenir sur une
décision d’investissement, prise antérieurement, à un coût de transaction aussi faible
que possible.
Les marchés nanciers offrent la liquidité et donnent ainsi la possibilité aux inves-
tisseurs de raccourcir, s’ils le souhaitent et pour toutes sortes de raisons, l’horizon
de leur engagement d’investissement, réduisant ainsi l’incertitude inévitablement
12
liée aux actifs nanciers à long terme. Dans ces conditions, les investisseurs sont
prêts à prendre davantage de risque et exigent une rentabilité plus faible de leurs
investissements, ce qui a pour conséquence que les entreprises peuvent se nancer
à moindre coût.
5 Le transfert d’informations par les prix
Les marchés nanciers représentent une mine d’informations pour et sur les entre-
prises, de par les prix des actifs nanciers qui y sont cotés.
Ainsi, les marchés des bons du Trésor et des obligations du Trésor Public ren-
seignent sur le rendement exigé par les investisseurs pour emprunter et prêter des
fonds à court terme et à long terme (par ailleurs une des composantes essentielles du
coût du capital pour une entreprise). Les écarts de rendement (spread) entre les OAT
(obligations assimilables au Trésor) classiques et les OATi (obligations assimilables
du Trésor indexées sur l’ination) permettent d’estimer l’ination anticipée à
l’échelle de l’économie tout entière pour toutes sortes d’échéances. L’écart de ren-
dement entre les obligations émises par les entreprises privées et les OAT renseigne
sur le risque de ces entreprises tel qu’il est perçu.
De même, les cours des actions constituent, compte tenu de certaines hypothèses,
un indicateur de la prime de risque demandée par les investisseurs pour accepter le
risque inhérent à ces produits (autre aspect déterminant pour calculer le coût du
capital d’une entreprise).
Quant aux marchés dérivés ayant pour sous-jacents les actions, les niveaux des
indices boursiers et d’autres classes d’actifs, ils recèlent aussi énormément d’infor-
mations, notamment sur l’incertitude et la volatilité anticipée des cours des titres des
sociétés cotées en Bourse, des indices boursiers, des taux d’intérêt, des taux de
change, des matières premières, etc. (cf. chapitre 11). Ces informations agrégées
sont utiles à la fois pour les investisseurs et les entreprises. Quelle que soit leur acti-
vité, ces dernières peuvent extraire et analyser ces données et s’en servir notamment
pour prendre des décisions d’investissement. En dénitive, par le transfert d’infor-
mations sur les prix qu’ils permettent, les marchés nanciers facilitent la coordina-
tion de la prise de décision décentralisée dans les différents secteurs de l’économie.
6 Le contrôle et la discipline des équipes dirigeantes
Lorsque la taille de l’entreprise augmente, la question de la délégation par les

propriétaires de la gestion de l’entreprise se pose avec une acuité plus grande. Le
risque d’une divergence entre les objectifs poursuivis par les dirigeants et les pro-
13
priétaires/actionnaires se pose, ainsi que le soulignait déjà Schumpeter (1927)1.

Dans cette optique, le marché nancier facilite l’incitation, le contrôle, la discipline
et la sanction des équipes dirigeantes:
– Incitation, par la mise en place de politiques de rémunération indexées sur la pro-
gression des cours et la création de valeur actionnariale, ce qui peut faciliter la
convergence des intérêts des actionnaires et des dirigeants (cf. chapitre 12).
– Contrôle, dans la mesure où les exigences de communication sont plus strictes et
davantage réglementées pour les entreprises cotées, que ces entreprises sont suivies
par de nombreuses équipes d’analystes nanciers et que l’information sur les déci-
sions susceptibles de faire varier les cours est diffusée très largement.
– Discipline et sanction, via les mécanismes d’offres publiques. Les opérations de
restructuration par le marché boursier peuvent s’effectuer sous la forme d’offres
publiques d’achat (OPA), d’offres publiques d’échange (OPE) ou de négociations de
blocs de titres. Redoutant de telles opérations qui mettraient leur position en danger,
les dirigeants sont incités à gérer en créant de la valeur pour les actionnaires, c’est-
à-dire à prendre les décisions susceptibles de maximiser la capitalisation boursière.
Section
2 LES CATÉGORIES DE TITRES FINANCIERS
Les titres nanciers prennent différentes formes: action, obligation, warrant, cer-
ticat d’investissement, option, tracker, etc. Les titres nanciers sont émis par les
entreprises pour lever des fonds nouveaux (actions, obligations, certicats d’inves-
tissement, par exemple), ou par des organismes nanciers comme outils facilitant la
gestion des risques (warrants, options) ou la gestion de portefeuille (trackers)2.
Jusqu’à une époque récente, les titres nanciers étaient représentés essentielle-
ment par deux catégories de titres qui matérialisaient les droits acquis par ceux ayant
apporté des capitaux à une collectivité émettrice publique ou privée. Ceux-ci se
différenciaient selon la nature des droits qu’ils représentaient et partant, selon leurs
caractéristiques économiques:
– les actions qui confèrent à leurs possesseurs la qualité d’associé dans une société de
capitaux;
– les obligations représentatives d’un droit de créance.
Ces deux catégories de titres se sont diversiées, à tel point qu’elles sont devenues
des familles de titres, à l’intérieur desquelles des formes hybrides de titres nanciers
se sont développées.
1. «As the industrial units tend to grow, the management tends more and more to be divorced from
ownership», Schumpeter (1927).
2. Voir aussi Hamon et Jacquillat (2013).
14
1 Les actions
L’action se dénit ainsi comme un titre de participation dans une société de capi-
taux qui confère à son possesseur la qualité d’associé et, sauf exception, lui donne
un droit proportionnel sur la gestion de l’entreprise, sur les bénéces réalisés et sur
l’actif social.
Droit de regard sur la gestion de l’entreprise, dans la mesure où l’assemblée des
actionnaires élit et contrôle l’organe responsable de la gestion de la société, conseil
d’administration ou conseil de surveillance, lequel dans ce dernier cas nomme le
directoire. Droit à l’information, dans la mesure où les actionnaires ont droit à la
communication des documents indispensables à leur information sur l’activité et les
résultats de la société. Droit sur les bénéces, qui sont répartis entre la mise en
réserve et la distribution de dividendes aux actionnaires de la société, le montant du
dividende étant donc fonction de l’évolution des résultats de la société et de
l’affectation qui leur est donnée. Pour ce motif, l’action est une valeur à «revenu
variable». Enn, droit sur l’actif net de la société, c’est-à-dire sur l’ensemble de son
patrimoine, déduction faite de ses dettes, en cas de liquidation.
Une des manifestations de ce droit s’exerce à travers les augmentations de capital
pour lesquelles, sauf s’ils y ont explicitement renoncé, les actionnaires jouissent en
France d’un droit préférentiel matérialisé par un droit de souscription (émission
d’actions en numéraire) ou par un droit d’attribution (émission d’actions gratuites).
Ce droit possède en lui-même une valeur et peut être, au choix de l’actionnaire, soit
utilisé pour participer aux augmentations de capital, soit vendu en Bourse où il est
négocié en même temps que les actions de la société pendant la période d’émission.
Il existe par ailleurs d’autres catégories d’actions ayant sur le plan juridique des
droits différenciés par rapport à ceux des actions ordinaires. Les actions de priorité
ou actions préférentielles confèrent des avantages par rapport aux actions ordinaires
qui concernent essentiellement la répartition des bénéces, dividende plus élevé ou
dividende prioritaire. Les actions à dividende prioritaire sans droit de vote en consti-
tuent une variante. En échange d’un dividende plus élevé ou prioritaire, ces actions
sont sans droit de vote.
Le tableau 1.1 reproduit un extrait de la présentation en temps reel de la cote pour
deux groupes français, Accor et EADS. On y lit les données d’identication des
valeurs, leurs cours, et des informations propres à l’entreprise (dividende, PER,
rendement, ainsi que le consensus des analystes nanciers).
15
Tableau 1.1 – Cote boursière pour une action
Code Dernier Ouverture % veille Volume Dernier Objectif cours

échange: + haut % 1 janv. Nombre de dividende Médiane des
date/ + bas titres PER Recommandations
heure Valorisation rendement (1=acheter,
prix 5=vendre)
Accor (AC) 04/09/13 28,870 +1,33% 260 788 0,76 31,00
FR0000120404 10:36:10 29,085 +8,19% 227 480 960 21,4 2,18 sur 5
28,855 28,760 6 563 2,66%
EADS (EAD) 04/09/13 44,290 -0,60% 316 478 0,60 51,00
NL0000235190 10:36:12 44,360 +49,14% 786 869 363 15,74 1,58 sur 5
44,045 43,780 34 657 2,29%
Les deux titres appartiennent à l’indice CAC 40 et au compartiment A

d’Eurolist qui regroupe des titres à forte liquidité, les titres sont admis aux
opérations en Service à Règlement Différé (SRD). Pour Accor, le mnémonique
est AC, l’identification est donnée par le code ISIN qui est FR0000120404. Les
prix de transaction sont indiqués en euros. En séance, le cours a gagné 1,33 %,
et 8,19 % depuis le début de l’année 2013. Le nombre de titres échangés en
séance a été de 260 788, alors que le nombre de titres admis en Bourse est
légèrement supérieur à 227 millions. La capitalisation boursière est de 6 563
millions d’euros. Le dernier dividende détaché le 3 mai 2013 a été de 0,76 €. Le
multiple du bénéfice estimé 2013 (PER) est de 21,4 et le taux de rendement
(rapport entre le dividende et le cours) de 2,66 %. Pour EADS, le mnémonique
est EAD, l’identification est donnée par le code ISIN qui est NL0000235190. En
séance, le cours a perdu 0,60 % mais il a gagné 49,14 % depuis le début de
l’année 2013. Le nombre de titres échangés en séance a été de 316 478, alors
que le nombre de titres admis en Bourse est d’environ 787 millions. La
capitalisation boursière est de 34 657 millions d’euros. Le dernier dividende
détaché le 31 mai 2013 a été de 0,60 €. Le PER par rapport au bénéfice estimé
2013 est de 15,74 et le taux de rendement de 2,29 %.
Source : www.boursorama.fr, 4 septembre 2013.
2 Les obligations
Pour trouver les capitaux nécessaires au développement de ses activités, une col-
lectivité peut également émettre des titres de créance. Appelés «obligations», ces
titres donnent à leurs détenteurs la qualité de créancier de la collectivité émettrice
qui s’engage à les rembourser à une échéance déterminée et à leur verser un intérêt
annuel xe, d’où leur nom de valeurs à «revenu xe».
Les caractéristiques principales de chaque obligation sont décrites dans le contrat
d’émission, qui précise le prix d’émission, l’intérêt ou coupon versé chaque année,
sa périodicité (année, semestre ou trimestre), le prix de remboursement et ses moda-
lités.
16
Les modalités d’amortissement déterminent les conditions dans lesquelles les

obligataires seront remboursés et donc la durée de vie de l’emprunt. Ces diverses
caractéristiques ainsi que certaines autres clauses permettent de dénir le «taux de
rendement actuariel», coût annuel pour la collectivité émettrice d’une telle opéra-
tion, ainsi que le risque de l’obligation (cf. chapitre 8).
Au contraire des actions qui ne peuvent être créées que par des sociétés de capi-
taux, les obligations peuvent être émises par des collectivités de statuts juridiques
divers: l’État, les collectivités du secteur public ou semi-public: régions, départe-
ments, villes, entreprises publiques, etc., et les sociétés de capitaux du secteur privé.
Il faut signaler une technique particulière d’émission d’obligations utilisée par
l’État en France et dans de nombreux autres pays : elle concerne les obligations
assimilables du Trésor (OAT). L’assimilation consiste à rattacher une nouvelle émis-
sion d’obligations à une tranche d’emprunt émise précédemment, mais dans les
conditions du marché au moment de la nouvelle émission. Les obligations assimi-
lables, qui permettent de ne pas multiplier les lignes de cotation, peuvent être émises
par les entreprises privées et publiques, mais le plus gros émetteur français est le
Trésor Public avec les OAT.
Dans la famille obligataire sont apparues d’autres formes d’obligations:
– Les obligations à coupon zéro qui ne donnent lieu à aucun versement de coupon.
Elles existent aujourd’hui en France surtout sous forme d’OAT démembrées1.
– Les obligations indexées qui représentent des obligations dont la valeur de rembour-
sement, et parfois l’intérêt annuel, est indexée. Les clauses d’indexation actuelle-
ment utilisées pour xer le prix de remboursement sont diverses: un indice boursier,
l’ination, le cours de l’action ou la valeur d’un panier d’actions, un taux de
référence.
– Les obligations assimilables du Trésor protégées contre l’ination (OATi) qui sont
des emprunts obligataires émis par l’État français. Le Trésor public français a émis
pour la première fois des obligations indexées sur l’ination, les OATi en sep-
tembre 1998. En juillet 1999, l’État émet l’OAT 2029, échéance 25 juillet 2029,
d’une coupure nominale de 1€ et rapportant un coupon réel de 3,4%. Le principal
est protégé contre l’ination, grâce à une indexation sur une référence quotidienne
calculée en fonction de l’indice français des prix à la consommation hors tabac
publié tous les mois par l’INSEE.
– Le coupon versé annuellement, appelé coupon réel, est également protégé contre
l’ination, car il est calculé en pourcentage, xe, du principal indexé. Le principal
est par ailleurs garanti au pair, ce qui signie que, dans l’hypothèse d’une baisse des
prix sur un an, la clause d’indexation ne joue plus et que le montant du rembourse-
1. Une obligation démembrée est une obligation classique qui est transformée en autant d’obliga-
tions coupon zéro qu’il y a de ux de coupon et de remboursement dans l’obligation classique. Les
opérations de démembrement des OAT sont organisées avec des intermédiaires nanciers appelés
Spécialistes en Valeurs du Trésor (SVT). La première obligation démembrée a été émise en mai 1991,
l’OAT 8,5%, échéance octobre 2019.
17
ment ne peut être inférieur à la mise de fonds initiale. D’autres emprunts avec pro-
tection contre l’ination européenne ont été émis par l’État français (OATei).
– Les obligations à taux variable ou ottant dont le coupon est indexé sur un taux à
court terme (taux LIBOR notamment). De telles obligations existent dans de nom-
breux pays.
■■ La cotation d’une obligation

En Bourse, c’est la valeur d’une part de l’emprunt qui fait l’objet d’une cotation.
Le cours est exprimé «en pourcentage de la valeur nominale et au pied du coupon».
Un emprunt obligataire est divisé en parts d’une valeur nominale donnée.
L’obligation assimilable du Trésor (OAT 4 % 2038) dont le code ISIN est FR
0010371401 a une valeur nominale de 1 €. L’intérêt est payé sur la base d’un taux
nominal de 4%. L’usage est de payer les intérêts prorata temporis. Le coupon couru
désigne la partie des intérêts que l’acheteur, entre deux dates de paiement des inté-
rêts par l’émetteur, doit payer au vendeur, en l’occurrence 3,463% dans l’exemple.
En Bourse, c’est la valeur d’une part de l’emprunt qui fait l’objet d’une cotation.
L’expression du cours est «en pourcentage de la valeur nominale et au pied du cou-
pon». Ce n’est donc pas le prix à payer que le marché afche, ce dernier peut tou-
tefois être facilement reconstitué. Le prix à payer par le vendeur est égal à la somme
du cours et du coupon couru que multiplie la valeur nominale. Ainsi le 4 septembre
2013, l’OAT 4% 2013 cote 109,32%, le coupon couru est de 3,463% et le prix à
payer est de 1,12783€ par titre puisque la valeur nominale est de 1€.
Tableau 1.2 – Cote boursière pour une action
Valeur: OAT 4% 25octobre2038 - Émetteur: République française

FR0010371401
Cours : 109,32 Catégorie : Emprunt d’État
Nominal : 1,00 Fréquence du coupon (années) : 1
Date d’émission : 12/09/2006 Taux nominal (%) : 4,00
Date de maturité : 25/10/2038 Coupon couru (%) : 3,463
Devise de cotation : EUR Taux actuariel (%) : 3,4398
D’après le site internet www.latribune.fr du 4septembre 2013.
3 Les titres financiers hybrides
Ce sont des titres qui possèdent certaines caractéristiques des actions et des obli-
gations. Citons notamment les obligations convertibles en actions, les obligations
remboursables en actions (ORA), les obligations à bons de souscription d’actions
(OBSA), les obligations à bons de souscription d’actions remboursables (OBSAR),
18
les obligations convertibles échangeables en actions nouvelles ou à émettre

(OCEANE), les obligations remboursables en actions nouvelles ou en numéraire
(ORANE).
Les obligations convertibles en actions sont des obligations émises avec un intérêt
et un prix de remboursement xe, mais qui peuvent également être converties en
actions de l’émetteur. Le détenteur de l’obligation convertible aura intérêt à conver-
tir l’obligation en actions si la valeur des actions devient supérieure au prix de rem-
boursement de l’obligation. Cette possibilité de choix se paie sous la forme d’un
taux d’intérêt servi aux obligations convertibles inférieur à celui des obligations
ordinaires.
À la différence des obligations convertibles, ce n’est pas le détenteur des
obligations remboursables en actions (ORA), mais l’émetteur qui décide du mode
de remboursement de l’obligation, espèces ou actions.
Par ailleurs, une société peut émettre des bons de souscription d’actions (BSA) de
façon autonome, ou attachés à une action (ABSA), voire même à une obligation
(OBSA), le ou les bons attachés sont détachés de leur support et cotés séparément.
Le BSA est un actif conditionnel qui peut être évalué à l’instar d’une option (cf.
chapitre 11). Les OBSA sont très proches des obligations à bons de souscription
d’actions remboursables (OBSAR), sauf que dans une émission d’OBSAR, les sous-
cripteurs paient séparément le prix d’émission de l’obligation et le prix du ou des
bons attachés à chaque obligation, alors que dans une émission d’OBSA le prix du
bon est implicite.
4 Véhicules d’investissement collectifs
Même s’ils ne sont pas à proprement parler des titres nanciers, les paniers d’ac-
tions peuvent faire l’objet d’une négociation directe et d’une cotation : certaines
SICAV et les fonds indiciels cotés, qui ont un indice particulier pour référence, sont
dans cette situation.
4.1 Gestion collective : SICAV et FCP
Les SICAV et les FCP (fonds communs de placement) sont des OPCVM
(Organismes de placement collectif en valeurs mobilières) réglementés par l’Auto-
rité des Marchés Financiers (AMF). Ce sont des portefeuilles de titres gérés par une
institution nancière qui émet des parts en nombre variable au gré des souscriptions
du public et des rachats (suite à des ventes de parts du public). Les OPCVM cotés
ont un cours résultant de la confrontation entre l’offre et la demande. La réglemen-
tation française impose toutefois que ce cours ne s’écarte pas de plus de 1,5% de la
19
valeur liquidative (valeur du portefeuille de la SICAV ou FCP divisée par le nombre

de parts).
4.2 Indice d’actions et fonds indiciels cotés

Un indice d’actions représente la valeur d’un groupe de titres. Un indice est cal-
culé et ne fait pas l’objet d’échange, ce n’est donc pas un titre1. L’importance des
indices s’est considérablement accrue ces dernières années car les indices i) per-
mettent de juger de l’évolution d’un groupe de titres sur une période donnée, ii)
servent de portefeuille de référence (benchmark) et contribuent à juger de la perfor-
mance d’un placement quelconque, iii) servent de support à des titres dont les pro-
moteurs touchent des redevances. Les produits adossés aux indices sont les contrats
de futures, d’options sur indices mais aussi les fonds indiciels cotés trackers (ou
ETF en anglais pour Exchange Traded Funds). La gestion indicielle (cf. chapitre 12)
consiste à promettre à ses clients une progression alignée dans la mesure du possible
sur un indice de référence. La gestion indicielle a connu un développement impor-
tant en France et dans le monde.
L’évolution de la valeur d’un indice ou groupe de titres est une indication pré-
cieuse. Elle permet de dénir un portefeuille de référence (benchmark) auquel toute
gestion impliquant des titres de caractéristiques similaires pourra être comparée. Un
investisseur ne détenant pas d’informations particulières et souhaitant simplement
investir en actions françaises pourra répliquer l’évolution de l’indice CAC40, soit
par un investissement direct dans un portefeuille diversié, soit par l’achat d’un
fonds indiciel.
5 Les produits dérivés
Il existe trois grandes familles de produits dérivés: les contrats forward et futures,
les swaps et les contrats d’options qui ont beaucoup d’éléments communs (cf. cha-
pitres 9, 10, 11 et 12).
5.1 Les contrats à terme de type forward et futures

Dans leur principe les contrats de type forward et futures sont identiques (cf. cha-
pitre 10). Ils ne divergent que par leurs modalités d’exécution.
Le contrat à terme forward constitue un engagement d’acheter ou de vendre une
certaine quantité de «supports» ou «actifs sous-jacents» à une date d’échéance
future et à un prix spécié au moment où le contrat est passé. Si à la date d’échéance,
1. Voir infra Section3.
20
le prix comptant de l’actif support au contrat est supérieur au prix spécié et

convenu à la date du contrat, l’acheteur réalise un prot; dans le cas contraire, il
réalise une perte, et vice versa pour le vendeur.
Les actifs supports de ces contrats peuvent être une grande variété d’actifs nan-
ciers : les devises, les indices d’action, les indices obligataires mais aussi des
matières premières (l’or, le pétrole…) ou des produits agricoles. La valeur du contrat
à terme forward est versée par le débiteur au créancier seulement à l’échéance ;
aucun paiement entre les deux parties contractantes n’intervient avant cette date.
Par construction, le contrat à terme de type futures est semblable au contrat à terme
de type forward. La langue française n’a d’ailleurs qu’un seul mot pour les deux:
contrat à terme. Aussi le prol de gains ou de pertes des deux est identique.
Mais à l’inverse du contrat forward, le risque de crédit, c’est-à-dire le risque de
défaut du contractant peut être éliminé dans le contrat futures, grâce à deux méca-
nismes spéciques: le dépôt de garantie et l’appel de marge d’une part, l’existence
d’une chambre de compensation et la standardisation des contrats d’autre part (cf.
chapitre2 et Lautier et Simon, 2012).
5.2 Les swaps

Un contrat de swap oblige les deux parties contractantes à s’échanger des mon-
tants de cash ows spéciés à des dates précises. Les swaps de devises (par exemple
dollars contre euros) et les swaps de taux d’intérêt (taux xe contre taux variable
dans une même devise) par lesquels les parties s’échangent des cash ows sur la
base de devises et/ou d’intérêt différents en constituent la forme la plus courante (cf.
chapitre 12). Notons qu’un swap peut être vu comme un portefeuille agrégé de
contrats de type forward.
5.3 Les contrats d’options

Les propriétaires de contrats forward, futures ou de swap ont contracté une obli-
gation à terme, ferme et dénitive.
À l’inverse, l’option confère à son acheteur le droit, mais non l’obligation, d’ache-
ter ou de vendre un actif à une certaine échéance (cf. chapitre 11).
Les principaux contrats négociés sont les calls (options d’achat) et les puts
(options de vente) avec pour chacun d’eux un acheteur et un vendeur, avec paiement
d’un premium (prime) par l’acheteur au vendeur de tels contrats dès leur conclusion.
21
Section
3 LES INDICES BOURSIERS
Les indices boursiers sont apparus dès 1884, avec la création du célèbre indice
Dow Jones Industrials Average (DJIA) de 30 valeurs. Conçus au départ pour donner
une idée de l’évolution générale d’un marché particulier, le marché des actions du
New York Stock Exchange avec l’indice Dow Jones par exemple, les indices se sont
multipliés et leur utilisation s’est généralisée à de nombreuses applications, au point
que la production des indices et la dissémination de leur valeur en temps réel sont
devenues une véritable industrie.
Trois aspects sont particulièrement déterminants : les modalités de calcul des
indices, la détermination de leur composition et leur utilisation.
– Calcul d’un indice. La plupart des indices sont pondérés par les capitalisations bour-
sières ottantes. À son introduction à la Bourse de Shanghai le 5novembre 2007,
Petrochina est devenue la première capitalisation boursière mondiale avec $ 965
Mds contre $ 488 Mds à la 2e, Exxon. Toutefois, l’essentiel du capital de Petrochina
étant détenu par l’État chinois, son ottant est inférieur à 15%. À un instant donné,
la valeur de l’indice pondéré (indice) est le rapport entre la somme des capitalisa-
tions ottantes des titres (CB) de l’indice rapportée à la capitalisation ottante de
base ajustée (CBA), le tout multiplié par une constante (BASE). Par dénition, la
valeur de la base ajustée à l’origine (CBA0) est celle de la capitalisation ottante des
titres de l’indice au même moment.
Ainsi, à la création d’un indice, en date 0, la capitalisation boursière de base ajus-
tée et l’indice ont pour expression:
N
CBA 0 = CB j, 0
j
N
CB j, 0
j
INDICE 0 = BASE
CBA 0
Ainsi l’indice français CAC 40 étant en base 1000 au 31décembre 1987, sa valeur
à cette date est égale à la base, soit 1000.
Ensuite, à chaque instant au numérateur, la valeur de la capitalisation boursière
ottante évolue à la fois par un effet prix (variation du cours) et occasionnellement
par un effet volume. Cet effet volume résulte de l’émission d’actions nouvelles
contre numéraire, de la modication de la part de ottant de la capitalisation bour-
sière ou d’un changement de sociétés dans la composition de l’indice.
22
Par la seule évolution des cours, la valeur de l’indice en t est:

N
CB j, t
j
INDICE t = BASE
CBA 0
Pour tenir compte des effets volume se produisant en t (Aj, t) la capitalisation

boursière de base ajustée (CBAt) sera modiée et la relation entre la valeur de l’in-
dice avant, en t–1, et après, en t, s’écrit:
N N N
CB j, t -1 CBA j, t -1 + A j, t
j J j
=
CBAt -1 CBA t
On en tire la base ajustée:

N
A j, t
j
CBA t = CBA t-1 1+ N
CB j, t
j
Et la valeur de l’indice en t, qui gomme les effets volumes:

N
CB j, t
j
INDICE t = BASE
CBA t
Encore une fois, l’objectif est que l’indice reète les variations de valeur et fasse
abstraction des effets volumes.
Ainsi, lorsque Vinci entre dans l’indice CAC 40 le 3avril 2002 et qu’Alstom en
sort, la capitalisation de l’indice augmente d’un peu plus de 3milliards d’euros par
pur effet de volume. L’ajustement consiste à modier CBA pour tenir compte des
effets volume.
Le poids maximal d’un titre dans l’indice peut faire l’objet d’un plafonnement,
xé à 15% pour les titres participant à l’indice CAC40. Par ailleurs, la plupart des
indices ne tiennent pas compte des dividendes distribués et sous-estiment ainsi les
rentabilités boursières.
•Composition d’un indice. La plupart des indices comportent un nombre xe de
valeurs de telle sorte que l’inclusion d’une nouvelle valeur dans l’indice s’accom-
23
pagne de l’exclusion d’une autre. Un délai est possible entre les deux événements,
ainsi l’indice CAC40 a pu temporairement comprendre 39 titres.
Les indices généralistes ont pour objectif de reéter les évolutions boursières de
l’ensemble des titres cotés dans une zone géographique donnée. Les indices natio-
naux restent très populaires, mais les indices régionaux et mondiaux gagnent en
importance 1 . Un indice généraliste peut comporter un petit nombre des valeurs les
plus importantes de la Bourse et très liquides. Un tel indice étroit permet de suivre
à tout instant l’évolution du marché car les titres qui le composent font l’objet de
nombreuses transactions avec des prix qui reètent rapidement l’état du marché.
Lorsqu’ils sont pondérés par les capitalisations, les évolutions d’un indice compor-
tant les 40 valeurs les plus importantes (CAC 40) ou les 120 valeurs les plus impor-
tantes sont très fortement corrélées (SBF 120). Les critères d’inclusion dans les
indices généralistes sont d’abord la capitalisation boursière ottante et la liquidité,
puis accessoirement la représentativité sectorielle.
Les indices spécialisés se sont multipliés dans un passé assez récent. Ils sont sou-
vent déclinés suivant la taille des entreprises cotées (les midcap, smallcap et autres
microcap excluent les titres les plus fortement capitalisés) et suivant un classement
distinguant les valeurs de croissance (growth stock) et de substance (value stock) ou
bien l’activité industrielle des entreprises. Cette déclinaison d’indices est faite pour
suggérer des références aux gestions de portefeuille.
Parmi les indices spécialisés, il faut ranger les indices socialement responsables
(ISR) qui servent de référence au développement de fonds d’investissement dits
éthiques ou socialement responsables ou de développement durable.
•Utilisation des indices. Les indices demeurent toujours un élément d’apprécia-
tion synthétique de l’évolution de la tendance d’un marché ou de l’un de ses com-
partiments. À ce titre, dans tous les pays sont calculés et publiés un ou plusieurs
indices, pour la plupart en temps réel. Les indices sont devenus un élément fonda-
mental de l’appréciation d’une gestion de portefeuille.
La plupart des gérants de portefeuille proposent à leur clientèle une gestion dont
les performances doivent s’évaluer et s’apprécier par rapport à un benchmark, à une
référence comparative, qui la plupart du temps est représentée par un indice. De plus
certaines gestions, dites passives ou indicielles (cf. chapitre 14) ont strictement pour
objectif de répliquer ou de dupliquer l’évolution des indices.
Pour des raisons de gestion, d’arbitrage ou de couverture de portefeuille, les
gérants professionnels utilisent des produits dérivés, et notamment des options ou
futures dont le sous-jacent est précisément un indice boursier. Les institutions nan-
1. La multiplication des indices mondiaux est un signe de l’internationalisation de la composition de

certains portefeuilles. Spécialité de MSCI au départ, parmi les indices mondiaux, on note Global Titans
de Dow Jones qui reprend les 50 plus fortes capitalisations mondiales avec Total et Sano Aventis
comme seules valeurs françaises (en septembre 2013) ou le S&P Global 1200 de Standard and Poor’s
qui contient 1200 actions de 33 pays. 48 valeurs françaises y sont présentes en septembre 2013.
24
cières émettent des warrants, notamment sur indices boursiers. L’utilisation des
indices à de telles ns commerciales donne lieu au paiement d’une licence ou au
versement de royalties de la part de l’utilisateur au producteur d’indices.
Dans tous les pays sont publiés des indices, calculés par les Bourses nationales
elles-mêmes comme en France ou coexistent plusieurs indices d’actions, le CAC40,
le SBF 120, CACNext20, le CACMid60, le CAC Large60, le CAC Mid et Small
(271titres), le CACSmall (211titres), le CAC All Shares (523titres), le CAC All
Tradable (SBF250), l’Alternext All Shares (179titres).
Au-delà des Bourses qui produisent leurs propres indices des valeurs dont elles
assurent la cotation, plusieurs organisations produisent et assurent la diffusion et la
commercialisation d’indices à l’échelon mondial, indices nationaux, régionaux,
sectoriels ou congurés selon d’autres attributs: Dow Jones et Standard et Poor’s
(groupes d’informations économiques et nancières américains), Pearson avec les
indices FTSE (groupe de presse britannique), Morgan Stanley Capital International
pour les indices MSCI.
Section
4 PANORAMA DES PRINCIPALES BOURSES
MONDIALES
1 Les marchés d’actions
La capitalisation des actions françaises représente environ 4% de la capitalisation

mondiale des actions n 2012. En 1969, elle était de 19,9milliards de dollars, soit
un peu moins de la moitié de la seule société IBM cotée au NYSE. Euronext, qui
regroupe les Bourses de Paris, Bruxelles, Amsterdam et Lisbonne, représente 7,2%

de la capitalisation mondiale n 2012, à peu de distance de celle du London Stock
Exchange. Les deux premiers marchés d’actions des États-Unis (NYSE et Nasdaq)
représentent à eux seuls 37,4% de la capitalisation boursière mondiale des actions.
Leur poids est toutefois en baisse, il était de 43,7% en 2004.
Une des évolutions marquante est la montée en puissance des Bourses asiatiques: six
des quinze plus grandes Bourses dans le monde sont situées en Asie, ce qui est une
évolution récente et qui reète la vitalité de l’économie asiatique. Celle-ci est également
reétée par le grand nombre d’entreprises dont les actions sont négociées sur les
Bourses asiatiques. Un exemple du déplacement du centre de gravité des marchés nan-
ciersvers l’Asie est la récente acquisition de London Metal Exchange, la plus impor-
tante Bourse de dérivés sur métal, par Hong Kong Exchanges and Clearing Ltd en 2013.
25
En outre, le développement des marchés nanciers n’est pas l’apanage de l’Asie.

La Bourse brésilienne a connu également un essor rapide et gure maintenant parmi
les plus importantes Bourses du monde.
Tableau 1.3 – Importance des marchés d’actions en 2012
Classement Bourse d’échange Pays Capitalisation Capitalisation Nombre

boursière boursière / d’entre-
PIB prises
cotées
1 NYSE Euronext (US) USA 14085 119,0% 2335
2 Nasdaq OMX USA 4582 119,0% 2579

3 Japan Exchange Group Japon 3478 61,8% 2304
Tokyo
4 London Stock Grande 3396 124,0% 2757
Exchange Bretagne
5 NYSE Euronext France; 2930 69,8%; 1070
(Europe) Belgique; 62,0%,
Pays-Bas; 84,3%;
Portugal 30,8%
6 Hong Kong Exchanges Hong 2831 420,9% 1 551
Kong
7 Shanghai Stock Chine 2 547 44,9% 914
Exchange
8 TMX Group Canada 2 058 110,7% 3 973
9 Deutsche Börse Allemagne 1 486 43,7% 743
10 Australian Securities Australie 1 386 84,6% 2 050
Exchange
11 Bombay Stock Inde 1 263 68,6% 5 195

Exchange
12 National Stock Inde 1 234 68,6% 1 664
Exchange of India
13 SIX Swiss Exchange Suisse 1 233 170,7% 279
14 BM&F Bovespa Brésil 1 227 54,6% 362

15 Korea Exchange Corée du 1 179 104,5% 1 779
Sud
Source: World Federation of Exchanges (WFE) et Banque Mondiale. Les capitalisations

boursières sont en milliards de dollars. Seuls les 15 marchés ayant la plus forte capitalisation
domestiquefin 2012 sont répertoriés (sur 53 marchés).
26
Même si la taille des marchés nanciers (mesurée, par exemple, par leur capitali-
sation boursière) est en rapport avec l’importance des économies (mesurée, par
exemple, par le produit national brut) dans lesquelles ils s’insèrent, le ratio de la
capitalisation boursière des actions au produit national brut est très variable d’un
pays à l’autre.
Parmi la cinquantaine de pays pour lesquels la World Federation of Exchanges
(WFE) publie cette statistique (tableau1.3), on remarque la position intermédiaire
de la France avec un total de capitalisation des actions nationales égal à 69,8% du
produit intérieur brut. Le ratio est nettement supérieur pour les États-Unis (119,0 %)
mais bien plus faible qu’en Allemagne (43,7 %).
Le ratio a eu tendance à augmenter depuis 1992, sans que les classements en soient
bouleversés. L’augmentation a toutefois été particulièrement sensible dans le cas de
la France qui, en 1992, était seulement 21e (sur 32 pays classés) avec un ratio de
27,3%.
Le degré de développement des marchés selon les pays est partiellement expliqué
par le niveau de protection des droits des actionnaires et l’importance du secteur
public; il a par ailleurs un impact sur la croissance et le développement économique.
Dans un pays où les droits des actionnaires sont inexistants, le nancement par
actions est logiquement impossible. Si les revenus des actionnaires ne sont pas pro-
portionnels aux apports en capitaux, et si un actionnaire exerçant le contrôle a la
possibilité de capturer à son prot une part substantielle des ux générés par l’entre-
prise, cela encourage la vocation d’actionnaire majoritaire et décourage celle d’ac-
tionnaire passif ou minoritaire.
La valeur du droit de vote est inversement liée au degré de protection offert aux
actionnaires minoritaires. En revanche, un actionnariat dispersé et une faible valeur
des droits de vote se retrouvent dans les pays offrant le cadre légal de protection des
actionnaires minoritaires le plus efcace.
En France, 15 «familles» contrôlent 33,8% de la capitalisation des entreprises

cotées, ce qui constitue un record européen. Par exemple, 15% des entreprises du
CAC40 sont des entreprises familiales. Des grands groupes tels que PSA Peugeot
Citroën, Auchan, Leclerc, Bouygues, ou LVMH sont tous contrôlés entre 30 et
100% par la famille du fondateur. Cette particularité française s’explique en partie
par le taux d’imposition sur les successions plus faible en cas de reprise de l’activité
par un héritier.
La distinction entre l’inuence du développement des marchés nanciers d’une
part, et du système bancaire d’autre part, sur la croissance économique est délicate,
le développement des deux modalités de nancement étant corrélé. Les variables
jouant un rôle essentiel pour expliquer la croissance sont le degré de protection des
actionnaires minoritaires et des créanciers, la qualité des systèmes juridiques et la
rigueur dans l’application des lois (La Porta, Lopez-De-Silanes, Shleifer et Vishny
2000; John, Litov et Yeung 2008).
27
Section
5 LA RÉGLEMENTATION DES MARCHÉS FINANCIERS
La réglementation doit avoir pour objectif la nature et la qualité des informations
fournies au marché, le respect des règles de concurrence entre les intermédiaires
nanciers et sur le marché du contrôle, et doit donner la priorité à la protection des
actionnaires minoritaires. La réglementation concerne les États, qui doivent promul-
guer des lois et les faire appliquer, elle concerne aussi la profession nancière qui
doit mettre en place un ensemble de codes de conduite, d’interdits et se donner les
moyens de veiller à ce qu’ils soient appliqués.
L’Autorité des marchés nanciers (AMF) contrôle et réglemente les marchés fran-
çais. Par ailleurs la construction européenne nécessite une réponse adaptée et une
coopération forte, sinon une intégration entre les différentes instances nationales. Ce
besoin est devenu particulièrement incontournable depuis la fusion des Bourses
françaises, belges, hollandaises et portugaises dans Euronext. Les missions de
l’AMF sont de veiller au respect des obligations de diffusion des informations par
les sociétés cotées, à la protection de l’épargne via notamment la tutelle des
OPCVM, à la surveillance des marchés et à la réglementation et l’approbation des
opérations nancières (notamment en matière d’offre publique). Les membres de
l’AMF sont désignés par différentes instances de l’État et le nancement assuré par
des redevances perçues sur certaines activités nancières.
L’AMF a un pouvoir de sanction administrative et disciplinaire. La procédure de
sanction administrative est contradictoire et la décision susceptible de recours
devant la cour d’appel de Paris. Elle concerne les délits relatifs à la manipulation des
cours ou à l’utilisation frauduleuse d’informations (délit d’initié).
Au niveau européen, l’AEMF (Autorité européenne des marchés nanciers) rédige
des directives que les États membres doivent appliquer. La Directive sur les services
d’investissement (DSI) transposée en droit français en 1997 a mis n au monopole
des transactions, a institué un passeport européen qui réduit l’impact des barrières
frontalières dans l’exercice des métiers nanciers. Elle dénit les marchés réglemen-
tés qui sont astreints à une plus grande transparence, notamment concernant la
publicité des transactions, et à des contrôles plus stricts des transactions.
La directive sur l’abus de marché (DAM) réglemente depuis n 2004 les profes-
sions d’analystes nanciers et dénit les délits d’initiés. Elle introduit l’obligation
de déclaration et de publication de toutes transactions, par les dirigeants et les per-
sonnes qui leur sont liées, sur les actions des entreprises qui les emploient. Dubois,
Frésard et Dumontier (2013) ont montré empiriquement que l’application de la
Directive DAM a eu comme effet de réduire de façon signicative l’excès d’opti-
misme des analystes nanciers en Europe. Ces derniers ont en effet souvent été
accusés de biaiser leurs recherches, ainsi queleurs recommandations en faveur des
entreprises ayant des liens commerciaux avec la banque qui emploie l’analyste (Lin
28
et McNichols, 1998; Kadan, Madureira, Wang et Zach, 2009). L’étude de Dubois,

Frésard et Dumontier (2013) montre que l’effet de la directive est d’autant plus fort
dans les pays membres que l’autorité judiciaire est particulièrement stricte (amendes
et emprisonnement), comme par exemple enAngleterre ou en Irlande. MiFID, appli-
quée en 2008, a mis n à l’obligation de concentration des ordres et permet l’arrivée
de concurrents à l’opérateur historique Euronext, comme on le verra au chapitre2.
Suite à la crise de 2008, les régulateurs et législateurs européens ont fait évoluer
le cadre réglementaire de MiFID dans le but d’améliorer la stabilité et la transpa-
rence des marchés nanciers. Les principales évolutions ont porté sur les nouvelles
plateformes de négoce (OTF, Organised Trading Facilities) qui échappaient
jusqu’alors à la réglementation en place et à la prise en compte des évolutions tech-
nologiques récentes dans le domaine du trading. Une attention toute particulière a
été apportée au trading à haute fréquence (HFT, High Frequency Trading) au sein
duquel les décisions d’achat ou de vente de titres sont prises par des ordinateurs
capables d’analyser en une fraction de seconde le ux continu d’informations déver-
sées sur les marchés nanciers (Foucault et Biais, 2013). Récemment, certains pays
ont mis en place une taxe sur les transactions nancières comme en France. La taxe
française a été introduite en août2012, porte sur les actions des entreprises fran-
çaises ayant une capitalisation boursière de plus d’un milliard d’euros (une centaine
d’entreprises au total) et s’élève à 0,2% du montant d’achat.
Dans certaines circonstances, l’AEMFpeut également interdire certains produits
nanciers ou certaines stratégies d’investissement jugés excessivement dangereux et
potentiellement déstabilisants pour le système nancier.
Les marchés de produits dérivés n’ont pas échappé à cette vague réglementaire.Le
règlement relatif aux produits dérivés négociés de gré à gré, aux contreparties cen-
trales et aux référentiels centraux (EMIR, European Market Infrastructure
Regulation), a été adopté le 4 juillet 2012. Ce règlement permettra d’assurer que
l’information relative à toute transaction européenne sur des produits dérivés sera
adressée à un registre de données accessible à l’ensemble des autorités de supervi-

sion concernées, an d’offrir une vue d’ensemble claire du fonctionnement de ces
marchés. EMIR impose également la compensation par contrepartie centrale de tout
contrat dérivé standardisé, ainsi que des appels de marges pour les contrats non-
standardisés.
1 Pourquoi et comment réguler
Aux États-Unis, le rôle du Congrès et de la Securities and Exchange Commission

(SEC) a été essentiel dans la lutte contre les positions dominantes et la défense des
principes de la concurrence. C’est sous la pression de ces instances que la pratique
des commissions xes a été abandonnée à partir de 1975; que l’interconnexion des
29
différentes plates-formes de cotation des États-Unis a été imposée, ce qui facilite

l’information des investisseurs et le choix du marché le plus avantageux, que les
teneurs de marché du Nasdaq ont dû accepter d’organiser la concurrence entre eux-
mêmes et un carnet d’ordres qui lamine leurs marges depuis 1997; que l’échelon de
cotation (c’est-à-dire la variation minimum entre deux cours consécutifs) a été réduit
à 1 cent à partir de l’an 2000.
Les délits observés en Bourse sont très divers. Que quelqu’un détienne une infor-
mation sur les bénéces futurs ou plus généralement une information susceptible
d’affecter la valeur d’une entreprise cotée n’est pas en soi un délit: il est même
souhaitable que les dirigeants d’une entreprise soient dans cette situation. Ce qui est
en revanche répréhensible, et est qualié de délit d’initié, c’est l’utilisation de ladite
information pour réaliser un prot personnel. De même, un journaliste ou un ana-
lyste nancier qui, lors d’un contact avec un dirigeant d’entreprise, obtient une
information destinée aux investisseurs particuliers et institutionnels, est en position
d’initié. Dans ces cas, la règle de conduite doit être claire: ne pas acheter ou vendre
en Bourse (directement ou indirectement bien sûr) avant que l’information détenue
ne soit rendue publique.
2 Le gouvernement d’entreprise et la protection des actionnaires

minoritaires
La réglementation et le droit jouent un rôle également fondamental dans la protec-

tion des actionnaires minoritaires, comme l’ont montré La Porta, Lopez-De-Silanes,
Shleifer et Vishny (2000).
Si un groupe d’actionnaires (ci-après insiders) tire du contrôle de l’entreprise des
avantages nanciers et obtient ainsi un partage des richesses générées par l’entre-
prise non proportionnel à la participation au capital, on parle de capture de béné-
ces. Cette expropriation peut prendre différentes formes: une cession d’actif, à un
prix sous-évalué, à une entité juridique totalement contrôlée par les insiders ; un
achat de biens et services surfacturé par une entité contrôlée par les insiders (peut-
être une des holdings de tête dans une construction pyramidale); la rémunération de
personnes non qualiées ou la surrémunération de personnes compétentes, dans les
deux cas proches des insiders; le surinvestissement dans des projets ne maximisant
pas la richesse de l’ensemble des actionnaires.
Les dispositifs anti-OPA protègent les actionnaires majoritaires et les équipes
dirigeantes, souvent au détriment des intérêts des actionnaires minoritaires. De
même, certains textes réglementaires et légaux peuvent paradoxalement aider les
actionnaires majoritaires (insiders) à se protéger: on peut ranger ici la possibilité
dans certains pays d’augmenter le capital sans en informer l’ensemble des action-
30
naires, ou le mécanisme français des droits de vote double sous condition de déten-
tion des actions pendant une durée de 2 à 4 ans.
Sous l’expression anti-director rights, la littérature anglo-saxonne recense
diverses dispositions visant à offrir des protections légales contre les tentatives
d’expropriation des actionnaires minoritaires, par la direction et/ou les actionnaires
majoritaires. Ces dispositions concernent les conditions d’exercice du droit de vote
et les possibilités de recours.
Le gouvernement d’entreprise est un ensemble de règles de conduite éventuelle-
ment encadrées par des textes de lois visant à limiter les captures de bénéces par
les dirigeants éventuellement associés à un groupe d’actionnaires au détriment des
actionnaires minoritaires. Le rôle, la composition et l’organisation du conseil d’ad-
ministration qui nomme et révoque les dirigeants sont autant d’éléments de la qua-
lité du gouvernement d’entreprise.
Le droit des sociétés doit être conçu de manière à protéger les droits des action-
naires minoritaires et ce, de telle façon que la meilleure des protections pour les
dirigeants de l’entreprise soit la qualité de leur gestion.
Section PERFORMANCES À LONG TERME DES CLASSES

6 D’ACTIFS
Les classes d’actifs varient fortement en termes de performance (accroissement de

leur prix) et de risque (variabilité de leur prix). Ces différences ont pu être mises en
lumière grâce à la construction de bases de données de prix historiques remontant
jusqu’au e siècle. Le tableau1.4 présente les taux de rentabilité annuels moyens
sur les marchés américains de trois grandes classes d’actifs: les bons du trésor à
trois mois (placements monétaires), les emprunts d’État à 10 ans, et les actions. Les
deux premiers types d’actifs sont des obligations émises par le gouvernement amé-
ricain qui diffèrent par leur maturité. Ces taux de rentabilité ont été calculés
entre1872 et2012, ainsi que sur différentes sous-périodes an de pouvoir évaluer
leur stabilité dans le temps. De plus, ces taux ont été défalqués de l’ination et cor-
respondent donc aux rentabilités réelles, et non nominales, de l’actif: ils mesurent
l’accroissement du pouvoir d’achat de son détenteur.
31
Tableau 1.4 – Rentabilités réelles moyennes aux États-Unis (en%)
Bons du Trésor Emprunt d’État Actions

1872-1945 2,6 2,8 5,9
1872-1910 4,5 3,7 6,2
1911-1945 0,5 1,8 5,4
1946-2012 0,4 2,1 6,5
1946-1979 – 0,5 – 1,4 5,5
1980-2012 1,6 6,5 7,6
1872-2012 1,6 2,5 6,2
Source: Ibbotson (2013), Dimson et al. (2013).
Ce tableau appelle plusieurs observations:

– La rentabilité réelle moyenne des actions est remarquablement stable autour de 6%,
pour autant que l’on retienne des périodes d’observation sufsamment longues;
– La rentabilité réelle moyenne des obligations (2,5% l’an entre1872 et2012) appa-
raît plus variable d’une période à l’autre.
Ces calculs ne tiennent pas compte de la scalité et supposent un réinvestissement
systématique des revenus perçus (intérêts pour les obligations ou dividendes pour les
actions).
Les actions surperforment très signicativement sur longue période les placements
obligataires (de 3,7% l’an en moyenne) et les placements monétaires (de 4,6% l’an
en moyenne). Pour autant, les résultats observés sur des périodes d’au moins une
trentaine d’années ne doivent pas faire oublier que les rentabilités peuvent s’écarter
fortement des moyennes historiques sur des périodes plus courtes.
Ces résultats concernant les marchés américains se trouvent conrmés sur
quelques autres grands marchés, comme l’illustre le tableau 1.5, même si des dispa-
rités existent entre pays et des différences selon les périodes.
Tableau 1.5 – Rentabilités réelles moyennes 1900-2012 (en%)
Actions Obligations Monétaire

France 3 0 –2,8
Allemagne 3,1 –1,7 –2,4
Royaume-Uni 5,2 1,5 0,9
États-Unis 6,3 2 0,9
Japon 3,8 –1,0 –1,9
Source: Dimson et al. (2013)
Si la hiérarchie des rentabilités est identique au sein de chaque pays, elle recouvre
cependant des niveaux absolus assez disparates entre pays: les rentabilités réelles
32
s’étagent entre 3% et 6,3% l’an pour les actions, et entre –1,7% et 2% pour les
obligations, selon les pays.
En raison notamment des deux guerres mondiales et des périodes de forte ination
qu’ils ont connues, les pays d’Europe continentale (France, Allemagne) et le Japon
sont ceux où les rentabilités réelles ont été les plus faibles, aussi bien sur les actions
que sur les obligations. Les placements monétaires ont eu une rentabilité réelle néga-
tive en France, en Allemagne et au Japon, ainsi que les obligations pour les deux
derniers.
Les investisseurs n’aiment pas le risque. Ils veulent bien malgré tout en prendre
mais avec l’espoir d’une espérance de rentabilité supplémentaire. Les placements ne
peuvent donc être hiérarchisés sans faire référence au risque. Les actions procurent
en moyenne la rentabilité la plus élevée, mais c’est également le placement le plus
risqué. La valeur d’un portefeuille placé en actions connaîtra en moyenne une évo-
lution plus heurtée que celle d’un placement obligataire. Si en moyenne, la valeur
des actions progresse davantage, des pertes de valeur sont également plus fréquentes
sur certaines périodes particulières. D’ailleurs, les Bourses non américaines ont
connu des périodes beaucoup plus longues qu’aux États-Unis, durant lesquelles la
rentabilité réelle des actions est restée négative.
L’ESSENTIEL
•Le rôle fondamental des marchés nanciers est d’allouer les ressources nan-
cières dans l’économie. Ce rôle crucial est rendu possible grâce à l’existence
d’un cadre institutionnel adapté qui facilite les échanges entre les opérateurs. Ce
chapitre a présenté la palette actuelle des produits nanciers ainsi que les indices
boursiers, et a offert un panorama des principales Bourses mondiales.
•Récemment, les marchés nanciers ont été profondément modiés par, entre
autres, la globalisation nancière, la crise nancière de 2008 et les nombreux
changements réglementaires qui l’ont suivi. Ces modications ont considérable-
ment transformé le cadre institutionnel des marchés nanciers et, comme nous le
verrons dans le prochain chapitre, ont également eu un impact majeur au niveau
opérationnel (coûts de transaction et liquidité des marchés).
33
Chapitre
Organisation des
2 marchés financiers
SOMMAIRE
Section1 Le marché des actions Euronext Paris
Section2 Modèle d’organisation de marché: principes généraux
Section3 Modèle d’organisation de marché: ordres et cotations
Section4 Les coûts de transaction
Section5 Marchés organisés de produits dérivés
Chapitre 2 ■ Organisation des marchés financiers
L e paysage boursier mondial est en pleine recomposition. Cela est dû d’abord à

la déréglementation et à la globalisation nancières : suppression de nom-
breuses barrières à l’entrée dans les métiers de la banque et de la nance, inten-
sication de la concurrence qui, ici comme ailleurs, pousse aux restructurations et à
la concentration, à quoi il convient d’ajouter la recherche d’économies d’échelle.
La recomposition du paysage nancier et boursier mondial a un profond impact
sur le cadre opérationnel des marchés nanciers, c’est-à-dire sur leur microstructure.
La microstructure des marchés nanciers concerne l’étude des processus qui
conduisent à l’échange des titres nanciers et des résultats auxquels ils aboutissent.
La littérature concernée sur ce thème s’intéresse aux mécanismes mêmes de
l’échange et analyse dans le détail dans quelle mesure les processus d’échange
affectent la formation des prix des titres, et donc les coûts de transaction. La conso-
lidation en cours des Bourses mondiales a pour conséquence d’abaisser ceux-ci. Elle
permet aux entreprises de marché de rentabiliser leurs infrastructures de négociation
et de transaction et, ainsi, d’abaisser leurs coûts en en faisant proter leurs clients
émetteurs, comme investisseurs, les deux souhaitant que la fonction d’intermédia-
tion soit la moins coûteuse possible. Pour les premiers, cela réduit leurs coûts de
nancement, et pour les seconds, cela grève moins leurs performances de gestion.
Ce chapitre a pour objet de présenter l’essentiel du cadre opérationnel des marchés
nanciers, les marchés d’actions essentiellement mais aussi les marchés d’obligations
et les marchés organisés de produits dérivés dont la microstructure peut être différente.
Dans la présentation des modèles d’organisation des marchés d’actions, le cadre opé-
rationnel d’Euronext Paris sera privilégié, même si celui-ci représente moins de 50%
des transactions à la suite de l’apparition de plateformes de négociation concurrentes
nées de la transposition en France de la directive européenne MiFID.
Section
1 LE MARCHÉ DES ACTIONS EURONEXT PARIS
1 Architecture du marché
La confrontation entre l’offre et la demande et l’établissement du cours qui en

résulte est une étape essentielle, mais la Bourse ne peut être réduite à ce seul aspect.
Le routage des ordres, la surveillance et la réglementation du marché, la gestion du
règlement-livraison, la transmission de propriété et la conservation des titres sont
également importants, comme l’atteste la gure 2.1 représentant l’architecture
générale de la Bourse de Paris, avec Euronext y jouant un rôle prépondérant 1.
1. Certaines parties de ce chapitre sont adaptées de Hamon et Jacquillat (2013).

36
Organisation des marchés financiers ■ Chapitre 2
L’investisseur est le donneur d’ordre, il s’adresse à unintermédiaire nancier qui,

avec son accord, le dirigera vers l’une des plateformes d’exécution possibles.
Naguère, Euronext était la seule possibilité, en application d’une réglementation
française de concentration des ordres. Tel n’est plus le cas depuis le 1er novembre
2007 et la transposition en France de la directive MiFID. Euronext demeure en 2013
la plate-forme la plus utilisée, la deuxième étant CHI-X qui revendique près de 20%
des transactions sur les titres du CAC40. Des marchés en concurrence (MTF ou
Multilateral Trading Facilities tel que CHI-X ou Turquoise Tradegate) ou des pla-
teformes d’internalisation des ordres gérées par les banques elles-mêmes, évoquées
ci-après, constituent désormais des alternatives à Euronext. Comme Euronext, cer-
taines plateformes confrontent l’offre et la demande de titres et déterminent un
cours. D’autres se limitent à un croisement d’ordres (matching) sur la base d’un prix
importé (par exemple observé sur Euronext) avec une possible amélioration des
conditions d’exécution pour le donneur d’ordres.
Compensation, Réglementation et surveillance

réglement-livraison
ESMA
DTCC
EuroCCP Euroclear Banque
AMF de France
EMCF
Relit RGV
Intermédiaires Détermination d’un cours

et échange de titres
Euronext
Donneur d’ordre
Membres PSI
MTF : CHI-X,
E-courtier Turquoise, Tradegate
Echange de titres à prix importé

Banques Internalisateur
Crossing, dark pool
Figure2.1 – Architecture de la Bourse de Paris
37
Les ordres transitent par des membres du marché. Les membres du marché sont
des prestataires de services d’investissement (PSI) reconnus par les plateformes de
négociation et ayant reçu l’agrément de l’ AMF. Les PSI sont les établissements de
crédit (banques, caisses d’épargne) ou les entreprises d’investissement. Les uns et
les autres peuvent exercer sur les marchés les activités de leur choix: collecte et/ou
transmission d’ordres de clients, exécution des ordres, gestion de portefeuille, prise
ferme et placement, sous réserve d’y avoir été agréés.
Les frontières s’estompent, et la partie de la gure2.1 décrivant pour Euronext la
confrontation entre offre et demande n’est plus exclusivement française. La fusion,
entre les Bourses de Paris, Amsterdam, Bruxelles et Lisbonne implique l’utilisation
d’une plateforme de cotation commune (UTP, Universal Trading Platform) et une
intégration croissante entre ces Bourses. Euronext a localisé ses serveurs dans la
banlieue de Londres pour satisfaire le trading à haute fréquence (High Frequency
Trading, HFT) en réduisant le temps de latence dans l’exécution des ordres.
Deux métiers peuvent être exercés séparément par un «membre» : celui de négo-
ciateur et celui de compensateur. Le négociateur met en contact l’offre et la demande
mais peut également prendre des positions pour compte propre, notamment dans des
activités d’animateur de marché ou de contrepartie. Le compensateur transmet un
ux net, et non le détail des ordres passés, à l’organisme de compensation-conser-
vation de titres. Chacun des deux métiers nécessite un agrément spécique.
Parmi les autres métiers permettant l’acheminement des ordres des investisseurs
vers les membres, celui de collecteur nécessite une habilitation donnée par l’AMF,
alors que le transmetteur d’ordres est un prestataire de services entre le teneur de
compte client et le collecteur ou le négociateur; ce dernier métier s’est développé
avec le courtage en ligne.
Une centrale de dépôt de titres (Central Securities Depositary, CSD) gère les opé-
rations post-négociation. Sur le marché européen, le CSD le plus important est
Euroclear qui est le CSD choisi par Euronext. Les nouvelles plateformes peuvent
opter pour d’autres Chambres de Compensation telles que EuroCCP qui est une
liale de Depository Trust & Clearing Corporation (DTCC), le compensateur amé-
ricain. Les CSD organisent le règlement-livraison qui consiste à s’assurer que
l’acheteur règle et que le vendeur livre, et à réaliser les écritures et les mouvements
de comptes-titres pour les intermédiaires ayant un compte auprès duCSD.
Des opérations annexes ou complémentaires peuvent être assurées telles que cer-
taines opérations sur titres (OST) ou le suivi et l’identication de l’actionnariat des
sociétés cotées, voire même le prêt de titres.
Les Chambres de Compensation organisent la gestion des dépôts de garantie et des
paiements en cas d’appels de marges, ainsi que le prêt de titres.
LesCSD offrent le plus souvent un service livraison contre paiement (Delivery ver-
sus Payment, DVP) qui consiste à rendre simultanées les opérations de paiement et de
38
livraison sans qu’aucune des deux puisse être unilatéralement annulée en cours d’opé-
ration. LeDVP permet d’annuler le risque de non-livraison.
L’automatisation du routage des ordres permet d’obtenir immédiatement ou en
quelques fractions de seconde, si le marché est sufsamment liquide et l’ordre com-
patible avec les conditions du marché, l’avis d’opéré ou bordereau d’exécution pour
un particulier gérant par Internet son compte-titres. L’automatisation des opérations
de règlement-livraison s’effectue via Relit, acronyme de règlement-livraison titres,
et Relit grande vitesse – RGV – en France.
Le marché gère de nombreux circuits d’information:
– la publication des cours du système de cotation à destination de toutes les parties
prenantes et, bien sûr, des donneurs d’ordres;
– la publication des opérations sur titres, décidées par les entreprises cotées à destina-
tion de toutes les parties prenantes. Les dépositaires qui doivent ajuster lessoldes,
par exemple dans le cas d’une division d’actions ; les établissements gérant les
comptes-titres de façon à leur permettre de créditer leurs clients, en cas de versement
de dividendes par exemple; les titulaires d’un compte-titres, qui doivent en réponse
faire connaître leur choix: souscrivent-ils par exemple à la prochaine augmentation
de capital en numéraire?
2 Segments de marché
Les titres cotés sont regroupés en segments, les critères de segmentation les plus
courants étant la liquidité, les caractéristiques des titres, la localisation géographique
de l’émetteur et la qualité des informations diffusées par l’émetteur.
Mais, le premier critère de segmentation est la capitalisation et le degré de liqui-
dité des titres, ce qui correspond à la classication des compartiments A (très
liquide), B et C (les actions moins liquides) d’Euronext depuis 2005.

Les titres dont la capitalisation boursière est élevée, et qui font l’objet de forts
volumes de titres échangés chaque jour, sont également ceux qui seront le plus atten-
tivement suivis par les analystes et ceux sur lesquels les investisseurs institutionnels
pourront le plus facilement intervenir.
Ces titres phares (blue chips) se retrouvent dans les indices d’actions systémati-
quement repris par les supports d’information. À Paris, l’indice CAC 40 est une
référence utilisée pour traduire la tendance. Les 40 valeurs à elles seules repré-
sentent plus de 70% de la capitalisation totale (cf.tableau2.1). Le compartiment A
d’Euronext comporte 125 actions, soit 18,2% des titres cotés et 97,8% de la capi-
talisation boursière totale en SRD.
39
Tableau 2.1–Dénombrement des actions à Paris par Euronext

et poids par segment
Groupe A Groupe B Groupe C SRD
Mrd € % Nb Mrd € % Nb Mrd € % Nb Mrd € % Nb
CAC 40 1009,2 72,3 40 1009,2 72,3 40
CAC 150,3 10,8 20 150,3 10,8 20

Next 20
CAC 134,5 9,6 46 5,9 0,4 11 0,1 0,0 1 140,5 10,1 58

Mid 60
CAC 9,7 0,7 3 16,6 1,2 41 2,2 0,2 28 28,5 2,0 72

Small
Autres 61,6 4,4 15 5,7 0,4 16 0,6 0,0 7 67,9 4,9 38

indices
SRD 1365,3 97,8 125 28,2 2,0 68 3,0 0,2 36 1396,5 100,0 229
Source: à partir de la page SRD (Service à Règlement Différé)

du quotidien Les Échos, le 3avril 2013.
Un autre critère de segmentation répartit les actions en groupes de cotation carac-

térisés par des modalités de cotation homogènes à l’intérieur de chaque groupe. La
cotation en continu est la modalité utilisée pour les titres du CAC40.
Une autre segmentation concerne à Paris l’éligibilitéaux opérations de service à
règlement différé (SRD) réservée aux 229titres parmi les plus liquides (hors valeurs
étrangères).
Le tableau2.1 ignore les valeurs étrangères cotées en France sauf lorsque l’activité
principale est en France. Plusieurs émetteurs considérés ici comme français sont
enregistrés au Luxembourg, en Belgique ou en Hollande (EADS ou STMicroelec-
tronics par exemple).
Un autre critère de segmentation répartit les actions en groupes de cotation carac-
térisés par des modalités de cotation homogènes à l’intérieur de chaque groupe. La
cotation en continu est la modalité utilisée pour les titres du CAC40. Fin 2013, les
titres en cotation continue représentent 71,8% dunombre de titres cotés et 98,4%
de la capitalisation boursière totale.
40
Section MODÈLE D’ORGANISATION DE MARCHÉ :

2 PRINCIPES GÉNÉRAUX
Un modèle de marché dénit les règles de confrontation entre l’offre et la demande

et notamment le typed’intermédiation, les horaires et le déroulement d’une séance
de cotation, le libellé des ordres, les modalités de cotation et l’algorithme de déter-
mination des cours, les règles d’interruption des cotations, la dénition du degré
d’automatisation et le choix d’un niveau de transparence1.
1 Intermédiation
Lorsqu’un intermédiaire nancier ne peut que transmettre les ordres des investis-
seurs et que les opérations de contrepartie sont inexistantes, les transactions sont
faites exclusivement entre donneurs d’ordres naux. Un tel marché, qui centralise
les offres et les demandes des investisseurs naux, est dit dirigé par les ordres. Les
intermédiaires nanciers construisent un carnet d’ordres (ou feuille de marché) à
partir des ordres des investisseurs.
Lorsqu’un investisseur doit s’adresser à un ou plusieurs teneurs de marché en
concurrence et qui afchent des fourchettes de prix (achat-vente), le marché est dit
dirigé par les prix. C’est un marché de contrepartie, où les intermédiaires nanciers
prennent des positions pour compte propre.
Les deux modalités d’intermédiation se retrouvent aujourd’hui sur la plupart des
marchés, ce qui en fait des marchés mixtes:
– Paris Actions Euronext est un modèle d’organisation de marché dirigé par les prix,
la plupart des transactions sont de fait conclues entre investisseurs naux. Mais la
contrepartie est possible notamment sous forme d’animation de marché ou via le
marché des blocs qui fonctionne en parallèle du marché central. C’est également le
modèle retenu sur Xetra à Francfort ou sur le Stock Exchange Electronic Trading
Service (SETS) du LSE.
– Le NASDAQ, qui était un marché de market makers et donc dirigé par les prix, s’est
vu imposer par laSEC la gestion, depuis n 1997, d’un carnet d’ordres en concur-
rence avec les market makers.
– Le NYSE était un marché dirigé par les prix. Face à laconcurrence des marchés
électroniques et sous la contrainte réglementaire (Reg-NMS), la cotation assistée
dirigée par les ordres s’est considérablement développée depuis 2006. Toutes les
actions sont négociées sous NYSE-Hybrid et les négociations sur le parquet sont en
1. Sur la microstructure des marchés nanciers, voir notamment Biais, Davydoff et Jacquillat
(1997), Biais, Foucault et Hillion (1997), O’Hara (1997) et Foucault, Pagano et Roell (2013).
41
net recul de même que le rôle du spécialiste qui est un teneur de marché en situation
de monopole sur le ux d’ordres.
Si un seul marché existe dans un pays donné, ce marché unique réalise seul le
listage (admission des titres des sociétés à la cote «ofcielle») et la négociation des
titres. Lorsque plusieurs systèmes de cotation sont en concurrence effective, ce qui
est le cas de plus en plus fréquent, il en résulte une fragmentation du ux des ordres.
Un titre sera alors admis sur un marché national (par exemple le NYSE) et négocié
sur de nombreuses autres plateformes sans y être ofciellement admis: on observe
ainsi une dissociation entre listage et négociation. Aux États-Unis, les lieux de négo-
ciation et de listage des actions se répartissent ainsi:
– les marchés nationaux avec le NYSE, l’AMEX, le NASDAQ ;
– les marchés régionaux (Boston, Chicago, National, Pacic et Philadelphia Stock
Exchange);
– les marchés de gré à gré (OTC markets), qualiés de third market, et les marchés de
crossing;
– les transactions de blocs entre investisseurs institutionnels sont qualiées de fourth
market,
– l’internalisation des transactions au sein même des institutions nancières (in house
matching) est également possible.
Le développement des Multilateral Trading Facilities, MTF (aux États-Unis, on
parle plutôt d’ATS, Alternative Trading System), c’est-à-dire des marchés électro-
niques (ECN) ou à prix importés (crossing), a multiplié les cas de négociation sans
listage ofciel.
Le développement du National Market System (NMS) aux États-Unis, qui
concerne d’abord les actions, a encore avivé la concurrence entre marchés. Le sys-
tème réalise l’interconnexion des marchés et impose à un marché recevant un ordre
dont les caractéristiques permettent une exécution immédiate (ordre au marché par
exemple) l’exécution dans les meilleures conditions. Dans ce cas, l’ordre est exécuté
sur le marché qui le reçoit, à condition que le prix qui y est coté soit le plus avanta-
geux pour l’investisseur (à l’achat le ask est le plus faible de tous ceux afchés par
les marchés américains interconnectés, et à la vente le bid le plus élevé). Sinon, le
marché recevant l’ordre doit le transmettre pour exécution au marché le mieux placé.
Du fait de cette concurrence exacerbée, la part de marché des transactions sur
actions n’était plus en 2007 que de 45% pour le NYSE et de 30% pour le NAS-
DAQ.
En dénitive, avec le développement de l’informatique et des moyens de commu-
nication, une très nette tendance est à la suprématie de la cotation assistée par ordi-
nateur qui présente de nombreux avantages en termes de coût de fonctionnement, de
rapidité, de transparence et d’évolutivité. La surveillance du marché, et notamment
42
des professionnels, en est facilitée. Ce sont des marchés délocalisables, en phase

avec le progrès technologique (ordinateurs et télécommunications).
2 Le degré de transparence
L’identication de la quantité et de la qualité des informations diffusées ou acces-

sibles permet de dénir le degré de transparence d’un système de négociation. Deux
phases sont importantes à distinguer: avant et pendant la transaction.
La transparence de la négociation elle-même est, bien sûr, essentielle. Sur tous les
marchés organisés, les transactions et les cours et volumes associés sont diffusés en
temps réel. La publicité des transactions est une des conditions de l’obtention du
label de marché organisé. Certains marchés publient des informations permettant de
savoir si la transaction est faite pour un client ou pour compte propre, ce qui permet
de distinguer l’activité de contrepartie. D’autres publient au moins partiellement
l’identité et la qualité des intermédiaires, voire des donneurs d’ordres. Mais il est
rare de voir diffuser l’identité et les qualités (institutionnel ou particulier) des inter-
médiaires ou des donneurs d’ordres.
La transparence avant la transaction consiste à diffuser certaines caractéristiques
des ordres parvenus au marché et non encore exécutés. La meilleure offre (prix
demandé par le vendeur le moins exigeant) et la meilleure demande (prix proposé
par l’acheteur le plus généreux) sont afchées quel que soit le modèle de marché.
Sur les marchés en cotation assistée par ordinateur, la visibilité par quiconque et
en temps réel des cinq meilleures limites de prix est devenue un standard. La totalité
du carnet d’ordres est publique sur Euronext depuis n 2003. L’ordre à quantité
cachée (iceberg order sur le LSE) n’apparaît que partiellement sur les feuilles de
marché. Certains ordres n’apparaissent pas du tout : ainsi les ordres à seuil ou à
plage de déclenchement sur Euronext.
Avant la transaction, un compromis doit être trouvé entre un idéal de transparence

et la nécessaire incitation à placer des ordres, notamment de grande taille, et ainsi à
pousser les investisseurs à révéler leurs intentions. Les donneurs d’ordres de grande
taille doivent être protégés contre le risque de front-running, qui consiste pour un
intermédiaire à acheter ou à vendre pour son propre compte sachant qu’un ordre de
très grande taille d’un client va être passé, puis clore la position à meilleur prix un
peu plus tard et ainsi gagner la différence.
Divers aménagements au principe de transparence sont prévus pour traiter les
ordres de grande taille en évitant ce risque, notamment la possibilité de passer des
ordres à quantité cachée, des ordres de grande taille sur le marché des blocs, distinct
du marché central avec une exigence de transparence moins forte que sur le marché
central: ainsi, les transactions peuvent y être publiées après un certain délai.
43
Ces aménagements répondent aux besoins exprimés par les investisseurs institu-
tionnels et sont allés de pair avec le développement des marchés de Crossing et des
Darkpools (cf.la directive MiFiD ci-après).
3 Le degré de consolidation du flux d’ordres
Un idéal facile à concevoir correspond à un ux d’ordres centralisé qui permet de

concentrer la liquidité et d’établir un prix tenant compte de toutes les offres et
demandes formulées.
En réalité, les avantages liés à la concentration du ux d’ordres risqueraient d’être
dominés par des inconvénients liés à la position de monopole de l’entreprise de
marché qui concentrerait ainsi la liquidité.
La fragmentation du ux d’ordres se portant sur un titre résulte ainsi tout d’abord
de l’existence de plusieurs marchés cotant les mêmes titres. Les actions françaises
les plus liquides sont cotées à Paris, mais également sur les principales places bour-
sières mondiales lorsque les entreprises en ont fait la demande, sur leLSE (le seg-
ment international cote en euros les entreprises européennes et en dollars les améri-
caines) et sur des marchés électroniques européens tels que CHI-X, Turquoise ou
Posit.
La Directive marchés et instruments nanciers (DMIF ou MiFiD selon son acro-
nyme anglais) et sa transposition en France ont mis n à l’obligation de concentra-
tion des ordres. Le développement des plates-formes multilatérales de négociation
(multilateral trading facilities) et de la pratique de l’internalisation (in house mat-
ching) accompagnent cette réforme.
Une concurrence entre marchés est probablement une bonne garantie quant au
coût effectif du système d’échange pour les investisseurs, mais au prix d’une frag-
mentation du ux d’ordres et avec le risque d’une moindre transparence (Hamon,
Jacquillat et Saint-Etienne, 2007).
4 MiFID et le marché européen des actions
MiFiD, directive européenne, a été conçue pour créer la concurrence et favoriser

l’émergence d’un marché nancier unique européen, dans un environnement juri-
dique encore très fragmenté.
La directive MiFiD est entrée ofciellement en vigueur le 1 er novembre 2007. À
partir de cette date, les investisseurs ont en principe la possibilité d’effectuer une
transaction en actions dans tous les pays d’Europe de trois façons:
44
– par un marché réglementé, tel Euronext-NYSE ou Deutsche Börse, comme aupara-

vant. Seuls les marchés réglementés gardent le droit de lister les valeurs, c’est-à-dire
de les admettre à la cote;
– par une plate-forme multilatérale de négociation (Multilateral Trading Facility en
anglais, avec son acronyme, MTF), qui n’a pas autorité à lister les valeurs, mais
seulement à les négocier. Turquoise, qui regroupe neuf grandes banques de marché
internationales, CHI-X, Tradegate ou Nasdaq, AMX Europe offrent cette
possibilité;
– par une banque, c’est l’internalisation des ordres de Bourse où la confrontation des
clients investisseurs de la banque, acheteurs et vendeurs, peut se faire au sein même
de la banque, et où celle-ci peut aussi se porter contrepartie de ses clients sur ses
fonds propres.
La concurrence dans l’activité de transactions est ainsi beaucoup plus ouverte,
même si MiFiD impose aux intermédiaires certaines règles pour l’encadrer et
notamment: la transparence pré-exécution avec l’obligation de meilleure exécution
(best execution), et la transparence post-exécution.
La première obligation qui repose sur l’intermédiaire, est la garantie pour le client
d’obtenir la «meilleure exécution». Aux États-Unis, un seul critère caractérise la
meilleure exécution, c’est celui du prix: le prix le plus bas disponible à un instant
donné à l’achat et le plus élevé à la vente. Du fait de la diversité des microstructures
des marchés nanciers dans les différents pays d’Europe, l’application du concept
de meilleure exécution se fait selon une approche multicritères: prix, rapidité d’exé-
cution, coût du règlement-livraison, etc. Aussi, MiFiD impose une distinction selon
la taille des ordres et l’importance des valeurs. Pour les 600 plus grandes valeurs de
la zone euro, MiFiD impose que les régulateurs nationaux xent un seuil d’ordres
en termes de nombre de titres en deçà duquel les intermédiaires doivent afcher des
prix, et procéder par conséquent à un market making à l’anglaise. La directive
n’impose rien pour les petites valeurs.
La deuxième obligation imposée par la directive MiFiD est la diffusion des infor-
mations post marché. Elle est éclatée entre plusieurs canaux de transmission et
laissée à la discrétion des intermédiaires en termes à la fois de critères (les critères
sont xés par la directive) et de canaux d’information.
Les conséquences pratiques de MiFiD sont à rechercher au niveau d’une nouvelle
cartographie des intermédiaires nanciers et de leurs clientèles.
Les banques ont le choix entre internaliser les ordres, ce qu’ont fait les plus
grandes d’entre elles, ou passer par des marchés réglementés, ce que feront les petits
intermédiaires. Mais les banques ont la possibilité d’acheter aux petits intermé-
diaires leurs ux d’ordres. La concurrence vient aussi des MTF. En 2013 CHI-X
afche des parts de marché supérieures à 20 % sur les grandes valeurs les plus
liquides. Actuellement, 45% des ux en valeur de la zone euro proviennent d’une
quinzaine de grandes banques internationales, américaines et européennes.
45
Face à cette nouvelle concurrence, les Bourses réglementées ne sont pas dému-
nies. Elles gardent en principe les ux d’ordres de la clientèle des petits intermé-
diaires, mais aussi celle des grands intermédiaires dans la mesure où elles sont en
mesure d’offrir la meilleure exécution. En effet, MiFiD autorise les marchés régle-
mentés à avoir directement pour clients les clients des banques, c’est-à-dire les
grands investisseurs institutionnels, qui ont la possibilité, ce qui est interdit aux
États-Unis, de placer leurs ordres de Bourse directement auprès des marchés régle-
mentés.
Une nouvelle concurrence s’est instaurée entre le «Clear Pool » (les Bourses) et
le « Dark Pool » (les banques), avec de possibles conits d’intérêt des grandes
banques. Celles-ci n’ont pas la propriété des ux d’ordres de leurs clients, lesquels
sont en concurrence avec ceux dont les banques sont propriétaires dans leur gestion
pour compte propre, avec donc le risque de conits d’intérêt entre les clients des
banques et celles-ci.
Près de six ans après la mise en service de MiFiD, le bilan est contrasté. Certes,
l’accroissement de la concurrence a réduit les coûts de transaction pour certaines
catégories d’investisseurs et a réduit le temps de traitement des ordres. Plusieurs
plateformes de négociation proposent une gamme de titres des pays européens, ce
qui a favorisé une certaine unication des marchés nanciers européens. En
revanche, la multiplication des plates-formes de négociation a entraîné une opacité
grandissante. L’actualisation de la directive MiFiD est toujours attendue.
Section MODÈLE D’ORGANISATION DE MARCHÉ:

3 ORDRES ET COTATIONS
La dénition d’un modèle de marché comprend essentiellement le libellé des

ordres de Bourse, les procédures de confrontation de l’offre et de la demande de
titres et la xation des cours.
Le choix de UTP (ex NSE) est ici fait parce que c’est le système utilisé par
Euronext et que les systèmes d’autres Bourses, tels que Xetra (à Francfort) ou SETS
(à Londres), ont des fonctionnalités très proches.
1 Marché continu et carnet d’ordres

Les données du marché continu sont accessibles à quiconque. Les courtiers élec-
troniques donnent l’information le plus souvent en temps réel, tandis que les sites
publics comme celui du quotidien Les Échos les donnent avec un léger différé. Dans
46
tous les cas, le public a accès aux cinq meilleures limites du carnet d’ordres ou
feuille de marché (cf.tableau2.2) et peut même, chez certains diffuseurs, accéder à
tout le carnet.
Tableau 2.2–Carnet d’ordres de Accor
Quantité Achat Vente Quantité
268 28,895 28,910 1032
528 28,890 28,915 826
1150 28,885 28,920 1490

403 28,880 28,925 794
853 28,875 28,930 717
Note : Le 4 septembre 2013 à 10h 36, les cinq meilleures limites affichées par
Boursorama.
À partir de la feuille de marché Accor le 4septembre 2013 à 10h36 les acheteurs

et les vendeurs en carnet sont en désaccord. Le prix maximum que l’acheteur le plus
généreux est prêt à payer (28,89€) est inférieur au prix minimum que le vendeur le
moins exigeant accepte de recevoir (29,91 €) et aucune transaction ne peut donc
avoir lieu. L’écart de prix les séparant, 0,01 €, est appelé la fourchette (bid-ask
spread).
Pour qu’une transaction intervienne et qu’un nouveau cours soit coté, il est néces-
saire soit qu’un investisseur en carnet modie ses exigences, soit qu’un nouvel ordre
parvienne au carnet. Parmi les nouveaux ordres possibles et à titre d’exemple:
– un ordre d’achat de 50 actions sans conditions de prix sera exécuté immédiatement
et intégralement à 28,91€; la feuille de marché sera modiée, la quantité à la vente
à 28,91€ passant de 1032 à 982 actions, et la fourchette reste inchangée;
– un ordre d’achat de 1200 actions sans condition de prix sera exécuté immédiatement
et intégralement à 28,91€ pour 1032actions et à 28,91€ pour le solde de 168. La

feuille de marché sera modiée avec disparition de la limite 28,91€ à la vente et la
réduction de la quantité à la vente à 28,91€, qui passera à 658actions. La fourchette
s’élargit à 28,89€/ 28,91€, soit 0,02€;
– un ordre de vente de 1000actions à un cours au moins égal à 28,89 € pourra être
exécuté de la manière suivante: 268 actions sont vendues immédiatement à28,89€
et 528 à 28,89€. Le solde de l’ordre, soit 204actions, ne peut être exécuté et entre
en carnet, du côté des vendeurs, avec 204 actions à vendre au prix de 28,890€. La
fourchette se déplace à 28,885€/ 28,810€, soit 0,005€.
Ainsi, pour acheter, on doit faire affaire avec un vendeur en carnet, et pour vendre,
avec un acheteur en carnet.
47
2 Courbes d’offre et de demande, fourchette de prix
Les ordres en carnet permettent de construire les courbes d’offre et de demande

d’un titre à un instant donné, comme indiqué sur la gure2.2.
28,94
28,93
28,92
28,91
Offre (vendeur)
28,90 Demande (acheteur)
28,89
28,88
28,87
0 1000 2000 3000 4000 5000 6000
Note : Les courbes d’offres et de demandes de Accor sont dessinées à un

instant donné : 10 h 36. Seules les cinq meilleures limites de prix sont
utilisées.
Figure2.2 – Offre et demande exprimée pour Accor
Ce sont des courbes en escalier et donc discontinues puisque les cours (prix) en
carnet sont ceux (et uniquement ceux) exprimés par les investisseurs via le libellé
des ordres transmis. De plus, on constate l’absence de point d’intersection des deux
courbes, ce qui reète le fait qu’à cet instant aucun échange n’est possible. La four-
chette est matérialisée par l’écart vertical entre les courbes d’offre et de demande au
point d’abscisse inférieur. La gure retrace les courbes d’offre et de demande à un
instant donné. Toute modication du carnet d’ordres a un impact sur l’allure de ces
courbes qui doivent être redessinées. Comme indiqué ci-dessus, l’écart de prix entre
l’acheteur le mieux disant (bid) soit 30,09, et le vendeur le mieux disant (ask) soit
30,115, est appelé fourchette (bid-ask spread).
La fourchette de Accor est de 0,025 €, soit une fourchette en pourcentage de
0,0408% par rapport au milieu de la fourchette (mid):
as k – bi d 0.025
Fourchette % = ----------------------- = ------------------- = 0.0408 %
milieu 30.1025
48
Note: La courbe supérieure (en trais épais) repère les prix ask successifs, la
courbe inférieure (en trait fin) repère les prix bids successifs et les triangles les
cours auxquels les titres sont échangés.
Figure2.3 – Évolution du prix de l’action Accor au cours d’une séance
La représentation dans le temps des valeurs des meilleures limites de prix à l’achat
(limite supérieure) et à la vente (limite inférieure) permet de représenter l’évolution
de la fourchette de prix.
Ainsi, la gure2.3 représente un peu plus d’une dizaine de minutes de transactions
(les cours auxquels une transaction a effectivement eu lieu sont symbolisés par des
triangles) et les meilleures limites de prix (en gras, la trajectoire du ask) pour Accor
le 31 décembre 2008. Un acheteur confronté au carnet paiera le ask et le cours sera

afché sur la limite supérieure, tandis qu’un vendeur confronté au carnet recevra le
bid et le cours sera alors afché sur la limite inférieure.
Le marché ne retrace donc pas le concept idéalisé de «cours d’équilibre» et tout
se passe comme s’il tâtonnait en croisant deux systèmes d’offre et de demande: les
acheteurs en carnet étant confrontés aux vendeurs hors carnet et les vendeurs en
carnet aux acheteurs hors carnet.
Sur un tel marché, le milieu de la fourchette (mid) représente un candidat très
convenable pour le concept de cours d’équilibre1 . Dans cette hypothèse, le cours
afché sur le ask surestime le cours d’équilibre d’une demi-fourchette et celui af-
ché sur le bid sous-estime le cours d’équilibre également d’une demi-fourchette. Le
1. Sur l’inuence de la fourchette sur la valorisation, voir Amihud et Mendelson (1986).
49
milieu de la fourchette est d’ailleurs le prix retenu dans les systèmes dits de crossing
mis en place sur certainsMTF.
3 Le libellé des ordres
Tous les ordres doivent spécier l’identication précise du titre (son code valeur),
le sens de la transaction (achat ou vente), la quantité de titres faisant l’objet de la
transaction (la quantité minimale ou quotité est de1 à Paris). La durée de validité de
l’ordre est par défaut la séance, mais une durée peut être spéciée jusqu’à une année
sur Euronext (ordre dit à révocation). D’autres mentions sont à ajouter éventuelle-
ment en fonction du type d’ordre que l’on passe:
– l’ordre au marché peut être exécuté sur plusieurs limites de prix du carnet. C’est
l’équivalent du market order anglo-saxon : il est le fait des demandeurs de
liquidité1 ;
– l’ordre à la meilleure limite (anciennement au prix du marché) peut être exécuté
partiellement. Il est exécuté sur la meilleure limite en attente, le solde entre en carnet
comme ordre à cours limité.
Lorsque l’ordre stipule un prix, il doit être choisi dans l’ensemble des prix pos-
sibles pour le titre en question. Cet ensemble est déni par l’échelon de cotation
(tick). À Paris, l’échelon de cotation pour les actions varie entre 0,5 centime et
5 centimes selon le niveau unitaire du cours de Bourse.
Les ordres comportant une mention de cours sont les suivants:
– l’ordre à cours limité stipule l’achat d’un titre à un prix maximum ou la vente à un
prix minimum à spécier. L’ordre peut être exécuté partiellement. Le prix spécié
est généralement inférieur au cours coté à l’achat et supérieur au cours coté à la
vente : ce type d’ordre est le fait des offreurs de liquidité;
– l’ordre à seuil de déclenchement spécie un prix minimum à l’achat d’un titre ou un
prix maximum à la vente. Le prix libellé à l’achat est supérieur au cours coté, et à la
vente inférieur au cours coté. L’ordre n’est exécuté que lorsque le marché touche la
limite de prix;
– l’ordre à plage de déclenchement est caractérisé par un seuil de déclenchement
assorti d’un seuil limite. Par exemple, un achat de 1000Renault à plage de déclen-
chement 31 €/ 33€ est déclenché à partir du moment où le cours de l’action cote
31€ comme dans le cas de l’ordre à seuil de déclenchement mais prendra n si le
cours dépasse 33€. Le solde de l’ordre entre en carnet comme ordre à cours limité
à 33€. L’ordre peut n’être exécuté que partiellement ;
– l’ordre à cours moyen pondéré (Vwap order) permet l’exécution au cours moyen
pondéré par les volumes d’échange sur une tranche horaire donnée future. Cet ordre
1. Sur la demande et l’offre de liquidité selon le type et le libellé des ordres, voir Hamon, Handa,
Jacquillat et Schwartz (1994).
50
a le plus souvent une exécution assistée par ordinateur et est très prisé des investis-
seurs institutionnels.
À tous les ordres placés en carnet s’applique la règle de priorité temporelle: de
deux ordres placés en carnet avec les mêmes caractéristiques, notamment de limite
de prix, celui placé en carnet le premier sera exécuté avant l’autre.
Parmi les mentions qui peuvent compléter un ordre:
– «quantité cachée»: les ordres de grande taille peuvent être à quantité partiellement
cachée. Cela permet l’exécution automatisée d’un ordre de grande taille qui pourra
être libellé ainsi: «Vendre 100000 actions de Total à 42€, par tranche de 10000»
et qui apparaîtra sur la feuille de marché comme ordre de vente de 10000actions à
42€;
– «exécuté et éliminé»: la partie non immédiatement exécutée est éliminée;
– la mention «quantité minimale» n’est recevable qu’en phase de marché continu.
L’exigence d’une quantité minimale n’est valable qu’au moment de l’introduction
de l’ordre. Si la quantité minimale spéciée est immédiatement et totalement exécu-
tée, le solde de l’ordre reste sur le marché; à défaut, l’ordre entier est éliminé;
– un ordre stipulé «au cours d’ouverture» est un ordre à la meilleure limite placé en
carnet en pré-ouverture ;
– «modication d’un ordre en carnet» indique qu’il s’agit de modier un ordre entré
précédemment. Une modication d’ordre conduit surNSC à une modication de la
priorité temporelle si la limite est modiée ou si la modication a un impact sur la
priorité d’exécution des autres ordres présents dans le carnet d’ordres (par exemple
une augmentation de la quantité de l’ordre existant). La priorité temporelle reste
inchangée si la quantité de l’ordre existant est diminuée1 ;
– règlement-livraison et transfert de propriété sur NSC. Toute action est cotée au
comptant; le règlement (pour l’acheteur) et la livraison (pour le vendeur) ne sont pas
instantanés mais différés de trois séances de Bourse (J +3). ÀParis, depuis le 1eravril
2006, la transmission de propriété est effective en J+3, les droits pécuniaires (tels que
les dividendes) restent acquis à l’acheteur dès la date de négociation.
Certaines actions bénécient du SRD (Service à Règlement Différé): toutes les

actions appartenant à l’indice SBF120, mais aussi d’autres ayant plus de 1milliard
d’euros de capitalisation boursière ou 1million d’euros de capitaux échangés quo-
tidiennement. L’investisseur passe un ordre de vente de titres avecSRD à son inter-
médiaire au jour J. L’intermédiaire transmet l’ordre de vente au négociateur qui vend
les titres sur le marché au comptant et doit les livrer à l’acheteur en J + 3. Il est
simultanément payé par ce dernier. Le vendeur à l’origine de l’ordre SRD ne livre
les titres et n’est payé que le dernier jour de Bourse du mois. Le négociateur
«porte» donc la position du vendeur deJ+3 (date du transfert de propriété) au der-
nier jour de Bourse du mois. Ce service donne lieu à une commission librement
1. Sur SETS, l’ordre doit être annulé et les nouvelles caractéristiques souhaitées entrées comme un
nouvel ordre avec, bien sûr, perte de la priorité temporelle.
51
négociée entre l’investisseur et l’intermédiaire. Le transfert de propriété pour l’in-

vestisseur donneur d’ordres en SRD a lieu au jour du règlement/livraison, c’est-à-
dire le dernier jour de Bourse du mois. L’investisseur individuel, pendant le même
mois, peut faire plusieurs opérations d’achat ou de vente avecSRD sur les mêmes
titres. Seul le solde de ces opérations est réglé et livré à la n du mois. Bien entendu,
l’intermédiaire doit s’assurer de la solvabilité de l’investisseur: il peut refuser un
ordre avec SRD, à l’achat et à la vente, et doit exiger une couverture dont le mini-
mum est xé par l’AMF.
4 Déroulement d’une séance du marché continu
Le déroulement d’une séance n’est pas identique d’un titre à l’autre. Sur Euronext,
les titres sont répartis en groupes de cotation à l’intérieur desquels les modalités de
cotation et donc le déroulement de la séance sont identiques. Sous la pression de la
concurrence entre Bourses, la tendance est à l’allongement des plages de cotation,
allongement qui ne pose pas de réels problèmes au niveau du marché en raison de
la forte automatisation, mais dont le coût est en revanche élevé pour toutes les socié-
tés et intermédiaires intervenant dans la chaîne de transmission des ordres.
Pour les titres cotés en continu, une séance se déroule en enchaînant les étapes
suivantes:
– La pré-ouverture: dans une première étape, le marché est ouvert mais aucune tran-
saction n’est réalisée. Les ordres transmis sont accumulés en carnet. Le marché
calcule et afche à chaque instant un cours théorique et diffuse à destination de ses
membres les ordres qui seraient restés en carnet si la transaction avait eu lieu (carnet
dit écrasé). À destination du public, le marché afche en continu le cours théorique
d’équilibre et les cinq meilleures limites de prix du carnet écrasé. À titre indicatif, la
pré-ouverture va de 7h15 à9heures en continu.
– L’ouverture en xing (call auction pour les Anglo-Saxons) se fait à9heures; l’offre
et la demande en carnet à cet instant sont confrontées suivant une démarche précisée
ci-après, il en résulte le premier cours de la séance, sauf événement exceptionnel dû
à un déséquilibre important entre l’offre et la demande.
– Le marché continu prend place immédiatement après le xing d’ouverture et hérite
des ordres en carnet non exécutés. De nouveaux ordres parviennent sur le marché et
enrichissent le carnet ou provoquent des transactions suivant le mécanisme décrit
ci-dessus. Le marché continu en février 2014 s’étend de9heures à17h30.
– La pré-clôture a lieu à 17h30, les carnets d’ordres restent ouverts jusqu’au xing
de clôture à17h35. Durant ces cinq minutes, les ordres s’accumulent en carnet mais
aucune transaction ne peut avoir lieu.
– Le xing de clôture est lancé à 17h35 et confronte tous les ordres en carnet à cet
instant pour dégager le dernier cours.
– Les transactions au dernier cours sont possibles de17h35 à17h40.
52
– Les transactions hors marché sont ensuite possibles dans un tunnel de prix déni à
1% de la dernière fourchette de prix afchée.
D’autres règles sont utilisées pour les actions cotées en xing biquotidien de
même pour les droits, bons ou obligations convertibles qui cotent à 11 h 30 et
16h30 (en répétant les étapes1 et2 deux fois dans la séance).
5 Le cours en fixing
Une ouverture en xing est une caractéristique commune à la plupart des marchés
dans le monde. Le prix xé s’applique à tous les ordres exécutés au même instant.
Le cours du xing est celui qui maximise le volume échangé. Le cours ne doit pas
être en contradiction avec un ordre en carnet non exécuté, mais les ordres à cours
touché peuvent être réduits. En cas de réduction, la règle premier entré, premier ervi
est appliquée. Cette première série de règles suft dans bien des cas à déterminer un
cours sur les trois principaux marchés européens dont les règles de fonctionnement
sont proches, même si l’exemple ci-dessous est tiré du SETS (Londres).
Tableau 2.3–Le carnet d’ordres avant le fixing
Limite Ordres d’achat Ordres de vente Min[Cumul A;

de prix Quantités Cumul A Quantités Cumul V Cumul V]
104 0 0 75000 165000 0
103 30000 30000 40000 90000 30000
102 40000 70000 25000 50000 50000

101 55000 125000 20000 25000 25000
100 70000 195000 5000 5000 5000
99 90000 285000 0 0 0
Source: documentation du SETS. L’application des règles en vigueur sur Xetra ou sur UTP
donnerait ici strictement les mêmes résultats.
Seuls des ordres à cours limité sont parvenus sur le marché, ils ont été agrégés puis
rangés par limite de prix décroissante dans le tableau2.3. Le cumul des quantités
demandées (à l’achat) est fait du haut vers le bas et celui des quantités offertes (à la
vente) du bas vers le haut, de façon à obtenir les courbes d’offre et de demande. On
lit qu’à 103£, il existe 30000acheteurs qui désirent payer ce prix ou plus cher et
90000vendeurs qui désirent céder leurs titres à ce prix ou moins cher. Ainsi donc,
à 103£, il est possible d’échanger 30000actions, soit le minimum des deux quan-
tités précédentes (dernière colonne).
53
Figure2.4 – Courbes d’offre et de demande en fixing
Le prix qui maximise le volume d’échange est également celui qui correspond au
croisement des courbes d’offre et de demande (gure 2.4), ce qui amène à coter
102£ et à échanger 50000actions à ce prix.
Tableau 2.4–Le carnet d’ordres après le fixing
Ordres d’achat Ordres de vente

Limite Min[Cumul A;
de prix Cumul V]
Quantités Cumul A Quantités Cumul V
104 0 75000 115000 0
103 0 40000 40000 0
102 20000 20000 0 0
101 55000 75000 0 0
100 70000 145000 0 0
99 90000 235000 0 0
Le tableau 2.4 donne l’état du carnet après cette première cotation. Les ordres
exécutés ont été supprimés. On remarque que 20000 ordres d’achat à 102£ restent
en carnet. Ce sont des ordres réduits, ce qui est autorisé car la limite de prix touche
(est égale à) le cours du xing. La réduction sera faite en appliquant une priorité
temporelle (premier entré premier servi), si les 50 000 actions sont demandées à
102£ par deux investisseurs ou plus.
54
Immédiatement après le xing, la fourchette est de102/103£ et la cotation bas-

cule en marché continu.
Si deux cours ou plus assurent un volume d’échange théorique identique, d’autres
règles sont appliquées de manière à dégager le cours du xing.
Un cours de xing ne peut être déterminé s’il n’y a pas d’ordres exécutables entre
eux. Dans ce cas, et si elle est disponible, la meilleure fourchette achat/vente est
diffusée. À l’heure xée pour chaque groupe de valeurs, le système confronte auto-
matiquement les ordres présents. Deux priorités d’exécution sont appliquées : la
priorité prix qui donne priorité au mieux disant et, à cours égal, la priorité temporelle
qui donne la priorité au donneur d’ordre qui s’est révélé en premier.
Les ordres au marché sont servis en priorité et en totalité. Les ordres libellés «au
cours d’ouverture» ou ayant une limite égale au cours d’ouverture sont servis, en
cas de déséquilibre entre l’offre et la demande, selonla règle du «premier entré,
premier servi» (priorité temporelle). Les ordres libellés «au cours d’ouverture»
sont réputés avoir été saisis en premier par rapport aux ordres ayant une limite égale
au cours d’ouverture.
Cette description de la xation des cours, sur un marché centralisant les offres et
demandes et procédant en continu ou en xing, connaît plusieurs exceptions, dont
celle du crossing qui consiste, pour un marché classé comme plate-forme multilaté-
rale de négociation (MTF), à xer un prix égal au milieu de la fourchette observée
sur un marché de référence. Le crossing est généralement un marché à prix importés.
Par exemple, pour Posit (groupe IIG) à Londres le marché de référence des valeurs
britanniques sera le SETS, et pour les valeurs françaises ce seraUTP d’Euronext. Le
crossing réduit les frais de transaction pour les investisseurs institutionnels.
Section
4 LES COÛTS DE TRANSACTION
Les coûts de transaction comprennent les frais de transaction proprement dits,
(commissions, taxes), la fourchette et l’impact (éventuel) de l’ordre sur les condi-
tions de l’échange.
La partie explicite des frais de transaction qui est celle, facturée au client et qui
gure sur les avis d’opéré, n’a cessé de se réduire. La fourchette représente une
partie non négligeable des coûts de transaction dans la mesure où l’achat se fait au
ask et la vente au bid. Un achat suivi d’une vente appauvrit le donneur d’ordres du
montant des frais facturés et de celui de la fourchette qui représente le prix de
l’immédiateté.
55
Pour un investisseur institutionnel, la mesure de l’impact de l’ordre sur les condi-

tions de l’échange est cruciale. Si la taille de la transaction est importante relative-
ment aux quantités de titres habituellement échangées sur une valeur, il est probable
qu’elle perturbe le prix afché. L’exécution d’une transaction de taille importante se
fera sur plusieurs limites de prix du carnet et le prix payé à l’achat sera supérieur à
la valeur du ask. Si l’investisseur n’est pas mieux informé que le marché, cette défor-
mation de prix sera temporaire: le carnet se garnira d’ordres et la meilleure limite
supérieure reprendra progressivement sa place antérieure.
La liquidité d’un titre a trois facettes principales: la profondeur, la fourchette et la
réactivité. La profondeur (depth) du marché s’intéresse à la quantité des ordres en
carnet, elle permet d’estimer la capacité du marché à absorber un ordre d’une taille
donnée sans que les prix ne décalent. Mais de nombreux investisseurs ne révèlent
leurs ordres en les entrant dans le carnet qu’au dernier moment et au vu de l’évolu-
tion du prix. Donc la seule observation du carnet n’offre pas toujours une bonne
indication sur la profondeur du marché. La fourchette (spread) estime le coût de
l’immédiateté. La réactivité (resiliency) est la vitesse à laquelle le système de prix
rejoint sa position d’équilibre après une perturbation provoquée par une transaction
de grande taille.
L’importance des coûts de transaction n’est pas indépendante de la façon de libel-
ler ses ordres: le donneur d’ordre à tout prix est demandeur de liquidité, il est pressé
et privilégie l’instant d’exécution sur le prix. Le donneur d’ordre à cours limité place
son ordre en carnet, maîtrise le prix d’exécution mais prend le risque d’attendre,
voire de ne pas être exécuté. Il est offreur de liquidité.
Section
5 MARCHÉS ORGANISÉS DE PRODUITS DÉRIVÉS
Sur les marchés organisés de produits dérivés sont négociés des contrats à terme
de type futures et des contrats d’options 1. Les principaux marchés européens sont
LIFFE et Eurex.
Les marchés organisés de produits dérivés, sur lesquels des transactions à terme
sont conclues, ont mis en place un ensemble de mécanismes propres à assurer que
les engagements pris par les acheteurs comme par les vendeurs soient effectivement
tenus. Il en va de la crédibilité du marché et de sa sécurité.
1. Voir chapitre 9 et Hull (2011).
56
1 Organisation de la sécurité du marché
Comment s’assurer que le défaut d’un investisseur ne mette en difculté ses

contreparties et de proche en proche la sécurité même du marché? Les mécanismes
en œuvre sont les suivants:
– Une chambre de compensation (clearing house) s’interpose entre les acheteurs et les
vendeurs. Elle ne prend pas de position pour son propre compte mais assure une
qualité de signature unique. C’est l’invention de la chambre de compensation qui a
révolutionné le marché des dérivés au début des années1970 et permis leur dévelop-
pement spectaculaire. Par construction, la taille du pool des acheteurs est identique
à chaque instant à celle du pool des vendeurs.
– Un dépôt de garantie (deposit) est exigé pour tout acheteur ou vendeur de contrat à
terme de type futures et pour tout vendeur d’options avec pour objectif de couvrir
les pertes potentielles de la position. Son montant est xé en fonction des caractéris-
tiques des produits nanciers et notamment de leur volatilité à un niveau compris
entre 2 % et 15 % des engagements, mais plus souvent proche d’environ 4 %.
L’acheteur d’options, quant à lui, paye son acquisition au comptant et ne se voit pas
réclamer de dépôt de garantie. Bien évidemment, ce sont les intermédiaires nan-
ciers ayant un compte ouvert à la chambre de compensation et étant habilités à
passer des ordres sur le marché qui versent le dépôt de garantie. Un investisseur qui
s’adresse à un intermédiaire nancier ne sera, lui, pas connu de la chambre de com-
pensation et le montant du dépôt qu’il devra verser à son intermédiaire sera une
affaire entre lui et son intermédiaire. Les dépôts de garantie peuvent être réalisés en
titres sous certaines conditions.
– Les arrêts automatiques de cotation sont programmés en cas de décalage important
des cours à la hausse (limit up) comme à la baisse (limit down). Le décalage de cours
provoquant l’arrêt decotation est xé de telle façon que les pertes potentielles des
acheteurs (si le marché baisse) ou des vendeurs (si le marché monte) restent signi-
cativement inférieures au montant déposé en garantie.
– L’évaluation des positions ouvertes et le calcul des gains et pertes potentiels sont
réalisés à chaque arrêt de marché et systématiquement à chaque clôture quotidienne.
La référence de prix retenue pour cette évaluation est le cours de compensation xé
par les autorités du marché suivant des règles publiques: ce peut être une moyenne
de cours pour éviter des tentations de manipulation, par exemple. Le cours de com-
pensation n’est pas un cours auquel des échanges ont lieu, c’est une référence comp-
table. L’évaluation des positions en options est réalisée avec un modèle d’évaluation
à partir d’hypothèses extrêmes sur l’évolution du cours du sous-jacent (forte baisse
pour l’acheteur de call, forte hausse pour l’acheteur de put) et la volatilité du sous-
jacent (forte baisse de volatilité pour les acheteurs d’options, forte hausse de volati-
lité pour les vendeurs d’options).
– Des appels de marge (margin requirement) sont adressés aux intermédiaires en
compte à la chambre de compensation à chaque arrêt de marché et à chaque clôture
57
quotidienne. Le montant théorique que doit verser le détenteur d’une position per-
dante est égal à la perte potentielle entre deux arrêts consécutifs. Le montant théo-
rique encaissé par le détenteur d’une position gagnante est égal au gain potentiel
entre deux arrêts consécutifs. Le montant effectivement appelé en marge pourra être
différent pour éviter les virements de faible montant et dépendra d’une marge de
maintenance.
Le réglage du marché consiste à xer les dépôts de garantie au niveau le plus faible
possible, de manière à susciter les échanges et améliorer la liquidité. Mais, bien sûr,
ils doivent être xés à une valeur minimale telle que l’on puisse être raisonnable-
ment sûr que les acheteurs comme les vendeurs tiendront effectivement leurs enga-
gements. Le montant des dépôts de garantie peut être revu à la hausse comme à la
baisse à tout moment, de même que les seuils déclenchant les arrêts de cotation.
2 Application au futures CAC40
Le dépôt de garantie est de 2350€ par contrat, montant xé par LCH Clearnet. Il
peut être constitué d’espèces en euros ou en devises, de bons du trésor (BTF et
BTAN), d’OAT, de titres support ou de titres entrant dans la composition de l’indice
CAC40.
La limite de variation quotidienne du contrat futures sur l’indice CAC 40, de
nominal 10€, est xée à ± 275points d’indice par rapport au cours de compensa-
tion de la veille. Lorsque cette limite est franchie sur une des deux échéances les
plus proches sur le contrat le plus liquide, les cotations peuvent être momentané-
ment suspendues sur les contrats à terme ferme et d’option. Il peut, par ailleurs, être
procédé à un appel de garantie supplémentaire. Si le cours de compensation de la
veille est de 4000, le seuil de réservation potentielle à la hausse est: 4000 +275
=4275; leseuil de réservation potentielle à la baisse est 4000 – 275 =3725. De
même, ce dispositif de coupe-circuit peut trouver à s’appliquer en cas de déséqui-
libre du marché entraînant une réservation des cotations sur un échantillon de
valeurs de l’indice CAC40. D’autre part, la saisie d’un ordre pouvant provoquer un
décalage de cours excédant un seuil de précaution, xé par rapport à un cours de
référence exprimant les conditions de marché du moment, entraîne une interruption
temporaire des négociations, inférieure à deux minutes, pour permettre à l’initiateur
de l’ordre de corriger une éventuelle erreur de saisie.
Les cotations du futures CAC40 s’effectuent en continu de 8heures à18h15 avec
compensation le jour même puis en continu dans la séance du soir de 18 h 15 à
20heures avec compensation le lendemain.
58
L’ESSENTIEL
• Lors de la crise nancière commencée à l’été 2007, et qui a connu son
paroxysme en 2008, les marchés d’actions et les marchés organisés n’ont pas
vraiment connu d’interruption de cotation, sauf à de très rares exceptions dues à
des incidents techniques. La liquidité y a été constamment assurée, ce qui a été
loin d’être le cas d’autres marchés de titres nanciers qui se sont trouvés assé-
chés, ni même du marché monétaire, même si les variations de cours ont pu être
violentes et la volatilité exacerbée.
•Cette (relative) accalmie n’a pu se produire que parce que les marchés d’actions
sont des marchés organisés, dont le cadre a été sans cesse amélioré et correspond
à des règles de fonctionnement précises et sans cesse améliorées au l du temps.
Le passage des ordres et leur exécution, ainsi que les cotations, sont parfaitement
codiés. Les modèles d’organisation de marché, qui tendent à s’uniformiser sur
les différentes places boursières, obéissent à des principes d’équité entre les
intervenants, de transparence dans les informations que les marchés leur four-
nissent, et de sécurité grâce à l’intercession d’une chambre de compensation
entre les acheteurs et les vendeurs.
•Cette amélioration continue du cadre opérationnel des marchés nanciers, avi-
vée par la concurrence entre plateformes de transaction, a eu pour effet la dimi-
nution des coûts de transaction, ce qui entraine l’arrivée de nouveaux investis-
seurs et partant l’amélioration de la liquidité.
59
Chapitre
L’efficience des
3 marchés financiers
SOMMAIRE
Section1 La définition du concept de marché efficient
Section2 Les tests de l’efficience des marchés
Section3 La finance comportementale (Behavioral Finance )
Chapitre 3 ■ L’efficience des marchés financiers
I l est une théorie généralement bien acceptée par les universitaires comme par un
grand nombre de praticiens, celle de l’efcience des marchés nanciers. Le
concept d’efcience a de nombreuses acceptions, mais dans sa version la plus
simple, l’efcience implique qu’il est difcile de prévoir l’évolution future des cours
boursiers et donc de « battre » le marché.
Cette théorie a été validée empiriquement sur les principaux marchés d’actifs
nanciers du monde, qu’il s’agisse des actions, des taux de change, des taux d’inté-
rêt, etc. Certes, les tests les plus nombreux portent sur les cours des actions, et c’est
de ceux-là dont il est fait état dans ce chapitre. La plupart d’entre eux avaient été
effectués dans les années soixante-dix et la cause de l’efcience des marchés parais-
sait alors entendue.
Cependant, deux séries de phénomènes ont redonné une actualité certaine à ce
thème et suscité de nouvelles controverses. D’abord un nombre croissant d’études,
effectuées principalement aux États-Unis, mais aussi sur les grands marchés euro-
péens et asiatiques, ont mis en évidence certaines anomalies, allant apparemment à
l’encontre du concept d’efcience des marchés nanciers.
Par ailleurs, et à la suite de la grande volatilité des grandeurs macronancières, et
notamment des cours des actions, un certain nombre d’économistes, et non des
moindres, ont mis en doute la rationalité du comportement des opérateurs et des
investisseurs, et la capacité des marchés nanciers à évaluer correctement les actifs
qui y sont cotés. Dans la mesure où ce sont de nouvelles informations pertinentes
pour évaluer les perspectives des sociétés qui sont le ressort des changements d’an-
ticipation et donc des variations des cours boursiers, on en est encore à se demander
aujourd’hui quelles sont les informations qui ont pu faire baisser l’ensemble des
Bourses de l’ordre de 30% lors du krach de 19octobre 1987. Aussi, l’accélération
de la hausse des cours des valeurs technologiques à partir de 1997 et leur forte chute
à partir de mars2000, ou l’apparition d’une bulle immobilière aux États-Unis lors
des années 2000 et son explosion en 2007 ont largement contribué à ces interroga-
tions.
Il n’en demeure pas moins que le concept de marché efcient reste le fondement
de toute la théorie nancière moderne. Les travaux fondateurs d’Eugene Fama sur
l’efcience des marchés ont d’ailleurs été récompensés par le prix Nobel d’écono-
mie en 2013. Cependant il règne quelque confusion sur sa signication, voire sur sa
validité. C’est pourquoi, nous commençons ce chapitre en précisant ses différents
sens. La deuxième section présente les études qui ont testé différents aspects de
l’efcience des marchés. La troisième section introduit certaines justications à la
non-efcience des marchés basées sur la psychologie des investisseurs et souvent
regroupées dans le terme nance comportementale (behavioral nance). Nous rap-
pelons ce que ces résultats impliquent pour la gestion de portefeuilles et des risques
nanciers.
62
L’efficience des marchés financiers ■ Chapitre 3
Section
1 LA DÉFINITION DU CONCEPT DE MARCHÉ EFFICIENT
Le concept d’efcience des marchés nanciers porte généralement sur l’efcience
informationnelle, c’est-à-dire sur le fait que les cours boursiers reètent instantané-
ment toute l’information disponible. Toutefois, le concept d’efcience est aussi lié
au concept de rationalité des investisseurs et à celui de l’efcacité économique des
marchés.
1 L’efficience informationnelle
1.1 Définition
Selon cette acception, un marché sera efcient si l’ensemble des informations
pertinentes à l’évaluation des actifs nanciers qui y sont négociés se trouve instan-
tanément et complètement reété dans les cours.
Un tel marché incorpore donc instantanément les conséquences des événements
passés et reète précisément les anticipations exprimées sur les événements futurs.
Ainsi, le cours d’une action est à tout instant une estimation non biaisée de sa valeur
intrinsèque. Il est totalement impossible de prévoir ses variations futures puisque
tous les événements connus ou anticipés sont déjà intégrés dans le cours actuel; seul
un événement imprévisible pourra le modier, et ce instantanément. Notons que
l’incorporation d’informations nouvelles dans le prix des titres a été facilitée par les
nombreuses évolutions technologiques qui ont eu lieu sur les Bourses d’échange
(ordinateurs, Internet, trading algorithmique, carnet d’ordre électronique, etc.).
Puisqu’il est par construction impossible de prévoir l’imprévisible, la prévision des
cours est illusoire. La concurrence est telle entre les investisseurs que, rapidement,
toute action sera cotée à son «juste prix» qui dépend de ses caractéristiques, ses
«attributs» et son risque: dès lors, même le plus ignorant des investisseurs peut
faire conance au marché, et simplement choisir les attributs et le niveau de risque
de son portefeuille qui lui convient.
Selon l’hypothèse d’efcience informationnelle des marchés nanciers, dans sa
formulation la plus simple, les cours des actions reètent à tout moment toute l’in-
formation disponible. Dans un modèle théorique, Grossman et Stiglitz (1980)
montrent que l’efcience des marchés peut être obtenue si les coûts d’information
et de transaction sont nuls. Selon une version similaire, mais qui a économiquement
davantage de sens, les cours reètent toute l’information disponible jusqu’au point
où les bénéces marginaux que 1’on peut tirer à partir d’informations sont supé-
rieurs aux coûts marginaux d’obtention de ces informations (Jensen, 1978). Bien
63
entendu, les coûts d’information et de transaction sont difcilement mesurables

mais ils ne sont pas nuls et donc la version extrême de l’hypothèse d’efcience ne
peut théoriquement pas être parfaitement exacte. La validité de l’efcience des mar-
chés est donc une question qui mérite d’être examinée par des tests.
1.2 Pourquoi les marchés sont-ils efficients?

Il est important de comprendre pourquoi on doit s’attendre à ce que toutes les
informations soient très rapidement reétées dans les cours boursiers.
■■ L’ analyse fondamentale
L’analyse nancière, ou analyse fondamentale, est l’approche traditionnelle de la
gestion de portefeuille. Elle consiste à rechercher, pour chaque titre, la valeur intrin-
sèque vers laquelle convergerait son cours (voir chapitre 7). Celle-ci serait détermi-
née par les qualités et les caractéristiques physiques et nancières de l’entreprise
aujourd’hui et dans le futur. «En fait, l’analyste nancier aura de meilleurs résultats
que le détenteur type d’actions dans la mesure où il peut identier plus rapidement
qu’autrui les situations d’écarts sensibles entre cours et valeur intrinsèque (ou s’il
peut mieux prédire des événements importants et en évaluer les effets sur les
valeurs)» (Fama, 1965). Il pourrait aussi étudier le potentiel du groupe de recherche
de la rme, son équipe de direction, les perspectives de ses produits, sa situation
nancière, etc.
Toutefois, s’il y a un grand nombre d’analystes compétents, ils aideront à réduire
les écarts entre les valeurs intrinsèques des actions et leurs cours et à amener ceux-ci
à s’ajuster très rapidement à tout changement dans la valeur intrinsèque. Si un ana-
lyste estime qu’une action est sous-évaluée, il recommandera de l’acheter aussi
longtemps que son cours demeure en deçà de la valeur théorique qu’il a estimée. Les
investisseurs, dans la mesure où ils lui font conance, achèteront immédiatement
l’action et le cours montera rapidement. Ainsi, le cours de l’action s’ajustera très
rapidement et reétera toutes les informations disponibles. Comme le dit Fama
(1965) : « C’est dire que la présence de nombreux analystes compétents rend le
marché plus efcient ; ils aideront à établir un marché dans lequel l’analyse de
l’entreprise et de sa valeur intrinsèque est une procédure inutile pour l’analyse ou
l’investisseur moyen. Il faut bien voir qu’un analyste doit produire constamment des
résultats meilleurs qu’une sélection due au hasard car, par la nature même de l’incer-
titude, il dispose à chaque fois d’une probabilité de 50 % de faire mieux qu’une
sélection au hasard, même si ses capacités d’analyste sont totalement inexistantes.
De plus, il devra non seulement faire mieux qu’une sélection au hasard mais battre
celle-ci sufsamment pour couvrir ses coûts en ressources et son salaire.»
64
■■ L’utilisation d’informations ou de méthodes privilégiées

Il ne faut pas sous-estimer la possibilité que des informations privilégiées ou un
système de placement original puissent permettre de «battre» le marché. Celui qui
aurait régulièrement accès à de telles informations ou aurait élaboré une méthode
nouvelle de sélection des investissements jouirait d’un prot anormal comparable à
la rente d’origine monopolistique de la concurrence parfaite. Mais de même qu’en
concurrence parfaite, ces prots anormaux sont appelés à disparaître rapidement.
D’une part, la prospérité d’un investisseur est rapidement remarquée et ses actions
imitées (son négociateur ou son banquier, par exemple, auront tendance à «placer»
pour eux-mêmes ou à passer le «tuyau» à leurs amis). D’autre part, il fera appel à
des capitaux plus importants et le volume d’investissement (comme l’imitation)
usera la rente (en ramenant le cours à sa juste valeur), tout en rendant au marché du
titre correspondant sa perfection, quoique d’importants bénéces aient pu être déga-
gés au préalable. Ainsi, la découverte d’une nouvelle méthode de prévision des prix
des actifs nanciers a des conséquences semblables à l’innovation dans un marché
parfait de biens physiques. On peut ainsi faire référence au hedge fund LTCM qui
avait mis en place des modèles d’arbitrage sur des titres sur ou sous-évalués. Le
succès de LTCM pendant un temps a fait que ses capitaux sont devenus trop élevés
par rapport à la liquidité des marchés. Ce phénomène a été amplié par l’imitation
de nombreux hedge funds et banques. Ce faisant, les opportunités de prot ont dis-
paru, mais les risques de l’arbitrage étaient toujours présents et se sont matérialisés
en 1998.
En conclusion, dans un marché efcient, la concurrence entraîne une situation où
à chaque instant les cours des titres reètent instantanément et en moyenne correc-
tement toute l’information disponible. À tout instant, le cours des titres d’une entre-
prise serait une bonne estimation de sa valeur réelle.
Le concept de marché informationnellement efcient a des implications extrêmes
pour la pratique de la gestion de portefeuille: seuls les investisseurs qui disposent
d’informations privilégiées, les «initiés », peuvent prétendre pouvoir réaliser des

gains anormaux1. Mais la législation réduit désormais considérablement la possibi-
lité d’obtenir de telles informations privilégiées. Ceux qui utilisent des méthodes de
gestion originales et performantes doivent constamment les adapter pour éviter leur
usure naturelle. Pour les autres, mieux vaudrait qu’ils gèrent ou fassent gérer leur
portefeuille de manière passive, par exemple sous forme indicielle, avec un porte-
feuille représentatif diversié d’actions.
■■ Le trading à haute fréquence

Le trading à haute fréquence (High Frequency Trading, HFT) est une des évolu-
tions les plus importantes de ces dernières années sur les marchés nanciers. Il s’agit
1. Voir Roger (1988).
65
de programmes informatiques permettant d’analyser en quelques millisecondes une

quantité énorme d’informations, et de générer de façon automatique des ordres
d’achat ou de vente. La part du trading à haute fréquence réalisée par des ordinateurs
est importante (de l’ordre de 60% aux USA et environ 40% en Europe) et ne fait
que s’accroître.
Deux types d’information sont analysés par les traders à haute fréquence : les
informations fondamentales et les informations provenant des marchés eux-mêmes.
– Les informations fondamentales concernent les entreprises, comme par exemple la
signature d’un nouveau contrat, le lancement d’un nouveau produit, ou la démission
d’un dirigeant; l’économie dans son ensemble, comme les chiffres du chômage ou
de croissance économique, ou le changement du taux d’intérêt directeur d’une
banque centrale; ou bien encore la situation géopolitique, comme le déclenchement
de guerres, épidémie, et attentat terroriste. Dans ce cas, le HFT assure que le prix
des titres nanciers ne devient pas de leur valeur d’équilibre. Sur le marché des
changes, Chaboud, Chiquoine, Hjalmarsson et Vega (2013) montrent que le HFT
améliore l’efcience du marché: il réduit la fréquence des arbitrages triangulaires
(euro-dollar, dollar-yen et euro-yen) et réduit l’autocorrélation entre les rentabilités
intra-quotidiennes.
– Les informations internes aux marchés sont des signaux extraits de la dynamique des
ordres d’achat et de vente soumis par tous les participants aux marchés, ainsi que les
dernières transactions. Par exemple, un déséquilibre au sein du carnet d’ordres du
côté des achats peut être interprété comme un signal positif. Cette faculté d’analyse
des signaux internes aux marchés est particulièrement importante sur un marché
segmenté. Ainsi, la soumission d’un ordre d’achat pour une action A négociée sur le
NYSE dépend du ux d’ordres sur le NYSE mais également sur toutes les autres
plateformes permettant de négocier l’action A (par exemple Nasdaq, Bats, Direct
Edge).
La recherche académique montre que le HFT conduit le prix des titres à converger
plus rapidement vers leur valeur d’équilibre et à reéter l’ensemble des informations
disponibles à un moment donné. Brogaard, Hendershott et Riordan (2013) montrent
que les traders à haute fréquence améliorent l’efcience du marché des actions aux
États-Unis. Les chercheurs étudient toutes les transactions exécutées sur le NYSE et
le NASDAQ en 2008-2009 pour un échantillon de 120 actions. Pour chaque transac-
tion, l’heure exacte à la milliseconde près est connue ainsi que le type (HFT ou
non-HFT) de l’acheteur et du vendeur. Leurs résultats indiquent que les traders HFT
améliorent l’efcience informationnelle des marchés en prenant des positions dans
la même direction que la composante permanente des prix («information based »)
et dans une direction contraire à la composante transitoire des prix (« pricing
error»).
Mais ces pratiques peuvent également avoir des effets indésirables. Premièrement,
elles pénalisent les investisseurs traditionnels (c’est-à-dire lents) qui, souffrant d’une
66
concurrence déloyale, peuvent décider de se retirer du marché. Ce faisant, elles

découragent ces acteurs de produire de l’information. Ceci peut engendrer un phé-
nomène connu sous le nom de paradoxe de Grossman et Stiglitz. Si les prix ne
reètent pas toute l’information, j’ai intérêt à m’informer pour tirer prot de cette
imperfection. Ce faisant, je corrige l’imperfection, et j’élimine les incitations des
autres à s’informer. Un prix « trop efcient » décourage l’acquisition d’informa-
tions, ce qui rend le marché, de manière paradoxale, moins efcient. En éliminant
certains acteurs du marché, le trading à haute fréquence risque donc de priver ceux-
ci d’informations pertinentes.
En outre, les ordinateurs sont sujets à des pannes, et même à des erreurs. Le 8sep-
tembre 2008, l’action United Airlines a perdu environ 15 % de sa valeur en 15
minutes suite à la publication erronée parmi les dépêches de Google d’une informa-
tion sur la faillite de la compagnie en septembre2002. Le «ash crash» du 6mai
2010, au cours duquel certains titres ont subi en quelques minutes des baisses verti-
gineuses, a été causé par l’erreur d’une rme de négoce du Kansas, qui a vendu en
quelques minutes des quantités importantes de contrats à terme sur l’indice S&P500,
dont la baisse s’est rapidement propagée au segment peu liquide du marché. Ceci a
causé une baisse signicative des prix des titres composant l’indice. Plus récem-
ment, un tweet fallacieux censé émaner de l’agence de presse américaine Associated
Press (23avril 2013) et annonçant l’explosion d’une bombe à la Maison Blanche
ayant blessé le Président Obama a eu un effet immédiat sur le cours des actions
américaines (chute de 100 points de l’indice Dow Jones et de 14 points de l’indice
S&P 500) comme le montre la gure 3.1.
1580,00
1578,78
1578,00
1576,00
1574,00
1572,00
1570,00
1568,00
1566,00
1564,00
15:00 15:30 16:00 16:30 17:00 17:30 18:00 18:30 19:00 19:30 20:00 20:30 21:00
Note – L’axe vertical indique la valeur de l’indice S&P 500 et l’axe horizontal
indique l’heure à Londres (GMT).
Figure3.1 – Effet d’une fausse nouvelle sur l’indice l’indice S&P 500
(23avril 2013)
67
2 L’efficience et la rationalité des investisseurs
Une approche complémentaire du concept d’efcience du marché nancier repose

sur la rationalité du comportement des investisseurs. Selon cette acception, un mar-
ché d’actifs nanciers est efcient si le prix des actifs reète les espérances de
revenus futurs auxquels ils donnent droit, conformément aux principes de l’évalua-
tion. Dans le jargon économique contemporain, on dirait que les marchés nanciers
sont efcients dans la mesure où les prix des actifs qui y sont cotés sont uniquement
fonction des «anticipations rationnelles» qu’ont les investisseurs de leurs revenus
futurs 1. La rationalité des acteurs et l’efcience des marchés nanciers considérée
de cette manière ont fait l’objet d’une sérieuse remise en cause.
Citons Tobin (1985): « […] le cours de l’action, aujourd’hui est égal à la valeur
actualisée de ses ux anticipés de revenus futurs. Mais l’observation, même super-
cielle, des uctuations du cours des actions montre qu’ils varient de façon beau-
coup plus marquée, à la hausse comme à la baisse, que ne le justieraient les modi-
cations d’anticipations formées rationnellement sur leurs déterminants fondamen-
taux. À l’évidence, la spéculation sur le marché amplie considérablement la
variation des dividendes et des bénéces.» Les phénomènes décrits dès 1985 par
Tobin ne semblent pas s’être atténués depuis, au contraire.
Cette assertion constitue une critique à peine voilée de la rationalité des investis-
seurs, dont le comportement s’apparenterait à celui décrit par Keynes (1973).
Celui-ci assimilait le fonctionnement des marchés nanciers à des concours organi-
sés dans lesquels les concurrents doivent choisir parmi des centaines de photogra-
phies de jeunes femmes les six plus jolies, le prix allant à celui dont le choix corres-
pond le plus près au choix de l’ensemble des autres concurrents, et non à ses propres
préférences. Chacun est ainsi amené à essayer de deviner les goûts des autres
joueurs, et réciproquement (…) On atteint ainsi une sorte de troisième degré dans
lequel nous consacrons nos intelligences à prévoir ce que l’opinion moyenne pense
que sera la moyenne des opinions. Et certains de pratiquer très probablement le
quatrième, le cinquième et le sixième degré…
Ainsi la spéculation sur les spéculations des autres opérateurs ajoute de la variance
à la variance normale des cours et engendrerait ce qu’il est convenu d’appeler des
«bulles» spéculatives qui embrouillent, à tout le moins, l’interprétation du marché.
Cette «survariance» n’étant pas liée aux anticipations rationnelles de ux futurs, le
marché en deviendrait inefcient.
Lorsque de nombreux investisseurs ont un comportement irrationnel, l’hypothèse
d’efcience des marchés nanciers a deux autres fondements théoriques alternatifs.
Même si les investisseurs ne sont pas rationnels, leurs transactions pourraient être
aléatoires et donc non corrélées, si bien que les erreurs individuelles s’annuleraient
1. Voir chapitre7.
68
les unes les autres. Enn, les investisseurs irrationnels pourraient avoir en face d’eux
des contreparties rationnelles, aux moyens puissants, tels que les arbitragistes pro-
fessionnels, dont le comportement corrige celui des investisseurs irrationnels et qui
ramènent les cours des actions à leur valeur intrinsèque. L’argument central de
Shleifer 1 est qu’aucune de ces conditions n’est vériée: les investisseurs ne sont pas
rationnels, leurs erreurs sont corrélées parce qu’ils sont moutonniers, et donc ne
s’annulent pas et l’arbitrage étant risqué, il est loin d’être parfait.
De telles anomalies ont donné lieu au développement de la nance comportemen-
tale (behavioral nance) développée dans la troisième section. Il ne s’agit pas d’un
corps théorique à proprement parler mais plutôt d’un ensemble de faits stylisés
illustrant/décrivant l’irrationalité des investisseurs.
Si cette hypothèse d’inefcience des marchés nanciers était fondée, cette consta-
tation aurait une grande importance en gestion de portefeuille. Elle appellerait à
utiliser des méthodes fondées sur la science des comportements de groupe davan-
tage que sur des modèles nanciers rationnels.
De telles théories requièrent d’être testées par l’utilisation d’un test conjoint de
l’efcience des marchés et d’une certaine forme de rationalité des investisseurs.
Notons toutefois qu’il est difcile de vérier les assertions mentionnées ici. Ceux
qui considèrent que les investisseurs sont irrationnels supposent que le cours observé
dévie de la «vraie» valeur d’un titre de manière signicative et prolongée. Pour s’en
assurer, il faudrait connaître la «vraie» valeur d’un titre et c’est là une tâche bien
difcile.
3 L’efficience et l’efficacité économique
Une autre approche de l’efcience des marchés nanciers concerne les fonctions
proprement économiques de l’industrie nancière. Comme on l’a vu au chapitre
précédent, les marchés nanciers prennent une place de plus en plus grande dans le
système nancier et productif de chaque pays. Leur utilité provient du fait qu’ils
facilitent la mutualisation des risques et leur transfert vers ceux qui sont les plus
capables ou les plus disposés à les supporter. Par ailleurs, ils permettent de mobiliser
l’épargne vers les emplois les plus productifs (à condition que les marchés soient
informationnellement efcients), tout en lui permettant de rester liquide, etc. Cet
ensemble de fonctions entraîne des transactions volumineuses tant au niveau du
marché primaire qu’à celui du marché secondaire. L’industrie nancière qui assure
ces fonctions, et notamment les marchés nanciers, le font-ils de manière efcace?
Si tant est qu’il est difcile de répondre à cette question, il n’en demeure pas moins
1. Shleifer (2000).
69
que les coûts de transaction qu’ils prélèvent pour assurer leurs fonctions n’ont cessé
de baisser depuis trente ans.
Section
2 LES TESTS DE L’EFFICIENCE DES MARCHÉS
Les marchés nanciers sont-ils efcients au sens informationnel? C’est une ques-
tion importante pour tous les praticiens car la réponse inuence la stratégie d’inves-
tissement à adopter. Cette section passe en revue une partie des innombrables tests
qui ont été consacrés à ce sujet.
Fama (1965), dans son article fondateur, identiait trois types de tests pour vérier
empiriquement si les marchés nanciers étaient efcients: les tests de forme faible,
les tests de forme semi-forte et les tests de forme forte.
Dans un marché efcient de forme faible, les cours des titres reètent tout ce qu’on
pourrait déduire de leur historique. L’observation des cours et des volumes de tran-
sactions passés ne serait d’aucune utilité pour battre le marché ou obtenir des taux
de rentabilité ajustés pour les risques supérieurs. L’analyse technique, très présente
dans la couverture rédactionnelle de la presse nancière grand public ou sur les sites
Internet d’information boursière, ressortirait davantage du folklore et ne présenterait
aucune utilité.
Dans un marché efcient de forme semi-forte, les cours boursiers réagissent ins-
tantanément à l’annonce d’informations dès que celles-ci deviennent publiques. Ces
informations peuvent être des informations macroéconomiques et nancières, les-
quelles affectent l’ensemble des valeurs ou concerner un secteur ou une société
particulière (annonce des bénéces, dividendes, chiffre d’affaires, etc.), auquel cas
elles affectent principalement ladite société. Un investisseur serait meilleur que les
autres s’il savait mieux interpréter ces informations publiques que les autres
investisseurs.
Enn, un marché sera efcient de forme forte si toutes les informations non
publiques sont reétées dans les cours. Les tests en cette matière se sont focalisés
sur la mesure des performances des gérants professionnels, les mieux placés pour
proter des informations plus diverses, plus riches ou moins répandues que celles
dont disposent les investisseurs individuels dont la Bourse ne constitue qu’un passe-
temps.
Dans une nouvelle classication, Fama (1991) regroupe ces tests différemment en
distinguant les tests de prévisibilité des rentabilités boursières, les études d’événe-
ments et les tests de performance des investisseurs initiés. Nous adoptons cette
dernière classication dans la suite de ce chapitre.
70
1 Les tests de prévisibilité des rentabilités boursières
Au lieu de tests de forme faible, qui ne sont concernés que par le pouvoir prédictif
des rentabilités boursières du passé, cette nouvelle catégorie inclut tous les tests de
prévisibilité des rentabilités boursières. Cela comprend, outre les tests de forme
faible, les tests qui vérient dans quelle mesure les cours boursiers futurs peuvent
être prévus par certaines variables publiquement disponibles, telles les dividendes,
les bénéces ou les taux d’intérêt. Nous passons en revue successivement les tests
d’efcience de la forme faible basés sur les rentabilités à court terme, les tests
d’efcience de la forme faible basés sur les rentabilités à long terme et les tests
d’efcience utilisant d’autres variables.
Les travaux empiriques des années soixante-dix portaient sur la prévisibilité des
rentabilités futures à partir des séries passées de rentabilités boursières. Ces travaux
vériaient accessoirement dans quelle mesure les méthodes d’analyse technique
fondées sur l’évolution des cours passés permettent aux investisseurs d’obtenir des
résultats de gestion supérieurs à ceux qui résultent d’une stratégie naïve d’investis-
sement par laquelle l’investisseur suit une politique d’achat-conservation d’un
échantillon diversié d’actions.
De plus, les tests des années soixante-dix se concentraient sur la prévisibilité bour-
sière sur des horizons courts de 1 jour, 1 semaine ou 1 mois. Les nouveaux tests
envisagent aussi la prévisibilité des rentabilités boursières à plus long terme. Ils
évaluent aussi le pouvoir prédictif de variables telles que le rendement en dividende
(D/P) ou le ratio bénéce par action/cours (E/P).
Il y a eu depuis une quinzaine d’années une résurgence de tests sur la prévisibilité
des rentabilités boursières à partir de séries historiques, c’est-à-dire en fait sur la
variation des rentabilités boursières au cours du temps qu’elle soit ou non ration-
nelle, laquelle pourrait être mise à prot pour prévoir les rentabilités boursières
futures.
1.1 Les tests d’efficience de la forme faible basés sur les rentabilités
àcourt terme
Les tests d’efcience de la forme faible basés sur les rentabilités boursières à court
terme regroupent les tests d’autocorrélation, les tests d’analyse technique et les tests
d’anomalies.
Les tests anciens de la forme faible de l’efcience faisaient l’hypothèse que les
cours boursiers suivaient une marche au hasard. Formellement l’hypothèse de
marche au hasard peut être représentée de la manière suivante:
R̃it = µ i + ε it
71
où R̃it représente le taux de rentabilité futur et aléatoire du titre i pendant la

période t,mi est un terme constant, ete it une variable aléatoire de moyenne nulle, de
variance nie et dont le coefcient d’autocorrélation est nul pour tout retard. De ce
fait:
E( R̃it ) = µ i
C’est-à-dire que la meilleure estimation du taux de rentabilité du titre i pour une

période future, sachant ce qu’il a été dans le passé, est précisément ce taux de ren-
tabilité moyen sur une période passée de même durée.
An de tester l’hypothèse de marche au hasard des cours boursiers, deux types de
tests ont été effectués: les premiers testent directement l’indépendance des varia-
tions successives des cours boursiers, ce sont les tests d’autocorrélation des rentabi-
lités à court terme; les seconds vérient dans quelle mesure les méthodes d’analyse
technique fondées sur l’évolution des cours passés permettent aux investisseurs
d’obtenir des résultats de gestion supérieurs à ceux qui résulteraient d’une stratégie
d’achat conservation d’un échantillon diversié d’actions.
■■ Les tests directs de l’hypothèse d’indépendance

L’hypothèse d’une évolution aléatoire ou marche au hasard des cours boursiers est
née de l’observation empirique, par Kendall (1953), selon laquelle les variations
successives de l’indice des actions cotées à Londres (1928-1938) étaient totalement
indépendantes1 . Ce résultat fut conrmé par d’innombrables tests sur le marché
américain, notamment les tests d’autocorrélation statistique de Cootner (1964), de
Fama (1965) et de Moore (1964). Invariablement, les coefcients d’autocorrélation
entre les changements de cours successifs sont très faibles. Notons qu’un coefcient
d’autocorrélation d’une série de prix sera nul si les variations sont aléatoires, positif
si une hausse supérieure à la moyenne pendant la période t est suivie par une hausse
supérieure à la moyenne pendant la période t +1, et négatif si la uctuation de prix
pendant la période t +1 tend à compenser une hausse (ou baisse) pendant la période
t. Ceci peut être illustré par les deux diagrammes de dispersion des variations de
cours de la gure3.2. Ces diagrammes reproduisent les variations de cours d’une
valeur pour deux périodes successives et ce pour de nombreuses périodes. Le pre-
mier diagramme traduit une corrélation fortement positive, le second une absence
totale de dépendance.
1. Une discussion sur la « marche au hasard » des cours boursiers conduit souvent à se poser la
question de la forme de la distribution statistique des cours. Comme le souligne Fama, une telle ques-
tion n’a rien à voir avec l’hypothèse de marche au hasard, car celle-ci peut s’accommoder de n’importe
quelle forme de loi de probabilité.
72
période t + 1
période t + 1
Variation
Variation
Variation Variation
période t période t
Corrélation positive Corrélation nulle
Figure3.2 – Dispersion des variations successives des cours d’un titre
Pour ce qui est de la célèbre étude de Fama (1965) sur les variations relatives
quotidiennes des trente valeurs du Dow-Jones de 1957 à 1962, aucune autocorréla-
tion importante n’a pu être décelée même en considérant des changements hebdo-
madaires, bi-hebdomadaires, etc., ou des décalages (lags) de plusieurs jours dans le
processus d’ajustement.
Lo et McKinley (1988) et Conrad et Kaul (1988) ont répliqué la méthodologie et
les tests de Fama sur toutes les valeurs cotées au NYSE et sur une période plus
longue, 1962-1985, en les regroupant en portefeuilles en fonction de la taille des
sociétés. Les deux études font état d’autocorrélations positives des rentabilités bour-
sières hebdomadaires, surtout pour les portefeuilles constitués de sociétés de petite
taille. Ces derniers résultats ne sont cependant pas signicatifs compte tenu du
fameux problème de l’asynchronisme temporel des cotations et des cours des socié-
tés de petite taille pour lesquelles les volumes de transaction sont faibles et les
transactions peu fréquentes. Pour les sociétés de grande taille, le coefcient d’auto-
corrélation moyen est de seulement 0,09. Par ailleurs, le niveau des coefcients
d’autocorrélation, qui semble traduire une non-constance dans le temps des taux de
rentabilité anticipés, ne permet sans doute pas d’exploiter ces résultats empiriques
pour les transformer sur le plan pratique en stratégies de portefeuille gagnantes.
Les fonds spéculatifs, ou hedge funds, ont souvent un niveau élevé d’autocorréla-
tion. Dans une étude portant sur 2701 fonds spéculatifs et couvrant la période 1977-
2007, Lo (2008) trouve que le coefcient d’autocorrélation des rentabilités men-
suelles est de 12,9%. Le niveau d’autocorrélation s’élève à 20,7% pour les fonds
spéculatifs de type event driven et même à 38,8% pour les fonds basés sur des
stratégies d’arbitrage sur titres convertibles (convertible arbitrage). Cette apparente
prédictibilité de la rentabilité est due en fait à la faible liquidité des titres dans les-
quels les fonds spéculatifs investissent, à savoir dans des entreprises non-cotées ou
73
en détresse nancière, des pays émergents, dans l’immobilier, ou dans des produits
dérivés négociés de gré à gré (Getmansky, Lo et Makarov, 2004). Dans la mesure où
il n’existe pas de prix de marché able pour ces titres, les gérants de fonds spécula-
tifs ont une certaine liberté lors de la détermination de la valeur d’actif net de leur
fond. Par exemple, un gérant ayant investi dans un produit dérivé dont la valeur
dépend des prix de l’immobilier résidentiel en France peut réévaluer son produit en
faisant des hypothèses optimistes. De façon identique, lorsque les prix de l’immobi-
lier s’emballent, le gérant peut recourir à des hypothèses conservatrices an de faire
apparaître une appréciation modérée du prix des produits. Ce faisant, le gérant peut
limiter la variabilité de la performance du fonds, ce qui augmente mécaniquement
les mesures de performance de type «rentabilité moyenne/volatilité» qui sont sou-
vent utilisées pour comparer les fonds entre eux (voir chapitre 13). Ce phénomène
de lissage, appelé en anglais return smoothing, est maintenant bien connu par les
investisseurs des fonds spéculatifs. Ces diverses observations illustrent que les résul-
tats des tests d’indépendance peuvent simplement traduire l’illiquidité des marchés.
■■ Les tests d’analyse technique
Les techniques d’analyse graphique visent à utiliser la connaissance du comporte-
ment passé d’une succession de cours pour en prévoir le comportement futur. Un
statisticien dirait de telles techniques qu’elles supposent que les changements suc-
cessifs des cours sont des événements dépendants. Le recours à de telles méthodes
est incompatible avec la croyance en une évolution aléatoire (ou « marche au
hasard») des cours.
Aujourd’hui des logiciels informatiques permettent de détecter très rapidement
des tendances boursières ou des retournements. Ces modèles plus ou moins sophis-
tiqués, reposent sur l’analyse des moyennes mobiles des titres et du momentum, et
sont représentés sur la gure3.3.
Croisement des moyennes Méthode des filtres Momentum

mobiles
–X%
Vente
Cours (C)
Cours (C)
MMCT
Ct /Ct–n
1.0
Achat Achat Vente

Vente
+X%
Achat MMLT
Temps Temps Temps

(a) (b) (c)
Figure3.3 – Modèles d’analyse technique
74
Les chartistes utilisent comme signal d’achat ou de vente d’un titre l’observation
conjointe du cours avec sa (ou ses) moyenne mobile, et plus précisément l’intersec-
tion entre la courbe représentative de l’évolution des cours et la (les) moyenne
mobile.
On peut ainsi dénir une moyenne mobile arithmétique:
τ=t
L 1
Mt = ---
L ∑ Cτ
τ = t–L+1
L
Où M t représente la moyenne mobile calculée en t, avec L la taille ou longueur
de la moyenne mobile et Cτ le cours de l’action au jour τ. On peut calculer deux
moyennes mobiles, par exemple une courte (sur 50 jours de Bourse par exemple) et
une longue (200 jours de Bourse).
Avec cette technique, les signaux à l’achat sont les suivants: le cours franchit du
bas en haut la moyenne mobile longue et/ou la moyenne mobile courte, les pentes
des deux moyennes mobiles sont positives, la moyenne mobile courte franchit la
moyenne mobile longue de bas en haut. Les signaux à la vente sont à l’inverse les
suivants : le cours franchit du haut en bas la moyenne mobile courte et/ou la
moyenne mobile longue, les pentes des deux moyennes mobiles sont négatives, la
moyenne mobile longue franchit la moyenne mobile courte de bas en haut.
70
Cours UBS
9 août 2007 :
60 vente à CHF 54,31 MA (50)
MA (200)
50
40
30
14 septembre 2005 :
achat à CHF 40,68
20
10
0
août 05 août 06 août 07 août 08 août 09 août 10 août 11 août 12 août 13
Figure3.4 – UBS. Cours et moyennes mobiles 200 et 50 sur cours corrigés
75
La gure 3.4, représentant entre août 2005 et septembre 2013, l’évolution des
cours (ligne heurtée) et de la moyenne mobile courte (MA(50)), et longue (MA(200))
d’UBS cotée à Zurich, constitue un cas d’école de signal d’achats puis de vente par
cette méthode. Un signal d’achat apparaît en septembre2005 lorsque la moyenne
courte dépasse la moyenne longue. Le prix d’acquisition est alors de CHF 40,68.
Alors que les deux moyennes mobiles se rapprochent, mais ne se croisent pas, en
septembre2006, le titre est détenu jusqu’en août2007. L’action est alors vendue à
un prix de CHF 54,51 et l’investisseur échappe ainsi à la chute du cours qui a lieu
pendant les deux années suivantes. Cet exemple montre que le recours aux moyennes
mobiles peut être très efcace lors de retournements de tendance. Cependant, les
signaux sont plus difciles à exploiter en absence de tendance forte comme lors de
la période 2009-2013.
Mais une hirondelle ne fait pas le printemps. Une observation réussie ne valide pas
une méthode; seuls le peuvent des tests sur un grand nombre de données.
La première étude signicative a été réalisée aux États-Unis par Alexander (1961,
1964). Il a notamment testé la méthode dite des ltres, qui s’inspire de la célèbre
théorie de Dow. Cette théorie a été par la suite testée plus en détail par Fama et
Blume (1966). Cette méthode d’achat-vente peut être décrite de la façon suivante:
lorsque le cours d’une action monte d’au moins x %, acheter et conserver cette
position jusqu’à ce que le cours tombe de plus de x % d’un sommet suivant; à ce
moment-là, il faut à la fois liquider sa position et se porter vendeur à découvert
jusqu’à ce que le cours remonte d’au moins x % d’un creux ultérieur.
Nombre de ltres furent utilisés sur différents titres américains, de 0,5% à 50%
en utilisant différents intervalles de cours boursiers. Les résultats de l’application
journalière de la stratégie aux 30 valeurs du Dow-Jones sur une période de cinq ans
nissant en 1962 sont très médiocres. Pendant la période considérée, une stratégie
naïve de détention ininterrompue des mêmes titres (Buy and Hold) aurait rapporté
9,9%. Seule l’adoption d’un très petit ltre s’avère plus protable que la stratégie
naïve. Cependant, si l’on tient compte des frais de transaction, dans tous les cas la
rentabilité de la méthode des ltres est inférieure à la rentabilité de la stratégie naïve
de détention des titres.
La même stratégie de ltres appliquée aux valeurs de l’indice Standard and Poor’s
sur la période 1928-1961, a donné d’aussi piètres résultats. La seule consolation
d’une telle stratégie aurait été la gratitude de son courtier.
Et pourtant, l’analyse technique perdure! Ses partisans considèrent en effet les
tests présentés comme peu convaincants du fait que les techniques statistiques utili-
sées seraient inappropriées. Les relations linéaires simples qui sous-tendent le
modèle de corrélation statistique seraient beaucoup trop grossières pour saisir les
relations compliquées que l’analyste technique appréhende dans l’évolution des
cours. De même, les tests à partir des séquences sont beaucoup trop rigides dans leur
manière de déterminer la durée d’un mouvement ascendant.
76
Il n’est pas possible de prouver une fois pour toutes qu’aucune méthode technique
n’est rentable. Tout au plus peut-on continuer à étudier scientiquement les résultats
de celles qui ont la faveur des « chartistes ». Pour l’instant, ces tests ont eu des
résultats négatifs.
■■ Les tests d’anomalies

De très nombreuses études empiriques, dont les premières apparaissent au début
des années quatre-vingt, font état d’anomalies boursières particulières au regard de
la théorie de l’efcience des marchés. Une précédente édition du Jacquillat-Solnik
(1997) avait consacré une place signicative à celles-ci. Mais ces anomalies, pour la
plupart, ont disparu et ne sont plus qu’anecdotiques, ou bien elles ont d’autres expli-
cations rationnelles liées à la microstructure des marchés nanciers ou à certains
attributs particuliers des titres. Aussi, nous ne les évoquons que brièvement. Les
principales sont les suivantes:
– L’effet taille, mis en évidence pour la première fois par Banz (1981), selon lequel la
rentabilité annuelle des sociétés de petite taille est en moyenne supérieure à celle des
sociétés de grande taille.
– L’effet valeur, selon lequel les titres dont le ratio valeur de marché/valeur comptable
est faible surperforment à long terme les titres pour lesquels ce ratio est élevé (valeur
de croissance). Fama and French (1992) montrent qu’un portefeuille regroupant le
10% des actions américaines ayant le ratio le plus faible génèrent une rentabilité
annuelle moyenne de 1,83% alors qu’un portefeuille regroupant le 10% des actions
américaines ayant le ratio le plus élevé génèrent une rentabilité moyenne de 0,30%.
Ces deux effets, souvent appelés « facteurs » de Fama et French (1992, 1993,
2012), peuvent se justier par des attributs spéciques des sociétés considérées. Par
contre, certaines anomalies sont plus anecdotiques comme par exemple:
– L’effet momentum, mis en évidence par Jegadeesh and Titman (1993), selon lequel
les titres qui ont le mieux performé sur les douze derniers mois continuent de sur-
performer sur les douze mois suivants, et parallèlement, les titres qui ont le moins
bien performé sur les douze derniers mois continuent de sousperformer sur les douze
mois suivants (voir aussi Carhart, 1997).
– L’effet lundi, selon lequel les rentabilités boursières le lundi sont plus faibles que les
autres jours de la semaine. Aussi, dans le même ordre d’idées, les rentabilités la
veille d’une fête et le dernier jour du mois sont en moyenne plus élevées que celles
des autres jours. De plus, les taux de rentabilité au mois de janvier sont plus élevés
que ceux des autres mois, avec une concentration des rentabilités élevées sur le der-
nier jour boursier de décembre et les cinq premiers jours boursiers de janvier. Ces
effets calendaires ont été documentés pour la France par Hamon et Jacquillat (1992),
et sur de nombreux marchés autres que le marché boursier américain.
La plupart de ces «anomalies» peuvent s’expliquer en terme de risque, de liqui-
dité, de limite d’arbitrage, ou de biais cognitifs (voir section 3). Par exemple, Fama
77
and French (1992, 1993, 1995) afrment que les titres valeur sont plus risqués que
les titres de croissance dans la mesure où ils sont plus exposés au risque de détresse
nancière.La surperformance identiée n’est par conséquence qu’une juste com-
pensation des actionnaires pour les risques qu’ils supportent.
Différemment, la surperformance des sociétés dont la capitalisation boursière est
faible s’explique en tout ou partie par des phénomènes de liquidité ou de microstruc-
ture. Les rentabilités des petites capitalisations boursières évoquées plus haut sont
du même ordre de grandeur que la taille de la fourchette (le coût d’un aller et retour).
Cette surperformance apparente ne fait donc que reéter l’illiquidité du titre.
Sur un marché nancier sans friction, les investisseurs (traders) sophistiqués éli-
minent tout écart entre le prix de marché et la valeur fondamentale du titre. En
pratique cependant, certains déséquilibres ne peuvent pas être exploités par les arbi-
tragistes, ce qui peut générer des anomalies. En effet, des contraintes, des frictions
ou des coûts empêchent parfois les arbitragistes de faire converger les prix de mar-
ché vers leurs niveaux d’équilibre, un phénomène appelé limites d’arbitrage (Gromb
et Vayanos, 2010). Parmi ces limites on peut citerles contraintes de ventes à décou-
vert qui peuvent empêcher un investisseur de vendre un titre surévalué, ou des
contraintes d’emprunt et d’exigences de collatéral (appels de marge).
Notons pour terminer que la plupart des effets discutés ci-dessus se sont fortement
atténués depuis qu’ils ont été découverts. Récemment, McLean et Pontiff (2013) ont
analysé 82 anomalies identiées par des chercheurs en nance. Ils montrent que la
performance des portefeuilles basés sur ces anomalies est signicativement positive
avant la publication des résultats dans une revue scientique, mais qu’elle n’est plus
signicative après la publication. Les volumes de transaction des titres sur lesquels
portent une anomalie, par exemple les petites capitalisations et les titres ayant la
rentabilité la plus élevée, voient leur niveau augmenter signicativement après que
l’anomalie ait été documentée. De manière cohérente avec l’idée que certaines ano-
malies existent et perdurent à cause de limites d’arbitrage, les chercheurs trouvent
que la rentabilité anormale se réduit moins pour les titres difciles à arbitrer, comme
par exemple les titres peu liquides.
1.2 Tests d’efficience faible sur les rentabilités boursières à long terme
Les tests d’efcience faible sur les rentabilités à long terme recouvrent àla fois les
tests d’autocorrélation à long terme, les tests de suréaction, de volatilité et de prime
de risque.
■■ Les tests d’autocorrélation à long terme

La conviction que les autocorrélations des rentabilités boursières de court terme
sont tellement proches de zéro que leur incidence économique est très marginale a
été critiquée par Shiller (1986) et Summers (1986). Ils présentent chacun un modèle
78
simple dans lequel les cours boursiers s’éloignent lentement de leur valeur fonda-
mentale avec des rentabilités boursières à court terme sans autocorrélation. Pour
eux, le marché est très inefcient, même si les tests de court terme n’arrivent pas à
capter ce phénomène.
Ces modèles ont suscité un ot de recherches empiriques dont les résultats sont
ambigus. Fama et French (1988) montrent que le prol des rentabilités successives
de portefeuilles diversiés d’actions américaines cotées au NYSE correspond bien
aux modèles de Shiller et Summers, avec des autocorrélations proches de zéro à
court terme mais très négatives entre – 0,25 et – 0,4 pour les autocorrélations des
taux de rentabilité mesurés sur des périodes de 3 à 5 ans. Mais si ces résultats valent
pour la période 1926-1985, ils ne valent plus pour la seule période 1940-1985.
■■ Les tests de surréaction
20 %
Rentabilité anormale cumulée
15 %
10 %
Portefeuille perdant
5%
0%
Portefeuille gagnant
–5%
– 10 %
0 5 10 15 20 25 30 35
Nombre de mois après la constitution du portefeuille
Figure3.5 – Rentabilité anormale cumulée pour portefeuilles gagnants

et perdants de 35 valeurs
Dans le même ordre d’idées, De Bondt et Thaler (1985, 1987) semblent avoir
identié une inefcience majeure, liée à la surréaction des cours boursiers. Ils
montrent que les actions américaines ayant eu les plus mauvaises rentabilités bour-
sières au cours de n’importe quelle période passée comprise entre trois et cinq ans
79
(portefeuilles «perdants») avaient les rentabilités les plus élevées les années sui-
vantes (celles-ci étant par ailleurs concentrées pendant le mois de janvier) et inver-
sement les titres des sociétés ayant le plus monté au cours d’une période passée de
trois à cinq ans (portefeuilles «gagnants»), sont ceux qui baissent le plus subsé-
quemment, comme illustré sur la gure3.5.
Du fait de son caractère spectaculaire, cette «anomalie» a fait l’objet d’une atten-
tion particulière sous forme de tests complémentaires. Contrairement à l’afrmation
de De Bondt et Thaler, Zarowin (1989) montre que le phénomène ne peut être attri-
bué à la surréaction des investisseurs à des informations particulièrement bonnes ou
particulièrement mauvaises émanant des sociétés en question, mais serait plutôt une
autre manifestation de l’effet taille. En effet, les petites capitalisations boursières
sont devenues telles, pour une grande partie d’entre elles, du fait de leurs difcultés
ayant entraîné la chute de leurs cours boursiers (songez à la constitution en jan-
vier2001 d’un portefeuille américain formé exclusivement de petites capitalisations
boursières. Il contiendrait toutes les dot.com du NASDAQ américain qui ont presque
toutes perdu plus de 90% de leur valeur entre mars2000 et 2001). Ces petites socié-
tés sont souvent en détresse nancière (pensez de nouveau aux dot.com du NASDAQ
en 2001), et commandent donc une prime de risque élevée, qui conduit à une exi-
gence de rentabilité élevée de la part des investisseurs, qui se traduira par des renta-
bilités subséquentes élevées dans la mesure où elles recouvrent plus tard une santé
opérationnelle et nancière satisfaisante. Cette explication de «l’anomalie» consta-
tée par De Bondt et Thaler est cohérente avec l’hypothèse d’efcience des marchés
nanciers et de modélisation du prix du risque (cf. chapitre6).
■■ Les tests de volatilité

Le krach boursier d’octobre 1987 a été le point d’orgue et la manifestation
concrète de préoccupations sur la volatilité «excessive» des actions, l’existence des
bulles spéculatives. On peut tracer l’origine de ces préoccupations dans Shiller
(1981).
Comme on le verra au chapitre7, le prix d’un titre à l’instant t, P t est la valeur
actualisée des ux futurs de dividendes.
Shiller a étudié le comportement de l’indice Standard and Poor’s de1871 à1979,
comme s’il avait été évalué conformément à ce modèle et en faisant l’hypothèse que
les investisseurs avaient une parfaite connaissance de la série des dividendes futurs
versés ultérieurement par toutes les actions composant cet indice. Cette valeur Pt *
peut s’écrire:
∞
s
P*t = ∑ γ dt + s
s=0
80
γ s représentant le facteur d’actualisation et d les dividendes versés subséquem-

ment au calcul de Pt* et supposés connus des opérateurs.
Dans un marché efcient, on devrait avoir: P t = Et (Pt*), où Et est l’espérance au
temps t.
Shiller dénit un terme d’erreur mt : mt = Pt* – Pt et note que Cov (m3t, P t) doit être
nul si Pt est «optimal».
Il découle de la relation précédente que:
Var (P t) + Var (mt) = Var (Pt *)
Ce qui implique que:  Var (P t ) < Var (Pt*) ou σ (P t) < σ (Pt * ).
En langage clair, cela veut dire que la courbe des prix observés des actions devrait
être beaucoup plus «régulière» que celle des prix calculés en supposant tous les
dividendes ultérieurs connus.
La gure3.6 montre que cela n’a pas été du tout le cas. D’ailleurs, l’écart-type des
taux de rentabilité annuels effectivement observés des actions américaines σ (P t) a
été de 50,12%, tandis queσ (Pt*) a été, dans le même temps, de seulement 8,97%.
130
120
110
100
90
80
Prix
70
60
50
40
30
20
10
0 20 40 60 80 100 120
Temps
Source: Shiller (1981).
Figure3.6 – Indice déflaté Standard and Poors des prix boursiers 1926-1979
complété par l’indice des actions de la Commission Cowles 1871-1925
(ligne en trait plein) et série correspondante desprix
en parfaite certitude P*t (ligne en pointillé)
81
L’identication de la volatilité excessive des marchés nanciers, par rapport aux

fondamentaux, a été un des résultats majeurs de ces 30 dernières années en nance.
Elle a d’ailleurs permis à Shiller d’obtenir le prix Nobel d’économie en 2013.
Les deux principales critiques adressées au test de Shiller tiennent à l’hypothèse
de constance du taux d’actualisation et donc de la prime de risque qu’il utilise, ainsi
qu’à celle selon laquelle la variance observée de la série des dividendes (variance de
l’échantillon) correspond à la vraie variance (celle que les opérateurs ont en tête
implicitement et anticipent avant de connaître la série de dividendes).
Ces deux hypothèses sont très fortes. Le débat reste donc ouvert1 .
■■ Les tests de prime de risque

L’excès du taux de rentabilité annuel des actions américaines sur le taux sans
risque est proche de 7% sur longue période et de plus 1% pour les obligations. Ni
aucune représentation «normale» des fonctions d’utilité des investisseurs qui incor-
porent leur attitude face au risque, ni les uctuations de grandeurs macro-écono-
miques telles que la consommation, les revenus ou la richesse qui entrent dans les
modèles d’estimation d’une prime de risque ne peuvent justier des primes de risque
des actions aussi élevées que celles observées empiriquement : la rentabilité des
actions apparaît excessive comme l’ont souligné les premiers Mehra et Prescott
(1985) en donnant à ce phénomène le terme d’Equity Premium Puzzle. D’autres
économistes, comme Rietz (1988) et Barro (2006), ont avancé l’idée que le taux de
rentabilité moyen des actions reétait l’aversion aux risques extrêmes des investis-
seurs, et que de ce fait il n’était pas un «puzzle». Un événement rare arrive avec
une probabilité très faible mais avec des effets potentiels ravageurs sur l’économie
et donc difciles à couvrir.
Par ailleurs, Jorion et Goetzman (1999) ont souligné que ces résultats historiques
de prime de risque évoqués ci-dessus ont été obtenus sur le marché des actions des
États-Unis. Répliquant ces mesures historiques sur une trentaine d’autres pays
depuis le début du  e siècle, les primes de risque empiriques y sont beaucoup plus
faibles qu’aux États-Unis. Ceci les amène à conclure que les travaux sur le marché
américain souffrent du fameux «biais de sélection ex post », c’est-à-dire que nul
n’aurait pu anticiper au début du e siècle que l’économie américaine serait la plus
performante et la plus prospère de ce siècle, ni que le marché des actions améri-
caines serait l’un des seuls marchés au monde qui ne fermerait jamais pour des
raisons d’acte de guerre, de révolution ou d’attaque terroriste (jusqu’au 11 sep-
tembre 2001).
1. Voir à ce sujet Fama et French (1988) et Poterba et Summers (1988).
82
Quel est le niveau de la prime de risque sur le marché des actions françaises?
Même si l’indice CAC40 a lourdement chuté depuis 2007, la prime de risque réali-
sée demeure élevée et comparable au niveau observé sur le marché américain. Sur
la période 1900-2010, Dimson, Marsh et Staunton (2013) estiment que la prime de
risque en France est de près de 6% par année (une fois corrigé l’effet de l’ination).
À l’instar de l’Allemagne ou du Japon, le niveau de la prime de risque du marché
français s’explique en partie parla rentabilité réelle négative des obligations d’État
de courte maturité (–3% sur la période 1900-2010).
Alternativement, le montant de la prime de risque de marché peut être étudié en
interrogeant directement les dirigeants d’entreprises, analystes nanciers, etc.
Fernandez, Aguireamalloa et Corres (2013) ont interrogé 7192 professionnels de la
nance venant de 82 pays différents et leur ont demandé quelle était la valeur de la
prime de risque requise pour investir dans un portefeuille diversié d’actions domes-
tiques. Il s’agit donc du montant qu’ils utilisent concrètement dans leurs calculs de
coût du capital par exemple, ou dans leur choix d’investissement (voir chapitre6).
La valeur moyenne trouvée pour la France est de 5,9% (la médiane est de 6% et
l’écart type de 1,5%). Les valeurs moyennes trouvées pour les autres pays sont de
5,5% en Allemagne, 5,5% aux États-Unis, 7,9% au Brésil et 8,7% en Chine.
1.3 Les tests d’efficience utilisant d’autres variables

Les tests d’efcience utilisant d’autres variables visent à vérier s’il est possible
de prévoir les cours boursiers en fonction du niveau de certains ratios de valorisation
tels que le rendement en dividendes ou le rapport cours bénéce, encore appelé
Price Earnings Ratio (PER), en fonction de certains attributs (valeur de croissance
ou valeur de rendement) ou encore en fonction de la différence entre le cours en
Bourse d’une société et la valeur d’actif net réévaluée (décote des holdings ou des
fonds d’investissement fermés).
■■ Les ratios de valorisation

Classiquement, les investisseurs utilisent des référentiels pour apprécier la valeur
relative des actions. Les deux indicateurs les plus classiques sont le ratio du divi-
dende par action au cours de l’action, c’est le rendement (D/P), et le ratio du béné-
ce par action au cours (E/P), c’est-à-dire l’inverse du PER. En utilisant ces ratios,
les investisseurs ont des référentiels qui sont en général des moyennes historiques:
lorsque ces ratios s’écartent trop de leur moyenne historique, il est probable qu’ils
auront tendance à y revenir.
C’est le sens de l’analyse de Campbell et Shiller (1998) fondée sur la comparaison
historique des ratios de rendement (D/P) des valeurs américaines. De 1872 au début
1997, la moyenne annuelle de ce ratio a été de 4,73%. En 1997, il a atteint son plus
bas historique à 1,9%. Que peut-il se produire lorsque le ratio est signicativement
83
éloigné de sa moyenne historique? Dans un sens ou dans l’autre, le raisonnement

est le même, mais inversé, prenons donc le cas où ce ratio est signicativement en
dessous de sa moyenne historique comme en 1997. Pour qu’il retourne vers sa
moyenne historique, il faut soit que la croissance ultérieure des dividendes soit très
forte, soit que les cours de Bourse baissent signicativement (ou les deux à la fois,
mais c’est économiquement peu plausible).
Campbell et Shiller montrent qu’historiquement c’est le second phénomène qui
s’est toujours produit. La même constatation est présentée par les auteurs à partir du
ratio E/P, ce qui les conduit à un sévère avertissement. Pour que le rendement
revienne à sa moyenne historique, il faudrait que les indices américains boursiers
baissent d’à peu près des deux tiers par rapport au niveau qu’ils avaient atteint en
1997. Mais les indices boursiers ont continué à monter fortement en1998 et1999,
même si leur évolution entre2000 et2003 leur a donné raison.
Dans le même esprit, Shiller a calculé depuis 1881 l’inverse du PER, à partir de la
moyenne mobile des bénéces sur les dix ans qui précèdent l’observation des cours.
Les grandes tendances de l’évolution du ratio bénéce/cours anticipent assez bien
les mouvements de la rentabilité réelle des actions américaines à un horizon de 15
ans. Ces observations corroborent les résultats de retour à la moyenne des cours
boursiers modélisés sur longue période sur le marché américain notamment par
Campbell et Viceira (2002) et sur le marché français par Bec et Gollier (2009).
Ces analyses portent essentiellement sur le marché américain, et peuvent être
complétées, pour illustrer les phénomènes de retour à la moyenne, par des indica-
teurs de valorisation sur le marché des actions de la zone euro, à partir du modèle
Trival®, développé par Associés en Finance. Ce modèle donne, via le niveau de la
prime de risque du marché actions, un signal de sous ou surévaluation des place-
ments en actions.
C’est un modèle basé sur des analyses nancières indépendantes portant sur envi-
ron 350 sociétés de la zone euro, qui met en correspondance le taux de rentabilité
attendu (déterminé par comparaison entre le cours coté et la somme actualisée des
cash ows disponibles pour les actionnaires) avec le risque et la liquidité des titres
cotés. Ces données agrégées sur l’ensemble des sociétés suivies permettent de déter-
miner le taux de rentabilité espéré sur un placement en actions, et en comparant ce
dernier avec le taux actuariel de placements obligataires de référence (en l’occur-
rence le taux du Bund à 10 ans), de suivre la différence de rentabilité attendue entre
actions et obligations (prime de risque du marché actions Euro). Cet indicateur
permet de porter un jugement sur le niveau de valorisation des actions.
En effet, compte tenu du phénomène de retour vers la moyenne, tout décalage
manifeste entre la prime de risque du marché actions Euro constatée en moyenne, et
la prime de risque du marché actions constatée à un jour donné, signale que, à condi-
tions de taux et de ux prévisionnels inchangés:
84
– le marché actions devrait connaître une hausse signicative si la prime de risque du

marché actions est nettement supérieure à sa moyenne;
– le marché actions risque d’enregistrer une baisse des cours si la prime de risque du
marché actions est nettement inférieure à sa moyenne.
Le graphique 3.7 rapporte l’évolution depuis 2001 de cet indicateur.
12
moyenne + 3 écarts-types
10 moyenne + 2
écarts-types
moyenne + 1 écart-type Écart moyen

depuis 2002
moyenne - 1 écart-type
4
moyenne - 2 écarts-types
Figure3.7 – La prime de risque du marché actions (2001-2013)
Chacun des points extrêmes de cet indicateur a signalé une situation anormale de
valorisation des actions, qui s’est ensuite corrigée par un mouvement de hausse des
cours lorsque la prime de risque du marché actions était particulièrement élevée
(début 2003), ou, à l’inverse, par un mouvement de baisse ultérieure des indices
actions lorsque la prime de risque du marché actions était particulièrement basse

(début 2000, mi 2007).
■■ Tests d’efficience et d’équilibre des marchés financiers

Certains tests d’efcience des marchés vérient souvent en fait deux hypothèses
qu’il n’est pas possible de dissocier pour effectuer des tests purs concernant chacune
d’entre elles: l’hypothèse d’efcience d’une part et d’autre part la constance des
rentabilités anticipées sur les titres individuels ou sur les portefeuilles au cours du
temps.
Dans le même ordre d’idées, il existe des tests qui sont indirectement des tests
d’efcience, mais qui concernent au premier chef les tests des modèles d’équilibre
des actifs nanciers: CAPM, APT… Ces tests, qui estiment dans quelle mesure les
85
prix des actifs nanciers et notamment les cours des actions se conforment à ces
modèles, sont à la fois une vérication de leur validité en même temps qu’ils repré-
sentent un test de l’efcience des marchés présupposée et une condition de l’archi-
tecture de ces modèles.
L’exposé de ces modèles et de leur validation empirique font l’objet du chapitre6
de cet ouvrage.
2 Les études d’événements
La première et l’une des plus célèbres études d’événement est celle de Fama,
Fisher, Jensen et Roll (1969), consacrée à l’incidence sur son cours d’une société qui
annonce qu’elle compte diviser le nominal de son titre d’un certain nombre (stock
split), ce qui a pour effet mécanique de diminuer son cours en proportion de ce
nombre.
Les études d’événements sont représentées par des tests aux conuents de plu-
sieurs disciplines de l’économie. D’abord, ce sont des tests d’efcience des mar-
chés. Mais là encore, ce sont des tests joints, car pour mettre de l’ordre dans la
quantité exubérante de ces études d’événements et leur impact sur les cours bour-
siers, il vaut mieux avoir une théorie de l’impact de ces décisions sur la valeur. Ces
théories font partie de la théorie de la nance d’entreprise et de celle de l’économie
des organisations.
Aussi, nous ne pouvons être exhaustifs sur ces tests, à la fois à cause de leur quan-
tité impressionnante et de leur connexité avec les théories qui font par ailleurs
l’objet d’ouvrages entiers plus épais que celui-ci. Les principaux résultats sont rap-
pelés dans un premier temps, puis rapprochés du thème de l’efcience des marchés
nanciers dans un deuxième temps.
2.1 Les principaux résultats

La théorie de la nance d’entreprise est notamment consacrée à l’impact des déci-
sions d’investissement et de nancement sur la valeur de la rme. Dans un monde
sans scalité et où les décisions d’investissement produisent des ux de trésorerie,
certes incertains, mais qui seraient toujours sufsants pour payer les charges xes,
y compris celles résultant du remboursement de la dette, la manière dont les inves-
tissements sont nancés n’a aucune incidence sur la valeur de l’entreprise.
De fait, ni le niveau d’endettement par rapport aux capitaux propres, ni la politique
de dividendes n’auraient d’incidence sur la valeur totale de l’entreprise. Ces résul-
86
tats ont été obtenus au terme de démonstrations rigoureuses, qui ont donné lieu aux
deux plus célèbres «théorèmes» de la nance dus à Modigliani et Miller (1958).
Les résultats des tests empiriques, en matière de nancement comme en matière
de dividende, ne sont pas conformes à ces théorèmes.
En matière de nancement, les augmentations de capital sont préjudiciables aux
cours de Bourse. À l’inverse, l’annonce par une société du rachat de ses propres
actions, donc d’une réduction de ses fonds propres, s’accompagne d’une augmenta-
tion statistiquement signicative du cours de ses actions. Plus généralement, une
augmentation du levier d’endettement s’avère généralement créatrice de valeur pour
l’actionnaire.
Ces résultats sont conformes aux développements théoriques plus récents, et
s’expliquent à la fois par l’asymétrie d’information et la théorie du free cash ow.
Compte tenu de l’asymétrie d’information entre les dirigeants mieux informés et
les investisseurs extérieurs, les premiers font appel au marché et émettent de nou-
velles actions quand ils estiment celles-ci surévaluées ou lorsqu’ils craignent que les
cash ows futurs ne soient insufsants. Selon la théorie du free cash ow de Jensen
(1986), les coûts d’agence et de surveillance des dirigeants par les investisseurs
externes seront plus faibles si les ux de trésorerie excédentaires sont utilisés à
réduire les fonds propres, au lieu d’être utilisés dans des projets d’investissement
hasardeux et potentiellement destructeurs de valeur.
La décision de dividende donne lieu aux mêmes résultats empiriques; contraire-
ment au second théorème de Modigliani et Miller, une hausse non anticipée du
dividende s’accompagne en général d’une hausse des cours. Ce résultat est d’autant
plus surprenant que si la réalité devait se départir de Modigliani et Miller, on s’atten-
drait plutôt que ce soit dans l’autre sens, dans la mesure où dans la plupart des pays
les dividendes sont davantage imposés scalement que les plus-values boursières.
Or, c’est l’inverse qui se produit, justié à la fois par l’asymétrie d’information – les
dirigeants mieux informés sur les perspectives bénéciaires augmentent le divi-
dende pour signaler au marché ces perspectives – ou par la théorie du cash ow libre
pour laquelle plus les dividendes sont élevés, plus élevé sera le niveau d’endettement
(retour à l’argument précédent).
Par ailleurs, l’économie industrielle et l’économie nancière avancent toute une
série de raisons pour lesquelles les transactions aboutissant à une modication du
contrôle et du pouvoir dans les entreprises – fusions, acquisitions, OPA, OPE, etc.
– sont créatrices de valeur. Un grand nombre d’études d’événements vérient que
c’est effectivement le cas, même si les gains de telles transactions ne sont pas éga-
lement partagés dans la mesure où ils protent essentiellement aux actionnaires des
sociétés cibles.
87
2.2 La conformité des résultats à l’hypothèse d’efficience

desmarchésfinanciers
■■ À court terme
Les études d’événements, comme outils de test de l’efcience des marchés, sont
très discriminantes dans la mesure où ces événements ont généralement un tel
impact sur la valeur des entreprises qui en sont la source que la technologie de
mesure des rentabilités «anormales», c’est-à-dire la différence entre la rentabilité
observée à la suite de l’annonce de l’événement et celle que l’on aurait dû ou pu
observer sans cet événement, n’a pas beaucoup d’importance. Le problème de
mesure lié à l’hypothèse jointe de deux théories testées conjointement ne se posant
donc pas, la technologie de mesure utilisée est la plus simple et correspond à celle
d’une des premières études du genre de Ball et Brown (1968). La rentabilité anor-
male y est dénie comme la différence entre la rentabilité mesurée immédiatement
à la suite de l’annonce de l’événement et la rentabilité moyenne observée sur une
certaine période passée pour le même titre (selon la formulation de la marche au
hasard présentée dans la section 1.1 de ce chapitre).
Par exemple, dans une étude d’événement concernant les fusions et OPA améri-
caines, Brown et Warner (1985) montrent que la hausse moyenne des cours des
entreprises cibles suite à l’annonce d’une telle opération est de 15% dans les trois
jours qui suivent. Dans la mesure où la rentabilité normale journalière moyenne est
0,036% (9% de rentabilité annuelle divisée par 250 jours de Bourse), les méthodes
pour estimer cette rentabilité moyenne affecteront peu l’estimation de la rentabilité
anormale.
À l’annonce de ces événements, les cours boursiers, lorsqu’ils sont mesurés en
données journalières, s’ajustent pratiquement d’un jour à l’autre (clôture du jour
précédant l’annonce par rapport à la clôture du jour de l’annonce). Bref, dans les
tests d’événements où typiquement l’hypothèse jointe d’efcience des marchés et de
modèle d’évaluation utilisé est secondaire, l’évidence empirique est que les cours
boursiers s’ajustent rapidement aux informations spéciques concernant une entre-
prise donnée.
Toutefois, il faut reconnaître que même dans ce champ très propre d’estimation de
l’efcience des marchés nanciers, il existe tout de même certaines zones d’ombre.
Nous en mentionnons deux.
Bien que les cours s’ajustent rapidement aux nouvelles informations concernant
ces sociétés, les résultats de ces études sont des moyennes établies sur les réactions
des cours d’un grand nombre de sociétés à un même type d’événement Corporate
au cours du temps. Mais, on observe aussi que la variance de ces rentabilités, pour
les sociétés dont on teste l’impact sur leur cours d’un même événement, est élevée
autour de la date d’annonce. Cette variance est-elle rationnelle, due à une incertitude
accrue sur les nouvelles valeurs fondamentales des titres ou est-elle le produit d’une
88
sur ou sous réaction temporaire et irrationnelle à la date d’annonce qui s’estompe

avec le temps et la digestion par le marché de ces nouvelles informations?
Autre zone d’ombre, celle de la réaction des cours aux annonces par les entreprises
de leurs résultats. Bernard (1992) étudie l’évolution des rentabilités «anormales»
de dix portefeuilles dans les 60 jours qui précèdent et qui suivent 84192 annonces
par des sociétés américaines de leurs résultats entre1974 et1986. Ces portefeuilles
sont construits selon l’ampleur du phénomène de surprise (positive, nulle ou néga-
tive) de ces résultats, la surprise étant mesurée par la différence entre les résultats
annoncés et les résultats tels qu’ils étaient anticipés par le marché. Le portefeuille
pour lequel les surprises sont les plus élevées a une rentabilité anormale supérieure
à 4% pendant la période précédant les annonces, et celui pour lesquels elles sont le
plus négative de – 6%. Rien de contradictoire avec l’efcience dans la mesure où
ces résultats traduisent des fuites probables dont protent certains initiés. Cependant,
ces rentabilités différentielles subsistent dans les 60 jours qui suivent l’annonce des
résultats, certes dans une moindre mesure, +2% et – 2% respectivement. Mais, ces
rentabilités sont mesurées avant coûts de transaction, beaucoup plus élevés dans la
période de test qu’aujourd’hui.
■■ À long terme
Comme pour les tests de prévisibilité des rentabilités boursières, les tests d’études
d’événements évoqués dans la section précédente observaient les rentabilités à court
terme, sur une période allant d’un jour à un mois. Les chercheurs empiriques ont
estimé plus récemment les rentabilités à plus long terme (3 à 5 ans) à la suite de
l’annonce de certains événements d’entreprise.
Les événements étudiés sont les suivants: les introductions en Bourse et les aug-
mentations de capital (Loughran et Ritter, 1997, Brav, Geczy et Gompers, 1998, et
Eckbo et al. 2007), les fusions du point de vue de la société acquéreuse (Agrawal et
al., 1992), les dividendes versés pour la première fois ou rétablis à la suite de plu-
sieurs années de suppression, et les suppressions de dividendes (Michaely et al.,
1995), les annonces de bénéces (Ball et Brown, 1968 et Bernard et Thomas, 1990),
les rachats d’actions (Ikenberry et al., 1995 et 2000, Grullon et Michaely, 2004), les
divisions d’actions (Ikenberry et al., 1996). Dans ces études, les auteurs distinguent
la période suivant immédiatement l’annonce de ces opérations, d’une période sui-
vante plus longue, ce qui permet de distinguer une rentabilité boursière à court terme
d’une rentabilité boursière à long terme.
L’objet de ces études est l’efcience des marchés à plus long terme. Si les marchés
étaient efcients à long terme, on devrait constater des rentabilités à court terme
positives (négatives) selon le critère de la création (destruction) de valeur, et des
rentabilités «anormales» à long terme nulles. En fait, ce n’est que rarement le cas.
Pour chaque paire de rentabilités boursières anormales (court terme et long terme),
on trouve des paires de même signe que les auteurs interprètent comme une sous-
89
réaction et des paires de signe opposé que les auteurs interprètent comme une sur-
réaction des cours boursiers au moment de l’annonce.
Barberis, Shleifer et Vishny (1998) et Daniel, Hirschleifer, Subramanyam (1998),
dont les modèles sont résumés dans Shleifer (2000), ont élaboré des modèles de
comportement des investisseurs correspondant à ces observations empiriques pour
les justier. C’est l’avènement de la nance comportementale (Behavioural Finance)
qui tournerait le dos à la théorie nancière classique élaborée depuis plus de qua-
rante ans sur la base de la rationalité des agents.
Comme le rappelle Fama (1998), ces résultats ne sont pas convaincants, et ceci
pour trois raisons.
D’abord, à peu près autant de surréactions que de sous-réactions sont observées
dans les études, alors que les modèles comportementaux évoqués ci-dessus modé-
lisent intelligemment soit la surréaction, soit la sous-réaction mais pas les deux en
même temps. Le modèle des marchés efcients n’aurait donc pas de modèle alter-
natif «pour toutes les saisons». Le modèle des marchés efcients offre, lui, une
réponse simple à ces contradictions dans la mesure où autant de sur que de sous-
réactions sont observées: ce ne serait que le fruit du hasard.
Aussi, et plus important, en regardant de près chacune des études précitées, Fama
montre que leurs résultats sont extrêmement sensibles à la méthodologie qu’elles
utilisent. En utilisant des modèles d’évaluation à la fois plus riches et plus réalistes
tels que ceux présentés dans le chapitre7 d’une part, et en étudiant les mêmes phé-
nomènes sur d’autres périodes d’autre part, toutes ces anomalies apparentes dispa-
raissent en ce sens que les rentabilités boursières anormales de long terme ne sont
pas signicativement différentes de zéro.
3 Les tests de performance des initiés
Les tests de performance des investisseurs initiés, qui correspondent à la vérica-

tion de la forme forte de l’efcience dans l’ancienne classication de Fama, sont
d’une double nature: les tests d’information privée et les tests de mesure de perfor-
mance.
3.1 Les tests d’information privée

Les tests d’information privée répondent à deux questions différentes. D’abord
est-ce que les initiés protent des informations privées qu’ils détiennent ? Ces
études se situent dans le cadre juridique américain dans lequel l’achat et la vente
d’actions par des salariés de l’entreprise sont légaux pour autant que ceux-ci
90
déclarent leurs transactions auprès de la SEC. La réponse à cette première question

est positive et ne contrarie pas en soi l’hypothèse d’efcience.
La seconde question, continuation de la précédente, est davantage au cœur du
sujet. Une fois la déclaration de leurs transactions faite auprès de la SEC, cette infor-
mation devient publique: peut-on alors en proter et dégager une rentabilité anor-
male en adoptant une stratégie de suivi, c’est-à-dire en achetant des titres d’une
société dont les employés ou dirigeants sont acheteurs nets et vice-versa ? La
réponse à cette question est plutôt controversée.
La première étude empirique menée par Jaffe (1974) trouve qu’une stratégie
consistant à répliquer les décisions d’achat et de vente de titres par les dirigeants
d’entreprises américaines génère des prots anormaux. Seyhun (1986) a par la suite
montré que cette conclusion n’était plus valable une fois que les coûts de transaction
étaient pris en compte. L’étude de Lakonishok et Lee (2001) portant sur toutes les
transactions effectuées par des dirigeants d’entreprises cotées aux États-Unis
entre1975 et1995 conclue que (1) les transactions de dirigeants sont principalement
informatives dans les entreprises de petite taille et (2) les achats contiennent plus
d’informations privilégiées que les ventes.
Plus récemment, Wang, Shin et Francis (2012) ont montré que le prix de l’action
augmente plus fortement après un achat d’actions par le directeur nancier (CFO)
que par le directeur général (CEO). Finalement, Ravina et Sapienza (2010) trouvent
que les transactions effectuées par des membres du conseil d’administration indé-
pendants sont tout aussi informatives que celles effectuées par les dirigeants.
3.2 Les tests de mesure de performance

On pourrait segmenter la population des investisseurs de manière schématique en
distinguant d’une part les investisseurs amateurs, correspondant à l’actionnariat
individuel, et les investisseurs professionnels. Les investisseurs professionnels sont
les gérants des SICAV et autres fonds mutuels, des compagnies d’assurance, des
fonds de pension, etc., c’est-à-dire tous ceux qui participent à l’industrie de la ges-
tion collective pour compte de tiers.
Les résultats des gestions des professionnels sont transparents et publiés pour la
plupart.
L’hypothèse, qui serait contraire à celle de l’efcience des marchés est que les
investisseurs professionnels auraient de meilleures performances que les investis-
seurs amateurs. Comme globalement l’ensemble des gestions ne peut afcher que
les performances des indices (aux coûts de transaction et d’information près), les
premiers, selon cette hypothèse auraient des performances supérieures à celles des
indices tandis que les seconds obtiendraient, si tel était le cas, des performances
inférieures.
91
Les études empiriques pour tester cette hypothèse sont innombrables. Les résultats
semblent indiquer que tel n’est pas le cas. Mais comme le thème de la mesure de
performance est au cœur de la gestion de portefeuille, il lui est consacré un chapitre
à part (chapitre13).
Section LA FINANCE COMPORTEMENTALE

3 (BEHAVIORAL FINANCE)
Diverses déviations du concept d’efcience considérées comme des «anomalies»

ont été présentées ci-dessus. On pourrait multiplier les exemples d’études empi-
riques de comportements particuliers suggérant que certains investisseurs n’agissent
pas de manière totalement rationnelle. La nance comportementale a pour vocation
d’expliquer ces comportements en utilisant généralement des modèles issus de la
psychologie. Les principales approches comportementales sont présentées ci-des-
sous. Une revue plus détaillée peut être trouvée dans Shiller (1999), Barberis (2013
a, b), Barberis et Thaler (2003) et Baker et Wurgler (2013).
1 Prospect theory
Daniel Kahneman et Amos Tversky ont rassemblé diverses observations de com-

portements d’agents face au risque et à l’incertitude dans un ensemble cohérent de
modèles communément appelé prospect theory 1. La prospect theory est une collec-
tion d’éléments décrivant le comportement d’agents pas totalement rationnels et
confrontés à des situations spéciques; il n’est donc pas possible d’en donner un
résumé exhaustif. Dans la dimension des placements, on peut résumer les principaux
aspects de la prospect theory en trois grands points:
– Les agents mesurent l’utilité d’une situation nancière future, ou plutôt sa «valeur»
dans la terminologie de prospect theory, par rapport à un «point de référence». En
d’autres termes les investisseurs valorisent les gains et les pertes par rapport à leur
situation de richesse actuelle (le point de référence), plutôt que d’avoir une fonction
d’utilité uniquement fonction de la richesse atteinte. Cela veut dire que l’utilité déri-
vée d’une richesse future de 100 sera différente selon que l’investisseur disposait
initialement (point de référence) de 80 ou de 90.
– Les investisseurs ont une grande aversion pour les pertes. Il est beaucoup plus désa-
gréable de perdre 100€ qu’il n’est agréable de gagner 100€. La gure 3.8 reproduit
1. Voir par exemple, Kahneman et Tversky (1979), Kahneman (2003) et Barberis (2013a).
Kahneman a obtenu le Prix Nobel en Sciences Economiques en 2002, après la mort de Tversky.
92
une fonction valeur (fonction d’utilité) schématique avec les gains/pertes en abscisse
et la valeur dérivée en ordonnée. Le point de référence est la richesse actuelle. La
courbe est continue, mais au point de référence la tangente à la fonction valeur a une
pente plus forte à gauche (pertes) qu’à droite (gains). On parle alors «d’aversion aux
pertes» (loss aversion) plutôt que d’aversion au risque. En fait, il s’agit d’une aver-
sion au risque très forte, du fait de la discontinuité dans la pente de la tangente.
– La fonction valeur est concave pour les gains (aversion au risque) et convexe pour
les pertes (amour du risque). Une telle forme expliquerait pourquoi les investisseurs
sont averses au risque sur leurs placements patrimoniaux mais sont prêts à jouer à
une loterie telle que le loto qui a pourtant une espérance de gain négative. Cela
expliquerait pourquoi des agents achètent simultanément une assurance et un ticket
de loterie.
– Les agents sous-évaluent les petites probabilités et surévaluent les fortes probabili-
tés. Par exemple, s’il y a 1% de chance de perdre (ou gagner), l’agent se comportera
comme s’il n’avait aucune chance de perdre (ou gagner). Et si la probabilité est de
99%, l’agent se comportera comme si le gain (ou perte) était certain.
Figure3.8 – Fonction de Valeur en Prospect Theory
La prospect theory est descriptive et non pas normative. Elle tente de décrire com-
ment les individus se comportent et non pas comment ils devraient investir, comme
c’est le cas de la nance traditionnelle basée sur la maximisation de l’espérance
d’utilité. Toutefois, certains auteurs ont tenté de modéliser mathématiquement une
version simpliée de la prospect theory, en n’en gardant que quelques éléments.
Ainsi, Benartzi et Thaler (1995) justient la forte prime de risque des actions (equity
premium puzzle) par l’aversion aux pertes. Barberis et Huang (2008) proposent un
modèle de maximisation d’espérance d’utilité avec un terme additionnel d’aversion
aux pertes pour certains actifs. L’aversion aux pertes est décrite par une fonction
93
valeur du type de celle de la gure 3.8, mais avec la simplication que la fonction
consiste en deux demi-droites jointes au point de référence et avec des pentes diffé-
rentes. Ce modèle peut expliquer l’existence d’une forte prime de risque et divers
autres phénomènes, par exemple le fait que de nombreux individus n’investissent
pas dans les marchés d’actions.
2 Théorie du regret et dissonance cognitive
La théorie du regret est basée sur le concept de dissonance cognitive. La disso-

nance cognitive est un concept de psychologie élaboré par Leon Festinger dans les
années 1950. C’est un état de tension désagréable dû à la présence simultanée de
deux cognitions (idées, perceptions, informations, opinions, comportements) psy-
chologiquement inconsistantes. L’individu tente de réduire cette dissonance.
Parmi les différentes dissonances cognitives, le regret est ressenti lorsqu’on a pris
une décision qui s’avère avoir des résultats inférieurs à une autre décision qu’on
aurait tout aussi bien pu prendre. Le regret est une émotion très présente dans la vie
quotidienne1. Ce concept s’applique parfaitement dans les choix d’investissement ou
l’investisseur compare le résultat de son placement à d’autres choix qu’il avait envi-
sagé, à des benchmarks passifs (par exemple un indice boursier) ou au résultat de
ses pairs. C’est notamment le cas des gérants institutionnels dont la performance est
comparée à celle de benchmarks indiciels et à l’univers des autres gérants. L’idée est
donc d’investir dans une stratégie qui réduira le regret futur.
Supposez, par exemple, que vous deviez investir 100000€ sur le marché nancier
et que vous hésitiez entre deux fonds de placement A et B. Votre espérance de gain
est de 10% par an. Sur la base de certaines recommandations vous décidez de choi-
sir le fonds A qui produit un taux de rentabilité de 15% dans l’année qui suit, alors
que l’indice boursier a progressé de seulement 9%. Vous êtes donc « heureux».
Mais vous regardez sur Internet et découvrez que le fonds B a gagné plus de 30%;
vous éprouvez un sentiment très fort de regret de n’avoir pas choisi le fonds B. Vous
n’êtes plus heureux du tout, bien que le fonds A ait satisfait toutes vos anticipations.
La pertinence du regret dans les choix d’investissement a été fréquemment observée
et conduit parfois à des règles simples telles que celle formulée par Harry Markowitz
(père de l’analyse moyenne-variance et Prix Nobel en Sciences Économiques en
1990) pour l’allocation d’actifs de son propre portefeuille entre obligations et
actions:
1. Par exemple, vous devez vous rendre en voiture de Cergy à l’Opéra de Paris et avez choisi un
itinéraire qui s’avère fort embouteillé: vous n’êtes pas heureux. Toutefois un collègue parti en même
temps que vous a utilisé un itinéraire différent et il arrive trente minutes après vous. Votre déplaisir se
transforme en joie et votre collègue éprouve un grand regret.
94
I should have computed the historical covariance of the asset classes and drawn an ef-
cient frontier. Instead I visualized my grief if the stock market went way up and I wasn’t
in it--or if it went way down and I was completely in it. My intention was to minimize
my future regret, so I split my [pension scheme] contributions 50/50 between bonds and
equities.
Harry Markowitz, cité par Zweig, 1998, «America’s
top pension fund», Money, 27, p.114.
À partir de ce concept de regret, Loomes and Sugden (1982) et Bell (1982) ont
derivé une théorie économique du regret. C’est une théorie des choix en incertitude
qui est parcimonieuse mais néanmoins plus riche que la théorie d’utilité classique.
Dans la théorie classique, un agent ne dérive d’utilité que de sa consommation et
donc indirectement de sa richesse (fonction d’utilité indirecte). Il cherche donc à
optimiser son portefeuille et n’est concerné que par la valeur future du portefeuille
qu’il a choisi. Dans la théorie du regret l’investisseur se préoccupe aussi de la ren-
tabilité d’autres portefeuilles qu’il aurait pu choisir. Une application de la théorie du
regret peut être le benchmarking où un investisseur se préoccupe non seulement de
la rentabilité absolue de son portefeuille mais aussi de la différence de rentabilité
avec des benchmarks (indices boursiers, prix de l’immobilier, etc.).
La théorie du regret peut expliquer des choix d’allocation d’actifs tels ceux de
Markowitz 1. Elle peut aussi être une explication de l’effet «disposition». De nom-
breux auteurs, dont Odean (1998), suggèrent que les investisseurs individuels
tendent à vendre les titres qui ont bien performé (winners) mais conservent les titres
qui sont perdants (losers). Cet effet disposition a été vérié dans de nombreux pays
dont la France (Broihanne, Merli et Boolel-Gunesh 2008). Une explication plausible
est basée sur le concept de dissonance cognitive. Tant que l’individu ne vend pas ses
titres perdants, il ne reconnaît pas vraiment la perte et le regret d’avoir choisi ces
titres.
3 Comptabilité mentale
La théorie de la comptabilité mentale (mental accounting, narrow framing) reète

la tendance humaine à traiter divers types de décisions dans divers compartiments
mentaux (mental compartment ou frame). Chaque type de décision d’investissement
est considéré dans un compartiment mental séparé. Comme le décrivent Kahneman
et Lovallo (1993), les individus ont fortement tendance à traiter les problèmes sépa-
rément et leur évaluation de projets d’investissements risqués a tendance à négliger
la possibilité de pooling des risques et donc de diversication. Plutôt que de consi-
1. Voir aussi Michenaud et Solnik (2008) pour l’inuence du regret sur la décision de couverture de
change.
95
dérer l’ensemble du portefeuille, comme suggéré par la théorie de l’utilité classique,

leur évaluation de chaque investissement tend à négliger la possibilité de diversi-
cation du risque et à rechercher la meilleure décision dans chaque compartiment
mental.
Ainsi un gestionnaire de fonds investis internationalement décidera d’abord de
l’allocation à chaque marché, puis se préoccupera de la portion d’actifs en devise de
son portefeuille qui doit être couvert contre le risque de change. En théorie d’utilité
classique, les deux décisions d’allocation d’actifs et de couverture de change
devraient être prises simultanément. De même, la décision de répartition géogra-
phique d’un portefeuille d’actions est souvent prise indépendamment du choix des
titres qui forment chaque sous-portefeuille national. Pourtant, nombre de sociétés
nationales sont en fait des sociétés avec activité multinationale, et donc en un sens
représentent un mini portefeuille diversié internationalement.
De nombreux autres concepts psychologiques peuvent permettre d’expliquer cer-
tains comportements d’investisseurs qui ne semblent pas totalement rationnels au
sens de la théorie d’utilité classique. Nous ne les détaillons pas ici et le lecteur
pourra se référer à Shiller (1999) et Barberis et Thaler (2003).
4 Arbitrage, rationalité et efficience
Il est évident que de nombreux investisseurs ne se comportent pas de manière

totalement rationnelle au sens de la théorie d’utilité classique initiée par von
Neumann-Morgenstern. Mais la question primordiale pour un nancier est de savoir
si cela rend les marchés nanciers inefcients en offrant des possibilités d’arbitrage
sans risque.
La plupart des traits psychologiques décrits ci-dessus ne conduisent pas à une
inefcience des marchés permettant des arbitrages. Ainsi l’effet disposition peut
conduire à ce qu’un investisseur détienne un portefeuille mal diversié et sous opti-
mal, mais cela ne permet pas aux autres investisseurs d’exploiter ce comportement.
Nous avons indiqué ci-dessus certaines anomalies (effets jour, saisonnalité…) que
beaucoup ont tentés d’exploiter sans grand succès. On peut aussi mentionner cer-
taines « anecdotes » très fréquemment citées par les tenants de l’inefcience du
marché.
L’une d’elle est l’exemple de MCI à la n des années 1990. En 1997, la société
MCI était une importante entreprise américaine de télécommunications (faisant
maintenant partie du groupe Verizon). Elle était cotée au Nasdaq avec le symbole
boursier (ticker symbol) « MCIC », utilisé pour effectuer les opérations d’achat/
vente en Bourse. MCI avait une capitalisation boursière de l’ordre de 20milliards
de dollars. Un fonds Massmutual Corporate Investors était coté avec le symbole
96
boursier «MCI». Cette société avait une capitalisation de l’ordre de 200millions

de dollars (soit cent fois moins) et un faible volume de transactions en Bourse. En
fait le cours de Massmutual Corporate Investors (symbole MCI) était très corrélé au
cours de MCI (symbole MCIC) 1. Le cours de Massmutual Corporate Investors évo-
luait fortement au gré des rumeurs d’OPA sur MCI, alors que rien dans la valeur de
la société ne justiait une telle corrélation. Certains investisseurs individuels
manquaient clairement d’attention et confondaient les deux sociétés. La persistance
de ce phénomène durant de nombreux mois pourrait suggérer que l’irrationalité de
certains investisseurs conduit à des inefciences de prix qui ne sont pas corrigées
par le marché. Certes, c’est vrai, mais le volume de transactions sur cette société
étant très faible, toute tentative d’arbitrage ne pouvait procurer qu’un prot de
quelques centaines de dollars, ne pouvant compenser le temps perdu par un profes-
sionnel. C’est plus une anecdote amusante qu’une preuve d’inefcience.
Il ne fait pas de doute qu’il existe des coûts opérationnels à tenter de proter, sans
risque, d’une opportunité d’arbitrage. Et ces coûts peuvent être dans certains cas
élevés permettant ainsi au prix de dévier de sa valeur fondamentale.
1. Voir Rashes (2001)
97
L’ESSENTIEL
•Les économistes nanciers croient à l’efcience des marchés ne serait-ce parce
que ce sont des institutions et des mécanismes qui transmettent avec succès,
c’est-à-dire très rapidement, les informations pertinentes aux actifs nanciers
cotés. De plus, la création de plateformes de trading électronique et l’expansion
rapide du trading à haute fréquence ont favorisé l’incorporation immédiate des
informations dans les prix de titres nanciers.
•Cependant, un certain nombre d’économistes ont remis en question ce para-
digme sur la base d’éléments psychologiques et comportementaux et ont avancé
le fait que les cours boursiers sont en partie prévisibles en se servant judicieuse-
ment de certaines variables de valorisation fondamentale. Les tenants de cette
thèse soulignent que les activités d’arbitrage d’investisseurs rationnels sont dif-
ciles, voire impossibles à exécuter, ou dans certains cas, tellement risquées
qu’elles sont forcément limitées.
• Ces critiques de l’efcience des marchés sont loin d’être convaincantes.
Certaines des anomalies rencontrées peuvent avoir des explications rationnelles;
d’autres ne sont que fallacieuses. Aucune n’est systématique au cours du temps
et il n’existe que peu de preuves que des investisseurs rationnels peuvent exploi-
ter de telles anomalies de manière protable et systématique.
•Par ailleurs, la plupart de ces anomalies ont disparu avec le temps après que leur
existence a été identiée et utilisée. C’est bien la manifestation de l’efcience
des marchés qui incorpore avec le temps ces nouvelles «informations» concer-
nant des anomalies du passé.
•Le message principal de ce chapitre, ainsi que de l’ensemble de cet ouvrage, est
que les marchés nanciers sont proches de l’efcience. Il convient d’en tenir
compte lors de la conception d’une stratégie rationnelle d’investissement, et cela
d’autant plus que le marché est désormais dominé par des investisseurs institu-
tionnels, domestiques et étrangers, tous en forte concurrence. Rares sont ceux qui
prétendent que les marchés sont totalement efcients et que les prix reètent
exactement toutes les informations disponibles. Mais l’efcience des marchés
nanciers est telle qu’elle enseigne la modestie aux investisseurs. L’objectif de la
majorité des investisseurs est de détecter des déviations par rapport à l’efcience
par le biais de «meilleures» prévisions que celles des autres investisseurs, mais
il semble prioritaire de d’abord structurer son portefeuille sur la base du précepte
d’efcience, avant de jouer, à la marge, sur des prévisions différentes de celles
du marché.
La suite de cet ouvrage va donc développer l’étude du comportement des cours
et de la gestion de portefeuille dans le cadre des marchés efcients.
98
Chapitre
Risque,
diversification et
4 frontière efficiente
SOMMAIRE
Section1 Rentabilité, risque et diversification
Section2 La frontière efficiente
Section3 Value at Risk et autres mesures du risque
Chapitre 4 ■ Risque, diversification et frontière efficiente
L es concepts de risque et de diversication sont au cœur de la gestion d’actifs. Le

taux de rentabilité (return) d’un placement peut être mesuré par la plus-value
réalisée sur la période plus le rendement éventuellement payé en dividendes ou
intérêt. Toutefois le taux de rentabilité futur est incertain. C’est là le risque d’un
placement. La rentabilité espérée peut ne pas se matérialiser et, au contraire une
perte peut survenir. Nous étudions dans ce chapitre les mesures habituellement uti-
lisées pour estimer le risque d’un placement.
Les risques des différents placements qui constituent un portefeuille ne sont pas
nécessairement additifs. La diversication permet de réduire le risque d’un porte-
feuille.
L’objectif de toute politique de placement est de chercher une forte rentabilité tout
en contrôlant le risque. Il s’agit donc de sélectionner des portefeuilles dits «ef-
cients » au sens qu’ils présentent le couple rentabilité/risque le plus attractif.
Markowitz (1959) a introduit la théorie moyenne-variance, également appelée théo-
rie de la frontière efciente, qui est une procédure de sélection de portefeuilles
optimaux prenant en compte à la fois les gains espérés et l’incertitude sur ces gains.
La deuxième section est consacrée à cette approche.
Enn, la troisième section introduit certains rafnements apportés à l’analyse du
risque, la Value at Risk (VaR) et d’autres mesures du risque.
Section
1 RENTABILITÉ, RISQUE ET DIVERSIFICATION
1 La rentabilité
Le concept de rentabilité a des acceptions différentes selon les investisseurs.

Quand nous parlons de rentabilité obtenue par un investisseur sur une action, nous
nous référons non seulement au dividende net que lui rapporte ce titre mais aussi à
la plus-value éventuelle qu’il en retire. Ainsi, le taux de rentabilité comprend à la
fois le rendement ou taux de rendement (dividende net rapporté au cours) et la plus-
value (ou moins-value) en capital rapportée au cours d’achat de l’action.
Formellement:
D t + Pt – Pt – 1
R t = -----------------------------------
- (1)
Pt – 1
100
Risque, diversification et frontière efficiente ■ Chapitre 4
où Rt constitue le taux de rentabilité de l’action i pendant la période t, Dt, le divi-

dende encaissé pendant la période t, Pt, le cours de l’action à la n de la période t,
Pt– 1, le cours de l’action à la n de la période t – 1.
L’expression de ce taux de rentabilité est formulée avant imposition sur le revenu
des personnes physiques ; c’est la rentabilité brute de l’investisseur. C’est cette
expression du taux de rentabilité qui sera utilisée tout au long de cet ouvrage.
L’application de la formule (1) suppose que les distributions de dividendes ont lieu
en n de chaque période, ou, sinon, que les dividendes ne sont pas réinvestis avant
la n de la période.
En revanche, le choix de la période peut être variable. Il peut s’agir d’une semaine,
d’un mois, d’un an ou de plusieurs années.
Ainsi, étant donné le cours d’une action au début et à la n de la période de mesure
et le montant du dividende distribué, on peut connaître la rentabilité de cette action
durant la période.
Si, par exemple:
Pt – 1 = 100 e
Pt = 105 e
Dt = 5 e
Il s’ensuit que:
Rt = 5 + 105 – 100- = 10 %
--------------------------------
100
2 Le risque
L’investissement constitue le sacrice d’un avantage immédiat ou une absence de

consommation immédiate en échange d’avantages futurs. Dans la mesure où le pré-
sent est connu avec certitude, l’investissement en valeurs mobilières constitue

l’échange d’un avantage certain et immédiat contre un avantage futur et incertain.
Ainsi, le risque d’un actif nancier pour un investisseur peut être déni comme
l’incertitude qui existe quant à la valeur de cet actif à une date future.
L’objectif de tout investisseur est de réaliser une certaine rentabilité sur les capi-
taux qu’il gère. Cependant, l’obtention de celle-ci n’est pas certaine à l’avance. La
rentabilité réalisée (ex post) est plus ou moins différente de celle espérée (ex ante).
Par exemple: si un investisseur place 10 000 e en obligations à 8 %, la rentabilité
espérée peut être évaluée avec une précision relativement grande et la rentabilité qui
sera effectivement réalisée ne s’en éloignera guère. En revanche, si les 10000e sont
investis en actions d’une société qui se crée en vue de prospecter de l’uranium en
Afrique centrale, le taux de rentabilité futur de cet investissement ne peut être évalué
101
avec précision. Il pourra s’étager entre – 100 % (perte totale) et un pourcentage très
élevé, éventuellement. Le premier investissement, de par la faible variabilité de son
taux de rentabilité, peut être déni comme relativement peu risqué, au contraire du
second dont le taux de rentabilité peut être très variable.
Ainsi, on peut assimiler le risque d’un investissement à la dispersion ou variabilité
de sa rentabilité1 autour de la valeur anticipée. Bien que l’on puisse concevoir
diverses méthodes pour calculer et mesurer la variabilité d’une série statistique
(comme une série de cours passés, par exemple), la mesure de la variabilité la plus
utilisée est l’écart-type (ou identiquement son carré: la variance).
La variabilité d’une action sur une période déterminée est donnée par l’écart-type
de la série des taux de rentabilité de cette action sur un nombre de sous-périodes à
dénir. Ainsi, la variance de la rentabilité d’une action sur un an peut être calculée
à partir des observations passées des 52 taux de rentabilité hebdomadaires.
Statistiquement, la variance d’une série de taux de rentabilité passés est dénie
comme la moyenne des carrés des écarts entre ces taux de rentabilité et le taux de
rentabilité moyen.
Pour illustrer le concept de variabilité mesuré par l’écart-type, prenons l’exemple
schématique d’une action dont les quatre taux de rentabilité trimestriels sur la der-
nière année auraient été ceux qui sont indiqués dans la deuxième colonne du tableau
4.1.
Tableau 4.1 – Estimation du risque d’un titre sur 4 trimestres
Période Rentabilité R– R (R – R)2
Premier trimestre + 7 % 4% 16
Deuxième trimestre + 10 % 7% 49
Troisième trimestre + 2 % – 1 % 1
Quatrième trimestre – 7 % – 10 % 100
R=3% 166
La rentabilité moyenne par trimestre aura été dans le cas présent de 3 % et la

variance=166/4=41,5; l’écart-type, racine carrée de la variance, est de 6,45%. La
moyenne constitue une caractéristique de tendance centrale, l’écart-type une carac-
téristique de dispersion.
1. En toute rigueur, la variabilité, du fait de la symétrie des écarts par rapport à une tendance, est à
la fois une mesure de risque (écart en baisse) et de rentabilité (écart en hausse). Mais dans la mesure
où les distributions des taux de rentabilité sont symétriques, la variance ou l’écart-type des taux de
rentabilité constituent une bonne mesure de la variabilité potentielle et donc du risque.
102
■■ Rappels statistiques et notations

Le taux de rentabilité espéré d’une action i peut être différent de la performance
moyenne accomplie par cette action dans le passé. Par contre, si l’on s’attend à ce
que la distribution a priori des taux de rentabilité passés soit maintenue dans le futur,
la valeur espérée peut être estimée à partir du taux de rentabilité moyen réalisé lors
des périodes précédentes:
T
Ri = 1
--- ∑ R it
T
t=1
où l’opérateur sommation ∑ représente la somme des Rit pour t variant de 1 à T.

Rappelons que, mathématiquement, la variance d’une action se calcule par la for-
mule 1:
T
=1
2
σi ---
T ∑ ( R it – R i) 2
t=1
où Rit , est la rentabilité de l’action i sur la période t, t= 1, …, T et R i sa moyenne.

Une mesure mathématique du degré de dépendance des uctuations de cours de
deux actions (ou portefeuille) est la covariance entre les taux de rentabilité, qui
s’exprime par la relation suivante:
T
1
σ ij = --- ∑ ( Rit – R i ) ( R jt – Rj )
T
t=1
où Rit et Rjt constituent les taux de rentabilité de deux actions i et j, R i et R j étant
leurs moyennes respectives.
■■ Loi normale
L’assimilation des concepts de rentabilité et de risque au couple moyenne-variance
suppose que la distribution du taux de rentabilité suive une loi normale (Laplace-
Gauss), laquelle possède des propriétés très utiles. En effet, si une série de taux de
rentabilité suit une loi normale, et ceci quelle que soit la durée servant à calculer les
taux, la répartition de ces taux autour de la moyenne est symétrique et ne dépend que
de l’écart-type comme l’indique la gure 4.1. Dans ce cas, 38,3 % de ces taux
s’écartent de la moyenne de moins de la moitié de l’écart-type, à peu près 2/3 des
observations sont à un écart-type autour de la moyenne et plus de 95% des obser-
vations sont compris entre deux écarts-types autour de la moyenne. Ces propriétés
de la loi normale sont illustrées sur la gure4.1.
1. On divise parfois par τ – 1 au lieu de τ pour obtenir un estimateur non biaisé.
103
38,3 %
15,0 15,0
9,2 9,2
4,4 4,4
1,7 1,7
0,5 0,5
0,2 0,2
0,003 0,003
0,00003 0,00003
–5 –4 –3 –2 – 1– 1 1 11 1 2 2 1 3 4 5
2 2 2 2
Écart -type par rapport à la moyenne
Figure 4.1 – Fréquence des observations selon une distribution normale

De nombreux auteurs ont essayé de déterminer la loi de probabilité exacte suivie
par les cours boursiers en étudiant la distribution des taux de rentabilité passés.
Fama (1965) a observé que la loi normale constituait une excellente approximation
de la réalité mais que la distribution des cours semblait suivre plus précisément une
loi parétienne stable, dont la loi normale ne constitue qu’une particularité. En géné-
ral, il a trouvé que les queues de distribution étaient plus «épaisses» que pour une
loi normale. Longin (1996) conrme ce résultat. Il faut toutefois éviter de conclure
trop rapidement. D’une part, toute erreur dans les données entraîne des déviations
par rapport à la normalité. Ce genre d’erreurs matérielles apparaît nettement dans
certains résultats. D’autre part, le même type de phénomène serait observé, ex post
si la vraie loi de distribution n’était pas stable et donc changeait au cours du temps.
L’analyse économique justie la variation de l’espérance mathématique de la loi de
distribution, et beaucoup d’auteurs considèrent que la distribution n’est qu’une
superposition de distributions normales avec des moyennes différentes. D’un point
de vue opérationnel et statistique, la loi normale constitue une excellente approxi-
mation de la distribution observée (notamment pour les portefeuilles). Diverses
extensions ne nécessitant pas l’hypothèse de normalité sont présentées dans la sec-
tion3.
3 La diversification
En général, l’inclusion de plusieurs titres dans un portefeuille réduit le risque de

celui-ci par rapport au risque des titres individuels qui le composent.
Pour illustrer ce phénomène, nous allons prendre l’exemple de deux titres A et B
que l’on combinent dans un portefeuille de telle manière que A représente 60 % de
104
la valeur du portefeuille et B, 40 %; en d’autres termes xA = 60 % et x B = 40 %, avec

xA part du portefeuille investie en titres A, x B part du portefeuille investie en titres B.
La rentabilité du portefeuille est simplement la moyenne des rentabilités de cha-
cun des titres qui le composent, pondérée par leurs valeurs respectives dans le por-
tefeuille. Ainsi:
Rp = x A R A + x B RB
De même, l’espérance de rentabilité, E(Rp) est une fonction linéaire des espé-
rances de rentabilité des titres qui composent le portefeuille.
Le risque du portefeuille n’est en général pas égal à la moyenne pondérée des
risques des titres qui le composent. Il est fréquent que la variance (ou l’écart-type)
des taux de rentabilité du portefeuille soit plus faible que la variance de chacun des
titres. Ce résultat apparemment surprenant a une explication simple liée à la diver-
sication des risques. Le risque d’un portefeuille dépend non seulement du risque
des titres qui le composent, pris isolément, mais aussi de la mesure avec laquelle
leurs rentabilités sont affectées de manière similaire par les événements qui les font
varier. Les statisticiens emploient, pour mesurer ce paramètre, la covariance et le
coefcient de corrélation.
La covariance des taux de rentabilité de deux titres est la moyenne des produits
des écarts des taux de rentabilité des deux titres par rapport à leur moyenne
respective.
Une mesure liée à la covariance est le coefcient de corrélation. Le coefcient de
corrélation des taux de rentabilité de deux titres est égal au rapport de leur cova-
riance au produit de leurs écarts-types.
sAB = ρAB . s A sB
où les symboles ont la signication suivante :
– σAB = covariance des taux de rentabilité des titres A et B ;
– ρAB = coefcient de corrélation entre les taux de rentabilité des titres A et B ;
– σA = écart-type des taux de rentabilité du titre A ;

– σB = écart-type des taux de rentabilité du titre B.
Le risque du portefeuille sp a la formulation suivante:
σp 2 = xA 2 . σA 2 + x B2 . σ B2 + 2 x A xB σAB
ou σp 2 = xA2 . σA 2 + xB2 . σB2 + 2 x A xB σA σB ρAB
Il peut se présenter maintenant différents cas.
■■ Le cas où la diversification ne sert à rien:

les taux de rentabilité sont corrélés de manière parfaitement positive
Les taux de rentabilité de deux titres sont corrélés de manière parfaitement posi-
tive lorsque leur représentation périodique se trouve exactement sur une droite à
105
pente positive, comme sur la gure 4.2a. L’axe des abcisses correspond aux taux de
rentabilité du titre A et l’axe des ordonnées à ceux du titre B pour une même période
de mesure. Si celle-ci correspond à la semaine, chaque point de la diagonale repré-
sente une paire d’observations hebdomadaires des taux de rentabilité des titres A et
B pour cette semaine particulière.
Quel est l’effet sur le risque lorsque les deux titres sont combinés dans un même
portefeuille? Puisque par construction ρAB = + 1, le risque du portefeuille devient:
σp 2 = xA 2 . σA 2 + xB2 . σB2 + 2 xA x B σA σ B
soit: σp 2 = (xA σ A + xB σ B)2
σp =xA σ A + xB σB
Ainsi, lorsque les taux de rentabilité de deux titres sont parfaitement corrélés, le
risque de leur combinaison en un portefeuille mesuré par l’écart-type des taux de
rentabilité du portefeuille est simplement la moyenne arithmétique des risques des
titres individuels qui le composent, en utilisant comme pondération les valeurs de
marché respectives des deux titres.
■■ Le cas où la diversification peut supprimer totalement le risque :

les taux de rentabilité sont corrélés de manière parfaitement négative
La gure 4.2b indique que dans ce cas les taux de rentabilité périodiques de deux
titres se situent tous sur une droite de pente négative.
Dans la mesure où ρ AB est égal à – 1, le risque du portefeuille devient:
σp 2 = xA 2 . σA 2 + xB2 . σB2 – 2 xA xB σA σ B
soit: σp 2 = (xA σ A – xB σB )2
σp =xA σA - x B σB
Si l’on compose le portefeuille de telle manière que:
xA s s Bx B
----- = ------B ⇒ x A = ------------
-
xB sA sA
La parenthèse ci-dessus devient:

s B x Bs A
xA sA – xB sB = -------------------
- – x BsB = 0
sA
Ainsi, lorsque deux titres ont des taux de rentabilité corrélés de manière parfaite-
ment négative, il est possible de les combiner dans un portefeuille de manière à
éliminer tout risque.
Ce principe est à la base de toutes les stratégies de couverture.
106
Rentab ilité de l’action B Rentab ilité de l’action B
Rentab ilité
de l’action A
Taux de ren tabilité parfaitem en t Taux de ren tabilité parfaitem en t

positiveme nt co rrélés négative ment corrélés
Figure 4.2 a Figure 4.2 b
■■ Le cas où les taux de rentabilité ont une corrélation nulle

Ce cas est représenté sur la gure 4.2c : les taux de rentabilité périodiques des
deux titres forment un nuage de points par lequel il est impossible de faire passer
une droite de régression, de pente positive ou négative.
R e n t a b i l i t é d e l ’ action B R e n t a b i l i t é d e l ’ action B
Rentabilité
de l’ac t i o n A
Ta ux de rentabilité Cas général

sans corrélation
Figure 4.2 c Figure 4.2 d

Dans ce cas, la variance du portefeuille devient:
σp2 = x A 2 . σ A2 + xB 2 . σ B2
puisque: ρ AB = 0
Pour mieux apprécier l’effet de la diversication dans ce cas, nous allons pour-
suivre cet exemple de manière chiffrée.
Soient: xA = 0,5; xB = 0,5; σA = σB = 0,25 ou 25 %
σp 2 = (0,5)2 (0,25)2 + (0,5)2 (0,25)2
107
= (0,25) (0,0625) + (0,25)(0,0625)

= 0,03125
σp = 0,1768 ou 17,68 %
Le risque du portefeuille est inférieur à celui des titres qui le composent.
■■ Le cas général où la corrélation entre les taux de rentabilité

est comprise entre 0 et 1
Ce cas représenté sur la gure 4.2d correspond à la pratique: en moyenne, la cor-
rélation des taux de rentabilité de deux actions est de l’ordre de 0,6. La gure 4.2d
l’illustre bien: les points forment une direction marquée à pente positive par les-
quels on peut ajuster une droite de régression. Mais les points ne se trouvent pas tous
sur la droite.
Avec un coefcient de corrélation de 0,6, la variance du portefeuille devient :
σp 2 = xA 2 . σ A 2 + xB2 . σ B2 + 2 x A xB σ A σB . 0,6
Si l’on fait l’hypothèse simplicatrice que σA = σB = 0,25 et que l’investissement
du portefeuille dans A et B se fait à parts égales, on obtient:
σp 2 = (0,5) 2 (0,25) 2 + (0,5) 2 (0,25)2 + 2 (0,6) (0,5) 2 (0,25) 2
σp 2 = 0,05
σp 2 = 0,224 ou 22,4%
qui est inférieur à 25 %, risque de l’investissement exclusivement dans A ou dans B.
Cet exemple est l’illustration du principe de diversication des portefeuilles.
■■ Corrélation des rentabilités et corrélation des cours

Les dérivations précédentes illustrent l’importance de la corrélation entre les titres.
Plus cette corrélation est faible, plus l’avantage de diversication du risque est
important. On peut ainsi réduire le risque du portefeuille sans sacrier sa rentabilité.
La rentabilité du portefeuille est la moyenne des rentabilités alors que le risque du
portefeuille est inférieur à la moyenne des risques, sauf dans le cas extrême, et
exceptionnel dans la pratique, où la corrélation entre deux placements est égale à un.
Alors que toute la discussion a été conduite en termes de corrélation des taux de
rentabilité, il est intéressant de voir ce que cela implique pour les cours boursiers des
titres. La gure4.3 représente l’évolution des cours boursiers de deux titres qui sont
parfaitement et positivement corrélés. Dans ce cas, la variabilité du portefeuille sera
la même que celle de chacune des deux actions prises individuellement. La combi-
naison de ces deux actions dans un portefeuille n’apporte rien en termes de risque,
108
car la variabilité reste la même que si l’on s’était concentré sur l’une des deux
actions.
Une corrélation parfaite existe rarement dans la réalité. Considérons par exemple
deux sociétés européennes du même secteur industriel, leur corrélation est inférieure
à un car elles sont en concurrence. Même si elles sont toutes les deux portées par la
croissance du même secteur, toute part de marché de l’une est, en partie, acquise aux
dépens de l’autre. Par ailleurs des facteurs spéciques (qualité du management, de
la politique de marketing et de l’innovation, différence de coûts, mouvements
sociaux…) affectent chacune d’entre elles différemment. Les cours de deux actions
seront d’autant moins corrélés que ces actions appartiennent à des régions géogra-
phiques et à des secteurs différents.
Cours Cours
Temps Temps
Figure 4.3 – Fluctuations de deux Figure 4.4 – Fluctuations de deux

actions (corrélation positive) actions (corrélation négative)
Supposons maintenant que les deux actions sont parfaitement mais négativement
corrélées entre elles, comme sur la gure4.4. Lorsque le cours de l’une monte, le
cours de l’autre descend et vice-versa. Lorsqu’on combine ces deux titres dans un
portefeuille, la variabilité est réduite. On peut même trouver une proportion d’inves-
tissement dans chaque action qui annule totalement la variance du portefeuille.
Des corrélations très négatives peuvent être créées par des arbitrages. Par exemple,
on peut envisager un portefeuille acheteur à terme d’une mine d’or A et vendeur à
terme d’une mine d’or B. La motivation d’une telle stratégie est que la mine A est
bien «meilleure» que la mine B.En cas de uctuation du cours de l’or, la position
«longue» (acheteur) sur la mine A aura une rentabilité de signe opposé à la renta-
bilité sur la position «short» (vendeur) sur la mine B.Toutefois, la corrélation ne
sera pas parfaitement négative car les deux sociétés ne sont pas vraiment identiques.
Dans la pratique, la seule façon de créer un portefeuille de deux titres avec une cor-
rélation égale à – 1 est d’être simultanément acheteur et vendeur du même titre.
Mais la rentabilité du portefeuille résultant ne sera pas positive car seul le broker
s’enrichira!
109
Section
2 LA FRONTIÈRE EFFICIENTE
1 Rentabilité et risque d’un portefeuille de deux titres
Comme nous l’avons vu précédemment, la rentabilité espérée et le risque d’un

portefeuille composé de deux titres dépend des proportions, x1 % et x2 %, investies
dans chaque titre. La somme des proportions est égale à un (x1 + x2 = 1). Pour
simplier les notations, notons x la proportion investie dans le premier titre et 1–x la
proportion investie dans le deuxième titre.
L’espérance de rentabilité, E(Rp ) est une fonction linéaire des espérances de renta-
bilité des titres qui composent le portefeuille.
E(R p) = x E(R1 ) + (1–x) E(R2 )
Et la variance est donnée par:
σ 2p = x2 σ21 + (1–x)2 σ22 + 2 x (1–x) σ12
avec σ 12 = σ 1 σ 2 ρ 12
On voit bien que la rentabilité et le risque du portefeuille varient de manière
simple en fonction de x. Il est utile de tracer le lieu des portefeuilles dans un espace
rentabilité-risque, où l’axe des abscisses est le risque σp , et l’axe des ordonnées est
la rentabilité espérée, E(Rp). En faisant varier la proportion investie dans l’action 1
de 0% à 100% on obtient une courbe dans l’espace rentabilité-risque. Celle-ci est
reproduite sur la gure4.5. La diversication permet de réduire le risque puisque le
risque du portefeuille est «à gauche» de la moyenne des risques de deux titres.
Rentabilité
espérée
Risque (σ)
Figure4.5 – Combinaison de deux actions
110
2 Frontière efficiente
Markowitz (1959, 1987) a développé une méthode de solution générale du pro-

blème de la structure des portefeuilles qui incorpore le traitement quantié du risque
tel qu’il a été présenté ci-dessus. Cette méthode propose à l’investisseur un ensemble
de portefeuilles «efcients», c’est-à-dire qui, pour une rentabilité globale possible,
présentent le risque le plus faible, et vice-versa. Cette méthode utilise uniquement
les concepts de moyenne pour la rentabilité espérée et de variance pour l’incertitude
associée à cette rentabilité, d’où le nom de critère «moyenne-variance» associé à
l’analyse de Markowitz.
Si on représente sur un graphique rentabilité-risque chaque action individuelle,
caractérisée par son risque et sa rentabilité espérée, on obtient la gure4.6. Toutes
les actions numérotées1, 2, 3, etc. sont représentées par une croix point dans l’es-
pace rentabilité-risque. En combinant toutes ces actions en des portefeuilles, on peut
arriver à réduire le risque pour une même rentabilité. On répète donc ce qui a été fait
pour deux titres sur la gure4.5, en l’appliquant à l’ensemble des titres. L’objectif
est de ne retenir que les portefeuilles qui minimisent le risque pour une rentabilité
donnée, c’est-à-dire qui se situent «en haut à gauche» dans cet espace. En effec-
tuant toutes les combinaisons possibles de portefeuilles de titres, on obtient un
ensemble de portefeuilles optimaux généralement appelé frontière efciente,
laquelle est représentée sur la gure4.7 par la ligne AB. Ces portefeuilles optimaux
ou efcients sont tels que, pour un niveau de risque donné, ils maximisent la renta-
bilité ou, parallèlement, pour un niveau de rentabilité espérée, ils minimisent le
risque. Le portefeuille A est le portefeuille de risque minimal. Le portefeuille B est
celui qui fournit la meilleure rentabilité espérée.
Rentabilité B
Rentabilité espérée
espérée
4
3
1
A
2
Risque (σ) Risque (σ )
Figure4.6 – Actions individuelles Figure4.7 – Frontière efficiente
On peut déterminer analytiquement la frontière efciente en utilisant les formules

de variance présentées précédemment. Si l’on connaît l’ensemble des rentabilités
espérées, des variances et des covariances, on peut alors utiliser la programmation
quadratique, comme cela est détaillé ci-dessous. On fait généralement l’hypothèse
111
qu’il n’y a pas de ventes à découvert sur les titres et donc que la proportion du por-
tefeuille investie dans un titre ne peut pas être négative. Toutefois, cette frontière
efciente peut être calculée sous différentes contraintes de placement, avec possibi-
lité de vente à découvert, de contrainte minimale ou maximale sur certains titres ou
groupe de titres, etc.
■■ Aspects mathématiques de la frontière efficiente

Considérons N titres. Un portefeuille est investi avec des proportions x, c’est-à-
dire x1, x 2,… xn . L’espérance de rentabilité et le risque d’un portefeuille sont donnés
par:
N
E(R p) = ∑ xi E ( R i )
i=1
2 N
sp = ∑ ∑ xixj sij
i=1 j
Les portefeuilles efcients sont tels qu’ils minimisent le risque pour un niveau de
rentabilité espérée donné. Mathématiquement, cela correspond à choisir les propor-
tions x qui minimisent la variance du portefeuille sous contraintes:
N
min = ∑ ∑ x ix j σij
x i=1 j
sous les contraintes: N
∑ xi = 1
i=1
xi > 0 pour toute action i.

On remarque que la fonction objectif est une forme quadratique, symétrique et
semi-dénie positive en x et que les contraintes sur les x sont linéaires.
Une solution correspondant à un niveau de rentabilité ∑ xi E (R i ) = E peut donc
i
être obtenue par ce que l’on appelle un algorithme de programmation quadratique.
La frontière efciente est alors obtenue point par point par une paramétrisation de
la rentabilité espérée E. D’autres contraintes linéaires peuvent être ajoutées pour
reéter la politique de placement de l’investisseur.
Ce problème est souvent formulé sous forme matricielle et l’on appelle matrice de
covariance l’ensemble des σ ij. Pour N titres, il y aura N(N+1)/2 termes différents
dans la matrice de covariance. C’est-à-dire quepour100 actions, on a besoin d’esti-
mer 5050 covariances entre les taux de rentabilité des actions prises deux à deux (y
compris les variances de chaque action).
La frontière efciente détermine pour chaque niveau de rentabilité espérée le meil-
leur portefeuille, c’est-à-dire le portefeuille de risque minimum. De même, on peut
112
considérer que la frontière efciente détermine pour chaque niveau de risque le

portefeuille de rentabilité espérée maximale. Toutefois, une étape supplémentaire est
requise pour déterminer le portefeuille optimal d’un investisseur particulier. Comme
on le voit sur la gure4.7, celui qui désire une rentabilité plus élevée est obligé de
courir un risque plus grand. Il faut donc faire intervenir ici l’attitude face au risque
de l’investisseur. Connaissant les préférences des investisseurs individuels, on pour-
rait trouver le portefeuille optimal de chacun au point de tangence de sa fonction
d’utilité («courbe d’indifférence») et de la frontière efciente. De façon plus pra-
tique, on peut proposer à chaque investisseur une série de portefeuilles efcients
ayant des niveaux de risque très différents et lui laisser choisir celui qu’il préfère en
fonction de son attitude face au risque.
L’analyse que nous venons de présenter sera étendue dans le chapitre 6 à une
théorie du prix du risque sur un marché nancier en équilibre.
3 Applications pratiques et limitations de la frontière efficiente
Si les concepts de cette analyse en termes de rentabilité et risque ont révolutionné

les méthodes de gestion de portefeuille, plus rares sont les applications directes et
automatiques du modèle d’optimisation moyenne-variance de Markowitz.
3.1 Utilisation pratique

L’utilisation de cette approche pour gérer un portefeuille de titres individuels n’est
pas réaliste. En effet, pour utiliser le modèle, il faut d’abord formuler des prévisions
de rentabilité et estimer les variances et corrélations (ou covariances) entre chacun
des titres considérés. Comme indiqué plus haut, une analyse de cent titres requiert
l’estimation de plus de 5 000 termes de risque. Pour 500 titres, il faudrait estimer
plus de 125 000 termes de risque. Si on peut envisager qu’un département d’analyse
nancière puisse formuler des anticipations sur la rentabilité d’une centaine de
titres, l’estimation de 5000 variances et corrélation est forcément basée sur le passé.
Or, l’optimisation moyenne-variance est fort sensible à une faible variation des para-
mètres qui sont rentrés. Par ailleurs, la programmation quadratique rencontre des
problèmes de convergence algorithmique lorsque le nombre de termes est trop élevé.
Ainsi, pour mieux saisir la relation entre un grand nombre de titres, les praticiens
se concentrent sur les principaux facteurs qui affectent le cours de tous les titres.
Cette approche multi-facteurs, qui réduit grandement le nombre de termes de risque
à estimer, est présentée dans le chapitre suivant.
L’optimisation moyenne-variance est surtout utilisée pour l’allocation d’actifs
(asset allocation). Les différents placements sont généralement répartis en classes
d’actifs. Une classe d’actifs comprend des placements relativement homogènes qui
113
ont tendance à avoir des cours inuencés par les mêmes facteurs. Des exemples de
classe d’actifs peuvent être:
– actions françaises;
– actions européennes;
– actions japonaises;
– actions américaines;
– obligations gouvernementales en euro;
– obligations du Trésor américain.
Chaque classe d’actifs sera résumée par un indice ou benchmark spécique. Il
convient de formuler des prévisions sur chaque classe d’actifs et d’estimer leurs
différentes covariances, en tenant compte éventuellement de différents scénarios
économiques. L’optimisation moyenne-variance permet alors de déterminer une
politique de répartition internationale optimale des actifs. Nous reviendrons sur
l’application de l’approche moyenne-variance à l’optimisation de la politique de
placement internationale au chapitre14.
En pratique, les termes de variance et de covariance peuvent être estimés d’une
multitude de façons différentes. La manière la plus simple est de calculer, comme
indiqué dans la section1 de ce chapitre, un estimateur historique basé sur un échan-
tillon de taux de rentabilité passés. An de réduire l’effet des erreurs d’estimation,
Ledoit et Wolf (2004) proposent d’utiliser un estimateur shrinkage qui va atténuer
les valeurs extrêmes (qui sont souvent le fruit de grossières erreurs d’estimation).
Une approche alternative est d’utiliser un modèle économétrique de type GARCH
(Generalized Autoregressive Conditional Heteroscedasticity) qui modélise de
manière dynamique la matrice de variance-covariance des taux de rentabilité.
Lorsque le nombre d’actifs est grand, des stratégies d’estimation ont été proposées
par Engle (2002) et Engle et Kelly (2008). Alternativement, les termes de volatilité
peuvent être extraits à partir de prix d’options, comme indiqué au chapitre11.
3.2 Limitations
De nombreuses critiques ont été adressées à ce modèle d’optimisation.
Comme nous l’avons indiqué plus haut, les résultats de l’optimisation moyenne-
variance sont très sensibles aux paramètres de rentabilité et de risque qui sont pris
en compte. Comme le rappelle Michaud (1989, 1998), une faible variation de renta-
bilité espérée d’un des actifs considéré peut considérablement affecter la composi-
tion des portefeuilles efcients. Étant donné que les prévisions de rentabilité sont
assez aléatoires, cette forte sensibilité de l’optimisation moyenne-variance rend son
utilisation pratique délicate.
D’aucuns utilisent la rentabilité passée, estimée sur longue période (par exemple
les dix dernières années) au lieu de la rentabilité anticipée. Ceci permet d’intéres-
santes analyses sur le passé. On peut ainsi voir, ex post, quelles auraient été les
114
meilleures stratégies de placement sur une période donnée. S’il est possible de déri-
ver du passé certaines conclusions opérationnelles pour le futur, il serait néanmoins
dangereux de postuler que les rentabilités passées vont se répéter exactement. Un
titre ou classe d’actifs qui a eu une «chance» exceptionnelle dans le passé a peu de
raisons de voir ce même événement heureux se reproduire dans le futur. Une utili-
sation automatique et exclusive de données passées pour élaborer une politique de
placement future est critiquable.
Différentes méthodes ont été proposées pour améliorer l’approche moyenne-
variance. Il s’agit d’une approche de révision bayesienne des prévisions de rentabi-
lité. Black et Litterman (1992) basent leur approche de l’optimisation de l’allocation
d’actifs sur une vision « neutre » de l’allocation. Ils postulent qu’en l’absence
d’information un investisseur devrait détenir un portefeuille passif correspondant au
portefeuille de marché (voir aussi chapitre6). Les proportions investies dans chaque
actif devraient donc correspondre aux capitalisations boursières relatives. Connaissant
les capitalisations et la matrice de covariance estimée, ils en déduisent les espé-
rances de rentabilité implicites qui seraient cohérentes avec un marché en équilibre.
Si un investisseur a des idées personnelles sur la rentabilité future de certains actifs,
il peut dévier de ces proportions «neutres» en révisant les prévisions de rentabilité
implicites prises comme point de départ. Dans le même état d’esprit, Grinold (1999)
propose de se concentrer sur les déviations par rapport à un benchmark présélec-
tionné. Supposons qu’un investisseur français se xe comme objectif de battre
l’indice CAC 40. Le risque et les prévisions de rentabilité seront alors mesurés par
rapport à ce benchmark, qui constitue le portefeuille «neutre» en l’absence d’infor-
mations particulières. Nous reviendrons sur l’importance des benchmarks dans les
chapitres suivants.
Les problèmes inhérents d’estimation des rentabilités espérées ont incité les ges-
tionnaires de portefeuilles à développer des méthodes qui ne requièrent pas ce para-
mètre. Un exemple célèbre est le portefeuille à variance minimale dont la composi-
tion ne dépend pas des rentabilités espérées. Au niveau graphique, le portefeuille à
variance minimale correspond au portefeuille qui est le plus à gauche sur la frontière
efciente (voir gure 4.8). Dans le cas de deux actifs risqués A et B, la valeur mini-
mum de la volatilité du portefeuille (σP) est obtenue en égalisant à zéro la dérivée
première de σP par rapport à xA , la part du portefeuille investie dans le titreA:
115
Rentabilité
espérée B
Risque (s)
min
Figure 4.8 – Portefeuille à variance minimale

En résumé, le modèle d’optimisation de Markowitz n’est pas un outil de gestion
au jour le jour, mais plutôt un outil qui permet de structurer l’approche de la poli-
tique de placement. S’il est d’une grande utilité au niveau de l’allocation d’actifs, il
est nécessaire de pousser plus loin l’analyse du risque au niveau des titres indivi-
duels an de développer des outils de construction de portefeuilles.
Section
3 VALUE AT RISK ET AUTRES MESURES DU RISQUE
1 Semi-variance, downside et shortfall
L’écart-type (ou son carré la variance) est une mesure du risque très simple qui se
prête bien à la modélisation. Comme nous l’avons indiqué plus haut, son utilisation
est parfaitement justiée si les rentabilités suivent une loi de distribution normale.
Dans ce cas la distribution est symétrique, c’est-à-dire que la probabilité de réaliser
une rentabilité supérieure de x % à la rentabilité espérée est identique à la probabilité
de réaliser une rentabilité inférieure de x % à cette rentabilité espérée. Par ailleurs,
toute la distribution de rentabilité est connue dès que l’on connaît son espérance et
son écart-type. Certains considèrent que, dans la pratique, les distributions de taux
de rentabilité ont des «queues épaisses» (c’est-à-dire que la probabilité d’un mou-
vement extrême est plus élevée qu’indiqué par la loi normale) et que les distributions
sont asymétriques (c’est-à-dire que les probabilités de hausse et de baisse sont dif-
férentes). Il est difcile de modéliser de telles lois de distribution et notamment pour
116
une application à la sélection de portefeuilles optimaux. Dès lors, des approches à

caractère plus empirique ont été proposées.
Une première approche consiste à utiliser la semi-variance, un indicateur de la
dispersion basé uniquement sur les rentabilités inférieures à la valeur espérée, alors
que la variance est basée sur toute la distribution. Cette approche tient compte de
l’asymétrie de la distribution. Pour traiter ce problème, diverses approches ont été
développées autour d’un même concept. Comme les appellations varient nous utili-
serons le terme anglo-saxon de downside risk ou shortfall risk. Plutôt que de tenter
de minimiser la variance, cette approche se xe un seuil de perte (par exemple –
10 %) et cherche à construire des portefeuilles qui minimisent la probabilité de
perdre plus que ce seuil (voir Harlow, 1991). Le shortfall risk est donc la probabilité
de perdre un certain montant spécié a priori. Si les taux de rentabilité suivent une
loi de distribution normale, les approches par la variance et par le shortfall risk sont
équivalentes. Ce n’est pas le cas autrement.
L’approche par le shortfall risk est séduisante dans son principe. Toutefois elle
souffre de nombreux problèmes (voir Sortino et Forsey, 1996). Elle n’a pas la sim-
plicité de l’approche moyenne-variance lorsqu’on cherche à optimiser un choix de
portefeuille. La variance d’un portefeuille peut être directement calculée à partir des
variances et covariances (ou corrélations) des titres individuels par une formule très
simple. Ce n’est pas du tout le cas pour une optimisation de type shortfall risk. Il
faut recalculer empiriquement le shortfall risk pour chaque portefeuille à partir de
l’ensemble des données observées. De plus, la principale critique à l’optimisation
moyenne-variance est qu’elle est très sensible à une faible variation des inputs. Le
même problème se pose pour l’optimisation du shortfall risk. Le vrai problème
auquel sont confrontés tous les modèles d’optimisation est qu’il est nécessaire d’uti-
liser des données passées pour estimer la distribution future des rentabilités.
Malheureusement, Sortino et Forsey (1996) montrent que les modèles d’optimisa-
tion du shortfall risk sont encore plus sensibles à une faible variation de la distribu-
tion estimée que le modèle moyenne-variance.
2 Value at Risk (VaR)
La Value at Risk (VaR)1 suit une démarche inverse de la précédente. Plutôt que de
mesurer la probabilité de perdre un montant xé a priori, VaR mesure combien peut
être perdu avec une probabilité xée a priori (par exemple 5%). La deuxième dif-
férence de l’approche VaR par rapport à l’approche moyenne-variance est qu’elle
mesure la perte en capital (par exemple en euros) plutôt qu’en pourcentage. C’est-
à-dire que le taux de rentabilité, utilisé précédemment, est multiplié par le montant
1. Voir Linsmeier et Pearson (2000) et Pérignon et Smith (2010).
117
investi pour calculer un gain ou une perte en capital. Il ne s’agit que d’une différence
dans la présentation des résultats.
Cette approche a connu un grand succès, car elle est utilisée par toutes les banques
pour évaluer leur risque global, conformément aux accords de Bâle sur le capital des
banques. Par ailleurs elle est présentée en termes simples, et donc plus compréhen-
sibles par le non-initié que les dénitions statistiques généralement employées dans
cet ouvrage. Toutefois, cette apparente simplicité conduit souvent à des erreurs
d’interprétation.
La VaR est également fréquemment utilisée par les gestionnaires de fonds d’inves-
tissement ou de fonds spéculatifs an de quantier le niveau de risque de marché de
leurs fonds.
2.1 Objectif et définition

La VaR est une mesure statistique synthétique de la perte maximum qui peut être
attendue sur une position dans des conditions de marché «normales». C’est aussi
une méthode qui permet de communiquer un chiffre «parlant» à des non-spécia-
listes et décrivant «l’ordre de grandeur (magnitude)» du risque de perte possible.
Dénissons précisément la VaR.
VaR est la perte qui sera dépassée avec une probabilité de seulement p% sur une
période T. Autrement dit, il y a (1–p)% de chance de perdre moins que VaR sur la
période T.
Comme on le voit le calcul de la VaR requiert le choix a priori d’une probabilité
et d’un horizon:
– la probabilité p est généralement xée à 5%, voire même à 1%;
– l’horizon T est généralement une journée, une semaine ou un mois.
Si p = 5 %, on pense donc que seulement 5 % des uctuations observées sont
«anormales» ou «inhabituelles». La perte maximum dans des conditions de mar-
ché «normales» est donc de VaR.
Un exemple permettra de mieux comprendre cette dénition. Considérons un
investisseur qui souhaite calculer la VaR d’un portefeuille qu’il détient au seuil de
p =5%. C’est un portefeuille de 10millions d’euros avec une rentabilité anticipée
de 0% et un écart-type des rentabilités de 10%, soit un écart-type des variations de
capital de 1million d’euros (10% de 10millions). La distribution des pertes/gains
est donnée dans la gure4.9. La VaR est obtenue en calculant les 5% d’occurrences
les plus défavorables. On voit que dans 5% des cas on se situe à gauche de – 1,645.
C’est la surface hachurée sous la courbe de distribution. La VaR à 5% est donc de
1,645million.
118
2.2 VaR et loi normale

Il est utile de voir quels sont les résultats de la VaR sous l’hypothèse de distribu-
tion normale. La loi normale est telle que 5% des observations se situent à 1,645
écart-type à gauche de l’espérance. Si l’on note E(R) le gain espéré en millions (et
non pas en%) et σ son écart-type, on a:
VaR (5%)=– [E(R) – 1,645 σ]
Toujours sous l’hypothèse de normalité, la VaR à 1% est donnée par:
VaR (1%)=– [E(R) – 2,326 σ]
Illustrons ces calculs sur l’exemple du portefeuille précédent, mais en supposant
qu’on anticipe un gain de 0,5million (soit une espérance de rentabilité de 5%). On
a alors:
– VaR (5%)=1,145million ;
– VaR (1%)=1,826million.
Sur une journée E(R) est très faible par rapport à σ. On peut alors dire que:
VaR (1%) ≅ 2,326/1,645 VaR (5%)=1,414 VaR (5%)
Cette formule approchée est fréquemment utilisée.
Probabilité
5%
–6 –4 –2 0 2 4 6
– 1,645
Figure 4.9 – Distribution des gains/pertes en millions
2.3 Influence de l’horizon T

Les institutions nancières calculent généralement la VaR journalière pour toutes
leurs positions dont la valeur peut être déduite des cours cotés sur les marchés nan-
ciers. C’est également le cas des hedge funds qui souhaitent connaître le risque sur
119
un portefeuille d’arbitrage, ou d’une banque qui maintient un book de produits déri-

vés. Cela permet de gérer l’exposition au risque de façon dynamique. Par contre, la
direction d’une banque souhaitera estimer son risque total de perte sur un horizon
plus long, par exemple un mois ou un trimestre. Le risque de perte augmente avec
l’horizon considéré.
Plus généralement notons σT le sigma sur T jours, l’hypothèse de normalité i.i.d
(les résultats de chaque jour sont indépendants) implique que:
sT = T ⋅ s1
E(RT ) = T. E(R1)
On voit que le risque de perte croit moins vite que l’espérance de gain. Toutefois,
l’espérance de gain anticipée sur une journée est très faible par rapport à son écart-
type. Aussi, la VaR augmente avec T pour les horizons habituellement utilisés pour
le calcul de la VaR.
Des applications de la VaR sont détaillées dans le chapitre 15.
120
L’ESSENTIEL
•La quantication du risque est un préalable nécessaire à sa gestion. L’analyse
moyenne-variance offre un cadre conceptuel et opérationnel indispensable.
L’écart-type est une mesure simple et opérationnelle de la rentabilité d’un place-
ment. Il permet de mesurer l’incidence de la diversication sur le risque d’un
portefeuille. Le bénéce de la diversication dépend grandement de la corréla-
tion entre différents placements.
•L’optimisation moyenne-variance de Markowitz permet d’élaborer des straté-
gies de placement optimales. Toutefois ce modèle souffre de deux problèmes. Il
n’est pas opérationnel lorsqu’on considère un grand nombre de placements.
L’analyse de titres individuels tels que des actions ou des obligations nécessite
des outils d’analyse du risque particuliers. C’est ce que nous verrons dans des
chapitres suivants. Par ailleurs, ce modèle d’optimisation est très sensible à des
variations dans la valeur des inputs utilisés, et surtout les prévisions de rentabi-
lité.
•D’autres mesures du risque ont été proposées (shortfall risk) pour remédier à
l’hypothèse de normalité (loi de distribution de Laplace Gauss) sur laquelle
repose l’analyse moyenne-variance. À l’usage, ces mesures s’avèrent peu opéra-
tionnelles. L’analyse moyenne-variance reste un cadre simple et opérationnel
privilégié par les professionnels. Toutefois, l’analyse détaillée d’instruments
spéciques (actions, obligations, options…) requiert le développement d’outils
plus spéciques.
•L’analyse Value at Risk (VaR) connaît un grand succès, notamment pour l’ana-
lyse du risque global d’une institution nancière comme cela est évoqué en détail
au chapitre15. Elle traduit l’incidence sur les capitaux d’une institution du risque
de ses actifs ou passifs. Il s’agit surtout de traduire en termes monétaires l’ana-
lyse du risque que nous poursuivons à travers l’ensemble de cet ouvrage. Le

résultat de cette analyse VaR est de fournir un chiffre synthétique, la VaR.
L’effort d’analyser la totalité des risques d’une institution et de prendre en
compte leur corrélation est nécessaire. Mais sa traduction en un chiffre unique,
conduit fréquemment à de mauvaises interprétations par des non-spécialistes. Il
ne s’agit pas là de la perte maximum que peut subir l’institution nancière,
comme certains le pensent parfois. En fait, et comme le savent les gestionnaires
professionnels, l’analyse et la gestion du risque requièrent des outils plus com-
plexes qui ne peuvent être résumés en un ou quelques chiffres synthétiques.
121
Chapitre
Les modèles
5 à facteurs
SOMMAIRE
Section1 Le modèle de marché
Section2 Les modèles à plusieurs facteurs
Chapitre 5 ■ Les modèles à facteurs
L es interactions entre les différents placements d’un portefeuille sont complexes

et nombreuses. Comme indiqué au chapitre précédent, la prise en compte de
toutes les corrélations entre 500 actions individuelles nécessite l’estimation de
125000 termes différents. Or, les cours de toutes les actions sont principalement
affectés par un petit nombre de facteurs communs à tous les titres. Pour être opéra-
tionnelle, la gestion de portefeuille nécessite donc de simplier la réalité en mettant
en évidence la réaction des titres à un certain nombre de facteurs communs.
Le modèle le plus connu, et en tout cas le plus simple, pour décrire la rentabilité
et le risque d’une action est le «modèle de marché ». Ce modèle qui trouve ses
origines dans les travaux de Markowitz (1959) a été développé par Sharpe (1964). Il
simplie la réalité en postulant que les uctuations des cours d’une action cotée sur
un marché sont dues à l’inuence du marché en général (le facteur de marché) et à
des causes purement spéciques à chacune des sociétés considérées. Le modèle de
marché est donc un modèle à un facteur dont les caractéristiques et l’utilisation sont
présentées dans la première partie de ce chapitre de manière détaillée. Toutefois, les
gérants de portefeuille utilisent maintenant des modèles à plusieurs facteurs qui
tiennent compte des complexités des relations entre différents titres.
Section
1 LE MODÈLE DE MARCHÉ
1 Présentation du modèle
Le modèle de marché décompose la rentabilité totale d’une action en deux:

– une partie, due à l’inuence du marché;
– l’autre partie due aux caractéristiques spéciques de l’action, correspondant aux
variations de cours qui lui sont spéciques. C’est la rentabilité spécique ou rési-
duelle qui est donc indépendante du facteur de marché.
Il est toujours possible de décomposer une variable (la rentabilité d’une action) en
la somme de deux variables. Mais l’hypothèse forte du modèle de marché est de dire
que le facteur de marché est le seul facteur commun à toutes les actions et que donc
les rentabilités spéciques sont non seulement indépendantes du marché mais éga-
lement indépendantes entre elles.
Bien évidemment, les sociétés ne réagissent pas de la même manière aux mouve-
ments du marché.
Prenons comme exemple Renault; les mouvements de l’indice CAC sont portés
sur l’axe horizontal de la gure 5.1. Il s’agit du pourcentage de variation par semaine
124
Les modèles à facteurs ■ Chapitre 5
pendant un an (52 taux de rentabilité). Les mouvements du cours de Renault (tou-

jours en pourcentage) pour la semaine correspondante sont portés sur l’axe vertical.
Donc, chaque point est représentatif des variations d’une semaine. Il est facile de
faire passer une droite par ces points, soit visuellement, soit par une méthode statis-
tique (méthode des moindres carrés par exemple). Cette droite s’intitule la droite de
régression du titre; sa pente représente la volatilité du titre (par rapport au marché)
ou sa sensibilité au marché.
La gure obtenue pour Renault est parfaitement représentative de l’ensemble des
valeurs et montre très clairement le degré de dépendance à l’égard du marché. Pour
chaque titre, la relation linéaire est très nette et facile à estimer avec une bonne pré-
cision. Ainsi, Renault a une pente de 1,35 et amplie donc les mouvements du mar-
ché de 35 % en moyenne.
Le fait que tous les points soient proches de la droite tracée, indique le caractère
systématique, période après période, de la rentabilité de l’action Renault.
Le fait que tous les points ne soient pas exactement sur la droite, fait ressortir
l’aspect non systématique (ou non lié au marché) d’une partie de la rentabilité du
titre. L’équation de la droite qui statistiquement ajuste le mieux les points a l’expres-
sion suivante:
R it = ai + bi R mt + eit
Variation
du titre %
Pente = 1,35
15 %
10 %
5%
1
2 2
5% 10 % 15 % Variation
2
du marché %
2
3 2
2
3
Figure5.1 – Droite de régression de l’action Renault
125
où les symboles signient:

– Rit = taux de rentabilité de l’action i, pendant la période t;
– Rmt = taux de rentabilité du marché mesuré par un indice général pendant la période
t;
– bi = paramètre propre à chaque action i et qui indique la relation qui existe entre les
uctuations de l’action i et les uctuations de l’indice général du marché; c’est le
coefcient de volatilité ou coefcient bêta;
– eit = paramètre spécique à l’action i;
– a i = paramètre dont la valeur est telle que la valeur espérée de eit est nulle (ou valeur
espérée de Rit lorsque Rmt est nulle).
Les principaux paramètres de cette relation, bêta, alpha, epsilon ont la signica-
tion qui suit : bêta exprime la sensibilité des uctuations de la valeur à celle de
l’indice.
Le coefcient bêta a l’expression suivante:
sim
βi =
s m2
Il est égal à la covariance des taux de rentabilité de l’action i avec ceux de l’indice
de marché (σ im) rapporté à la variance des taux de rentabilité de l’indice de marché
( σm2 ).
Le tableau5.1 donne les coefcients bêtas pour toutes les entreprises de l’indice
CAC40, ainsi que la mesure de leur risque total. La période d’estimation couvre
sept années, entre septembre2006 et septembre2013. Comme les données utilisées
sont quotidiennes, le nombre de rentabilités pour chaque entreprise est de 1827.
An de faciliter la lecture du tableau, les entreprises ont été classées par ordre
décroissant de risque total. Il fournit aussi quelques mesures statistiques de la vali-
dité du modèle de marché.
R it
Rmt
Figure 5.2 – Droite de régression de titres moyennement volatils
126
Tableau5.1 – Estimation des mesures de risque des sociétés

de l’indice CAC40 (2007-2013)
Risque
Classification Capitalisation Risque
Entreprise Beta R2 spéci-
sectorielle boursière total
fique
SOCIETE GÉNÉRALE Banques 29 973 0,532 1,560 0,559 0,353
CRÉDIT AGRICOLE Banques 20 576 0,514 1,547 0,590 0,330

Transformation
ARCELORMITTAL 17 186 0,503 1,533 0,606 0,316
des métaux
AXA Assurances 41 661 0,484 1,619 0,728 0,253
BNP PARIBAS Banques 63 629 0,477 1,481 0,627 0,291
Automobiles et
RENAULT 17 814 0,469 1,350 0,576 0,305
équipementiers
Ingénierie
VALLOUREC 6 376 0,444 1,187 0,466 0,325
industrielle
Bâtiments et
SAINT GOBAIN 20 830 0,426 1,391 0,696 0,235
construction
Ingénierie
ALSTOM 8 316 0,424 1,255 0,570 0,278
industrielle
TECHNIP Pétrole & Gaz 10 178 0,411 1,112 0,477 0,298
Automobiles et
MICHELIN 15 322 0,400 1,137 0,526 0,276
équipementiers
STMICROELECTRONICS Technologie 6 411 0,397 1,006 0,419 0,302
Bâtiments et
LAFARGE 15 253 0,394 1,198 0,603 0,248
construction
SCHNEIDER ELECTRIC Électronique 36 427 0,386 1,265 0,700 0,212
Aéronautique
EADS Espace 36 483 0,382 0,904 0,365 0,304
Armement
VEOLIA Services aux
6 962 0,381 0,945 0,401 0,295
ENVIRONNEMENT collectivités
BOUYGUES Banques 8 553 0,379 1,119 0,569 0,249
Aérospatiale et
SAFRAN 18 603 0,375 0,840 0,327 0,308
Défense
Services
CAP GEMINI 7 167 0,372 1,036 0,505 0,262
informatiques
Voyages et
ACCOR 7 018 0,364 1,019 0,511 0,255
loisirs
Distributeurs
KERING 21 823 0,361 1,037 0,539 0,245
généralistes
GEMALTO Électronique 7 299 0,350 0,712 0,269 0,299
Bâtiments et
VINCI 25 605 0,347 1,187 0,762 0,169
construction
Services aux
GDF SUEZ 44 721 0,331 0,942 0,528 0,227
collectivités
127
Risque
Classification Capitalisation Risque
Entreprise Beta R2 spéci-
sectorielle boursière total
fique
Distribution -
CARREFOUR 18 686 0,328 0,889 0,477 0,238
Alimentation
LEGRAND Électronique 11 061 0,319 0,866 0,481 0,230
EDF Électricité 40 706 0,314 0,770 0,391 0,245

Chimie de
SOLVAY 9 681 0,313 0,769 0,393 0,244
spécialité
Articles
LVMH 74 578 0,312 0,983 0,645 0,186
personnels
UNIBAIL-RODAMCO Immobilier 17 450 0,300 0,798 0,461 0,220
PERNOD-RICARD Boissons 24 763 0,288 0,692 0,377 0,227
Médias et
VIVENDI 22 990 0,279 0,806 0,543 0,189
publicité
TOTAL Pétrole & Gaz 101 938 0,275 0,920 0,728 0,144
Médias et
PUBLICIS GROUPE 12 870 0,270 0,712 0,451 0,200
publicité
SANOFI Santé 99 928 0,265 0,702 0,457 0,195
Produits de soin
L’OREAL 78 047 0,256 0,705 0,494 0,182
personnel
Télécom-
ORANGE 23 233 0,255 0,664 0,442 0,190
munications
AIR LIQUIDE Chimie 32 386 0,254 0,806 0,655 0,149
DANONE Agroalimentaire 36 189 0,247 0,614 0,403 0,191

Hygiène,
ESSILOR INTL. cosmétique et 17 746 0,221 0,457 0,278 0,188
santé
Les actions peuvent se classer en plusieurs catégories:

– les actions pour lesquelles une variation donnée de l’indice entraîne la même varia-
tion de rentabilité. Leur bêta est proche de 1. Les sociétés holding qui constituent
des sociétés diversiées appartiennent à cette catégorie (gure 5.2);
– les actions pour lesquelles une variation de plus ou moins 1 % de l’indice entraîne
une variation de leur rentabilité supérieure à plus ou moins 1 %. Ces actions sont
dites volatiles. Leur bêta est supérieur à 1 (gure 5.3);
– les actions pour lesquelles une variation de plus ou moins 1 % du marché entraîne
une variation de leur rentabilité inférieure à plus ou moins 1 %. Ces actions sont
dites peu volatiles. Leur bêta est inférieur à 1. Appartiennent à cette catégorie les
sociétés foncières par exemple (gure 5.4).
128
Rit Rit
R mt Rmt
Figure5.3 – Droite de régression Figure5.4 – Droite de régression

de titres très volatils de titres peu volatils
Epsilon est une variable aléatoire résiduelle; son écart-type constitue une mesure
de risque spécique. Pour reprendre l’exemple de Renault et de la gure 5.1, si le
cours du titre suivait exactement le marché (au coefcient de volatilité près), tous les
points seraient parfaitement alignés sur la droite de régression. La dispersion autour
de cette droite donne donc une mesure de la variabilité propre.
Les statisticiens ont un autre outil qui permet de déterminer dans quelle mesure les
observations divergent de la droite de régression: c’est le coefcient de détermination.
Le coefcient de détermination R2 est le carré du coefcient de corrélation entre
l’action i et le marché. Il peut prendre toute valeur entre 0 et 100 % et indiquer dans
quelle mesure les variations des actions sont expliquées par les variations du marché.
Un coefcient de détermination de 100 % signierait que toutes les observations sont
sur la droite de régression, ce qui voudrait dire que les variations de l’action sont inté-
gralement et exclusivement expliquées par les variations du marché.
Pour Renault, par exemple, 55 % du risque lié à cette valeur est dû à sa relation de
dépendance directe avec le marché (volatilité) et 45 % est expliqué par des caracté-
ristiques propres au titre (risque spécique). Comme nous le voyons dans le tableau
5.1, la part de risque de marché est en moyenne de l’ordre de 50% pour les valeurs
françaises (le R2 moyen est de 51,5 % pour les rmes du CAC 40), comme pour les
valeurs américaines ou les valeurs britanniques. Le même phénomène d’interdépen-
dance apparaît donc sur toutes les Bourses mondiales.
Si l’on utilise la dénition de la rentabilité de l’action telle qu’elle est donnée par
le modèle de marché, les risques systématique et non systématique (ou spécique)
sont égaux aux écarts-types (variabilités) de chacune des composantes de la rentabi-
lité.
Le risque systématique d’une action est égal à bêta fois l’écart-type du taux de
rentabilité du marché:
Risque systématique: b i . sm
129
Le risque spécique est égal à l’écart-type du facteur résiduel:

risque spécique: s ei
Le risque total de l’action est donné par la relation;
si 2 = bi2 s m2 + sei2
Cette relation est illustrée de manière géométrique sur la gure 5.5 où sont repré-
sentées les uctuations, sur une certaine période, du marché et de deux actions. Les
deux actions 1 et 2 ont un risque systématique identique, mais l’action 2 a un risque
spécique supérieur à celui de l’action 1. Par référence au théorème de Pythagore
– bien connu en géométrie –, le risque total de l’action 2 est supérieur au risque total
de l’action 1 et a pour expression : (Risque total)2 = (Risque systématique)2 +
(Risque spécique) 2
Marché
Action 1
Action 2
Action 1 Action 2
l
Risque tota Risque tal
ue ue to
systématique
Risq systématique
Risq
Figure5.5 – Risque de marché, risque spécifique, risque total
Quelle fraction du risque total provient du risque spécique? Le tableau5.1 four-

nit quelques éléments de réponse pour les entreprises du CAC40 : le risque total est
en moyenne de 36% par année alors que le risque spécique est de 24,6 % par
année. De plus, Campbell, Lettau, Malkiel et Xu (2001) ont montré que le risque
spécique des entreprises américaines s’était accru au cours des dernières décen-
nies. Le fait qu’en moyenne deux tiers du risque total soit spécique à l’entreprise
explique pourquoi les chercheurs en nance ont tenté d’enrichir le modèle de mar-
ché, comme nous le verrons dans la prochaine section.
En dénitive, les trois mesures essentielles, α, β et e, du modèle de marché, sont
résumées sur la gure 5.6.
130
Rj%
Rentabilité
de la valeur
15 % Droite de régression
ou droite caractéristique σ
10 %
β = pente
4%
} α Rm %
5% 10 % Rentabilité
du marché
Figure5.6 – La droite de régression et ses principaux paramètres
2 Le modèle de marché et la diversification
La gure 5.7 représente les variations des taux de rentabilité d’un portefeuille
composé de 30 valeurs françaises choisies au hasard par rapport aux variations du

marché. En comparant ce graphique à celui de Renault, il apparaît que le risque de
ce portefeuille se réduit presque parfaitement à son risque de marché (pente de
0,97). La relation des uctuations de valeur de ce portefeuille avec le marché est
presque parfaite, puisque la dispersion autour de la droite est très faible (R2 = 0,98).
Aussi, le risque d’un portefeuille dépend en première approximation du nombre de
titres en portefeuille.
Bien sûr, la réalité n’est pas si simple et le nombre de valeurs incluses dans un
portefeuille ne saurait être l’unique mesure de sa diversication. Ainsi, un porte-
feuille également réparti entre dix titres semble a priori mieux diversié qu’un
portefeuille dont 90 % du montant est investi dans une valeur et le reste réparti entre
les neuf autres titres. D’autre part, certains titres ont un risque spécique inférieur à
d’autres.
131
Bien évidemment, un portefeuille composé d’actions représentant des sociétés

reconnues et importantes sera moins risqué qu’un portefeuille de taille similaire
regroupant des petites sociétés. Enn, il est raisonnable de penser qu’un portefeuille
diversié du point de vue des secteurs industriels sera moins risqué qu’un porte-
feuille dont les titres appartiendraient au même secteur.
Rentabilité
du portefeuille
(%)
15 % Pente = 0,97
10 %
5%
2 2
2 3
43
4
2 2 2
3
5% 10 % 15 % Rentabilité
3 du marché (%)
Figure5.7 – Droite de régression d’un portefeuille de 30 titres
En dénitive, le risque d’un portefeuille dépend de trois facteurs :

– le risque de chaque action incluse dans le portefeuille ;
– le degré d’indépendance des variations des actions entre elles ;
– le nombre de titres du portefeuille.
Le premier facteur d’explication du risque d’un portefeuille a déjà été amplement
analysé. Un portefeuille sera d’autant plus risqué que les actions qui y gurent
auront un bêta élevé. Cela résulte du fait que, comme nous le verrons par la suite, le
coefcient bêta suft à caractériser le risque d’un portefeuille bien diversié.
Le degré d’indépendance des variations des actions entre elles a une grande impor-
tance dans la réduction du risque d’un portefeuille.
132
En général, deux actions ne uctuent pas de manière indépendante. Leur cova-

riance est supérieure à zéro. Dans ce cas, la réduction du risque n’est pas aussi
grande que dans le cas où deux actions verraient leurs cours évoluer de manière
indépendante. Elle peut être en tout cas assez importante pour que le risque du por-
tefeuille soit plus faible que le risque moyen des deux actions, comme on l’a vu au
chapitre précédent.
La variabilité de marché d’un portefeuille est «systématique» dans la mesure où
elle ne fait que traduire les incertitudes du marché. Il est impossible d’éliminer ce
genre de risque à partir du moment où l’on prend la décision d’investir sur le marché
nancier. Par contre, il apparaît que la variabilité spécique peut être rapidement
éliminée par la diversication. En effet, et comme on l’a vu ci-dessus, le risque
d’une valeur dépend de deux composantes: son risque de marché et son risque spé-
cique :
2 2 2
βi s m + sεi
Formons un portefeuille de N titres également investi dans chaque titre. En géné-
ral, les valeurs de ei pour différents titres sont indépendantes entre elles; si nous
faisons cette hypothèse, le risque ou variance d’un portefeuille dépendra, lui aussi,
de deux composantes:
2 2 2 2
sp = βps m + sεp
N
où 1 et
βp = ----∑ βi
N
N i=1
2 1 2
sε = ----2 ∑ sε , risque spécique du portefeuille.
P N i
i=1
Il apparaît clairement que lorsque le nombre de titres inclus dans le portefeuille

(N) augmente, le risque spécique du portefeuille diminue.
2
Soit σε la valeur moyenne des risques individuels de chaque titre:
N 2
2 1 1 2
σ εp = ------ ∑ σ εi = ---- σε
N i=1
2 N
Le rapport tend vers 0 quand N devient grand.
133
La relation empirique qui existe entre le risque d’un portefeuille et le nombre de

lignes a été étudiée par Evans et Archer (1968), Wagner et Lau (1971) pour le mar-
ché américain et Pogue et Solnik (1974) pour le marché français. Solnik (1974) a
repris la même étude pour la période 1966-1971 et pour les principaux marchés
européens : la Grande-Bretagne, l’Allemagne, la France, la Suisse, l’Italie, la
Belgique et les Pays-Bas. De la même manière, il a utilisé des portefeuilles
américains à partir des valeurs cotées sur le NYSE. La même procédure a été suivie
pour chaque pays: par sélection au hasard, une série de portefeuilles ayant à chaque
fois un nombre de lignes plus important a été construit et leur risque moyen a été
calculé. Les gures 5.8 et 5.9 montrent l’effet de la diversication sur la réduction
du risque. Sur l’axe des ordonnées gure le montant du risque en France et aux
États-Unis du portefeuille par rapport au risque moyen d’une action pour chaque
pays. L’axe des abscisses indique le nombre des actions incluses dans chaque porte-
feuille. Les études récentes donnent des relations similaires.
Risque %
Risque %
100 États-Unis
100 France
90
90
80 80
70 70
60 60
50 50
43,8
40 40
34,5 32,67
30 30
27
20 20
10 Nombre d'actions 10 Nombre d'actions
1 5 10 15 20 25 30 35 40 45 50 1 5 10 15 20 25 30 35 40 45 50
Figure5.8 – Risque et diversification Figure5.9 – Risque et diversification

États-Unis France
On peut constater qu’à mesure que la diversication s’accroît, le risque du porte-

feuille décroît dans chaque pays, mais pas de manière linéaire. Très rapidement, la
réduction marginale de la variabilité, lorsque l’on ajoute une action supplémentaire
dans le portefeuille, devient plus faible.
Il apparaît en dénitive que l’accroissement du nombre de lignes au-delà d’un
certain seuil ne sert à rien pour réduire le risque. De plus, si l’addition de lignes
supplémentaires implique l’ajout d’actions très risquées, l’effet net pourrait être un
accroissement du risque plutôt qu’une diminution.
134
En résumé, le bêta d’un portefeuille, c’est-à-dire son risque de marché, est la

moyenne pondérée des bêtas des titres qui le composent. Par contre les risques spé-
ciques se diversient et diminuent avec le nombre de lignes. Pour un portefeuille
très bien diversié, seul subsiste le risque de marché.
3 Utilisations pratiques
Le modèle de marché facilite la gestion du risque d’un portefeuille.
3.1 Fixer des objectifs de risque

Comme nous le verrons ultérieurement, la gestion de portefeuille se situe
généralement par rapport à un benchmark ou un indice de marché de référence. Pour
un portefeuille d’actions françaises, on mesure généralement la performance par
rapport à l’indice CAC 40. Pour un portefeuille d’actions anglaises, on mesure la
performance par rapport à l’indice FTSE (Financial Times Stock Exchange). Le bêta
d’un portefeuille se calcule facilement à partir des bêtas des titres individuels. Ce
simple calcul permet au gérant de portefeuille de mesurer, autrement que de façon
purement subjective, le risque de chaque portefeuille relatif au marché.
Le gérant de portefeuille subit un grand nombre de contraintes, telles les échéances
d’apport ou de retrait de fonds, les règles statutaires ou légales, les sujétions de la
décision collective d’investissement, voire le tempérament du client, qui limitent sa
liberté de gestion et lui rendent plus difcile le respect d’objectifs de rentabilité et
de risque. De plus, les objectifs xés par le client en mandat de gestion sont souvent
formulés de manière vague et imprécise. L’utilisation du modèle de marché permet
au gérant de connaître à tout moment le risque de ses portefeuilles par rapport aux
normes (ou benchmarks) qui lui ont été xées. Il est ainsi mieux outillé pour contrô-
ler leur performance et pour discuter d’une stratégie de placement avec ses clients.
Les objectifs de risque sont xés à deux niveaux dans le cadre du modèle de mar-
ché:
– niveau de risque relatif au marché (bêta). On décide par exemple d’adopter une
stratégie agressive en xant un bêta de 1,25 c’est-à-dire visant à amplier de 25%
les mouvements du marché;
– niveau de risque spécique. Le gérant va chercher à sélectionner des titres qui sur-
performent le marché. Ce faisant, son portefeuille ne sera pas parfaitement diversié
et subira un risque spécique (se) non négligeable. Le montant de risque spécique
qui est accepté dans le cadre de cette recherche de performance est souvent appelé
tracking error ou active risk et se mesure par l’écart-type de l’epsilon du
portefeuille.
135
3.2 Mieux profiter des prévisions de marché

Comme on l’a vu à propos de la diversication, le marché explique au moins 80%
des uctuations d’un portefeuille diversié, et ce d’autant que ce dernier est mieux
diversié.
Aussi, la capacité à prévoir le marché devient de première importance. Si tel est le
cas, le gérant pourra proter avantageusement, à l’aide du bêta, des prévisions de
marché.
Supposons, par exemple, que le client du gérant désire un portefeuille géré de
manière plus agressive ou que le gérant estime qu’il se trouve à l’aube d’une hausse
durable du marché. Comment tirer avantage de ces prévisions optimistes et tenir
compte des souhaits exprimés par le client? En accroissant le risque du portefeuille,
c’est-à-dire en arbitrant le portefeuille vers des titres à plus fort bêta, tout en conser-
vant une bonne diversication du portefeuille. Le gérant peut aussi réduire la posi-
tion en liquidités du portefeuille, voire s’endetter pour accroître le bêta du porte-
feuille total. Ainsi, si le marché monte de 10%, un portefeuille agressif avec un bêta
de 1,5 ampliera la hausse du marché de 50%, par rapport à un portefeuille avec un
bêta de 1.
En dénitive, l’utilisation du bêta permet de mieux dénir l’objectif de la gestion.
Le gérant peut ainsi calculer à tout moment la volatilité et donc le risque de son
portefeuille et le comparer aux benchmarks qui lui ont été xés. Il peut, pour des
raisons diverses et si cela est nécessaire, altérer le risque de son portefeuille. Pour ce
faire, il suft d’ajuster sa position en liquidités ou arbitrer des actions entre elles.
4 Limites du modèle de marché
Historiquement, le modèle de marché a révolutionné les méthodes de gestion de

portefeuille en proposant la première approche quantiée du risque. Son utilisation
s’est grandement développée, car la plupart des investisseurs étudient la rentabilité
et le risque d’un portefeuille par rapport au comportement du marché en général.
Toutefois, l’utilisation de ce modèle pour évaluer le risque de titres individuels
pose problème. Les bêtas sont généralement estimés statistiquement sur une période
passée, mais l’expérience montre que ces estimations sont instables. Le bêta d’un
titre mesuré sur l’année passée ne donne pas toujours de très bonnes indications sur
ce que sera la sensibilité de ce titre aux mouvements du marché dans l’année à venir.
An d’illustrer le problème de l’instabilité du bêta, nous mesurons celui de la
grande banque américaine, Bank of America, lors de trois sous-périodes récentes.
Entre janvier2003 et juin2007, le bêta était de 0,495 (période1 dans la gure 5.10);
sa valeur est passée à 2,713 lors de la période juillet2007 et mars2009 (période2
136
correspondant a la crise nancière); et nalement a 2,037 entre avril2009 et sep-

tembre2012 (période3).
Indice S&P 500

1800
1600
1400
1200
1000
800 1 2 3
600
400
200
0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Bank of America (BoA)

50
45
40
35
30
25
20 1 2 3
15
10
5
0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Figure5.10 – Évolution de l’indice action américain et de l’action

Bank of America
Cette instabilité peut résulter d’un problème d’estimation statistique et diverses

méthodes ont été développées an d’améliorer la stabilité des paramètres estimés.
Un événement exceptionnel dans la vie d’une société va affecter le calcul du bêta sur
137
une période donnée, mais a peu de chance de se reproduire dans le futur. Ainsi,
Blume (1975) a constaté que les bêtas avaient tendance à retourner vers la moyenne,
c’est-à-dire vers un. Par exemple, si le bêta d’une société a été estimé à deux sur l’an
passé, il est probable qu’il sera compris entre deux et un l’année suivante. Une
méthode d’ajustement Bayesien permet d’améliorer l’estimation du bêta futur.
Il est également possible d’utiliser des données «fondamentales» sur l’entreprise
pour améliorer l’estimation des bêtas et leur stabilité. Ainsi, l’analyste nancier peut
contribuer à afner l’estimation du risque futur d’un titre.
Toutefois le problème fondamental du modèle de marché est qu’il tente de résu-
mer en un seul facteur, identique pour tous les titres, une réalité bien plus complexe.
Le facteur de marché n’est pas l’unique facteur inuençant simultanément un
ensemble de titres boursiers. La séparation simplement en deux facteurs d’inuence,
le marché et des facteurs purement spéciques au titre concerné, peut sembler une
simplication exagérée de la réalité1 .
D’ailleurs, ce facteur de marché n’explique qu’environ 20 à 50% des variations
de cours de chaque titre (cf. tableau 5.1). D’autres facteurs inuencent périodique-
ment l’évolution du cours d’un ensemble de titres. Ainsi, certains mois, les titres à
haut rendement (c’est-à-dire versant un dividende élevé) semblent exhiber une meil-
leure performance que les titres à faible rendement; d’autres mois c’est l’inverse.
De même, certains titres semblent être plus sensibles aux mouvements de taux
d’intérêt que d’autres et ce quelle que soit l’évolution du marché. Bien que la notion
de secteur d’activité soit oue pour certaines entreprises diversiées, il n’empêche
que les cours des sociétés appartenant à une industrie spécique ont tendance à être
inuencés par des causes communes. Ainsi, le cours des sociétés pétrolières tend à
subir l’évolution du cours du pétrole, les cours des sociétés liées à l’Internet
subissent les aléas des modes d’évaluation de ce genre de titres. Dès lors, on peut
vouloir décrire le comportement du cours d’un titre par un modèle à plusieurs fac-
teurs. Un tel modèle descriptif postule que le taux de rentabilité d’un titre est
inuencé par plusieurs facteurs communs; chaque titre pouvant avoir une sensibilité
différente à chacun des facteurs. Ainsi, il n’existe pas seulement un seul facteur
commun, le marché, mais plusieurs facteurs tels: le marché, le taux d’intérêt, le
rendement…
1. Cette critique a été reprise par Fama et French (1992) en se concentrant sur l’explication des
différences de rentabilité des titres en coupe instantanée.
138
Section
2 LES MODÈLES À PLUSIEURS FACTEURS
Un modèle à plusieurs facteurs peut s’écrire sous la forme:
Rit =αi + β1i f1t + β2i f2t +… + βki fkt +eit
où f1t à f kt sont les k facteurs (le premier pouvant être le facteur de marché) et les
constantesβ 1i àβki sont les sensibilités du titre i à chaque facteur. Comme précédem-
ment, ai est une constante spécique au titre i eteit est un terme spécique au titre i,
différent pour chaque observation t mais de moyenne nulle.
Ce modèle est donc une extension du modèle de marché avec maintenant k+1
sources de risque correspondant aux k+1 termes aléatoires (fonction de t), f1, f2, ...,
fk. Les nanciers utilisent parfois le terme «exposition» pour désigner la sensibilité
à chaque facteur (bêta).
Dans la pratique, trois types différents de modèles à facteurs ont été proposés que nous
passerons successivement en revue en terminant par celui le plus couramment utilisé.
1 Facteurs statistiques
En utilisant une base de données historiques sur les rentabilités boursières d’un
grand nombre de titres, il est possible d’«extraire» des facteurs par des méthodes
purement économétriques. On utilise généralement des méthodes statistiques
connues sous le nom d’analyse factorielle ou d’analyse en composantes principales
pour estimer un petit nombre de facteurs qui offrent la meilleure explication des
rentabilités passées de l’univers de titres (voir Goyal, Pérignon et Villa, 2008). Le
modèle statistique estime simultanément les facteurs eux-mêmes et les sensibilités de
chaque titre à ces facteurs. Ces facteurs statistiques souffrent de plusieurs problèmes.
Ils sont très difciles à interpréter car ce sont simplement des concepts statistiques
construits principalement comme une combinaison linéaire (un portefeuille) de titres.

La composition de ces facteurs évolue au cours du temps de manière souvent brutale.
La méthode statistique utilisée estime ces facteurs en cherchant à maximiser la valeur
explicative des facteurs sur une période donnée, ce qui résulte souvent en des corré-
lations articiellement élevées et qui ne persistent pas après la période d’estimation.
2 Facteurs macroéconomiques
Une autre approche consiste à postuler les facteurs a priori comme sources de
risque communes à toutes les sociétés. Cela conduit à privilégier deux types de fac-
teurs. Il s’agit d’une part de variables économiques qui affectent l’activité de toutes
139
les entreprises. Il s’agit d’autre part de variables qui affectent le comportement des
investisseurs dans ces sociétés et donc les règles de valorisation des sociétés sur le
marché nancier. On utilise généralement le terme «macroéconomique» pour dési-
gner ces facteurs.
Le choix des facteurs macroéconomiques à prendre en compte est un art tout
autant qu’une science. Ces facteurs doivent être des candidats logiques dont l’inter-
prétation économique est claire, robustes au cours du temps, et pouvant expliquer
une part importante des uctuations des cours boursiers des titres. Certaines
variables économiques sont des candidats potentiels comme facteur mais souffrent
du problème rédhibitoire de ne pouvoir être mesurées avec précision et d’une
manière instantanée. Par exemple, l’évolution de l’indicateur de la production indus-
trielle est un candidat logique, mais il est très difcile d’obtenir une mesure précise,
able et instantanée de cet indicateur. Or, c’est la variation de cours d’un titre de la
semaine ou du mois en cours qu’il convient d’expliquer. Il faut donc trouver des
indicateurs qui peuvent être mis à jour très rapidement.
Burmeister, Roll et Ross (1994) proposent un ensemble de cinq facteurs 1. Un
modèle pour les actions américaines basé sur des données mensuelles utilise les cinq
facteurs suivants, dont nous conserverons le nom en anglais an d’éviter le risque de
mauvaise interprétation:
– condence factor (f1). Ce facteur est mesuré par la différence de rentabilité observée
entre les obligations émises par les entreprises (Corporates) et les emprunts d’État
(Treasuries). Le taux d’intérêt sur les emprunts d’entreprises est plus élevé que sur
les emprunts d’État; la différence est une prime de risque de défaut (default risk
premium) car les investisseurs demandent un taux de rendement supérieur pour
compenser le risque de défaut. Une réduction de cette prime de risque de défaut est
le signe que les investisseurs ont davantage conance dans l’économie et engendre
techniquement une rentabilité supérieure sur les emprunts d’entreprises2. Ainsi, ce
facteur traduit la conance des opérateurs de marché à investir dans des placements
à risque. La plupart des actions ont une exposition positive à ce facteur de conance
(b 1 > 0) et donc leur prix a tendance à augmenter lorsque le facteur de conance est
positif sur la période (f1 >0). Toutefois, certains titres sont beaucoup plus sensibles
que d’autres. Cela dépend notamment du secteur d’activité;
– time horizon factor (f2 ). Ce facteur est mesuré par la différence entre la rentabilité
observée sur une obligation d’État à 20 ans et un bon du Trésor à un mois. Le taux
d’intérêt sur une obligation à long terme (20 ans) est généralement, mais pas tou-
jours, supérieur à celui sur une obligation à court terme (un mois). Cela correspond
à une prime de liquidité suggérant que les investisseurs demandent un taux de ren-
dement plus élevé pour détenir des investissements à long terme. Une réduction de
1. Chen, Roll et Ross (1986) avaient introduit cette approche en proposant quatre facteurs.
2. Comme on le verra plus tard, une baisse du taux de rendement requis par le marché se traduit par
une hausse des cours des anciennes obligations qui payent contractuellement un taux de coupon xé
lors de l’émission de l’emprunt.
140
cette prime de liquidité va favoriser la rentabilité observée sur les obligations à long
terme par rapport à celle sur les bons à court terme (f2 >0). Ainsi, ce facteur horizon
traduit le désir des opérateurs de marché à investir à long terme. Les sociétés de
croissance, qui ont peu de bénéces immédiats mais prévoient de générer de gros
bénéces dans le futur, sont plus exposées à ce facteur horizon (fort b 2) que les
sociétés de rendement ;
– ination factor (f 3). Ce facteur est mesuré par la différence entre le taux d’ination
observé pour le mois et sa valeur anticipée le mois précédent en utilisant un modèle
économétrique de prévision de l’ination. Une augmentation non anticipée de l’in-
ation (f3 >0) a tendance à avoir une inuence défavorable sur la plupart des titres
qui ont une exposition négative au risque d’ination (b3 < 0). Les sociétés du secteur
du luxe ont tendance à être très sensibles à ce facteur, alors que les secteurs de l’ali-
mentaire ou des biens de grande consommation sont moins sensibles. Les sociétés
foncières tirent prot d’une hausse de l’ination;
– business cycle factor (f 4 ). Ce facteur est mesuré par la variation mensuelle d’un
indicateur du cycle des affaires (niveau d’activité des entreprises). Une augmenta-
tion de la croissance économique (f4 >0) a tendance à favoriser toutes les sociétés
(b4 > 0), mais certains secteurs (commerce, etc.) sont beaucoup plus sensibles à ce
risque cyclique car leur activité (ventes) suit les aléas de la conjoncture;
– market timing factor (f 5). Ce facteur est mesuré par la partie de la rentabilité de
l’indice S&P 500 qui n’est pas expliquée par les quatre facteurs précédents. Ce fac-
teur représente les mouvements globaux de marché qui ne sont pas déjà pris en
compte par les quatre facteurs macroéconomiques. La plupart des titres ont une
sensibilité positive à ce facteur (f 5 > 0). Ce facteur fait le lien avec le modèle de
marché. Il n’y aurait pas besoin de ce facteur de marché résiduel si tous les facteurs
macroéconomiques pertinents avaient été pris en compte.
Des modèles à facteurs macroéconomiques ont également été proposés pour les
marchés européens et asiatiques, ainsi que pour des portefeuilles diversiés interna-
tionalement. Les critiques adressées à cette approche sont de trois types. Comme
nous l’avons indiqué ci-dessus, il n’est souvent pas possible de quantier de manière
able et instantanée les indicateurs économiques qui semblent a priori pertinents.
Les expositions à ces facteurs (bêtas) doivent être estimées statistiquement et ils sont
instables. C’est plutôt dans les caractéristiques fondamentales de chaque entreprise
qu’il faudrait trouver une explication des différences de comportement des titres
traités sur un même marché.
3 Facteurs caractéristiques (attributs) de sociétés
Cette approche considère que les caractéristiques d’une société, ses attributs, sont
des éléments importants permettant d’expliquer les différences de rentabilité entre
titres. Par exemple, la taille d’une entreprise est un attribut: les cours boursiers des
141
petites et des grandes entreprises ont tendance à avoir un comportement différent.

Un autre exemple est le ratio cours boursier/valeur comptable de l’entreprise.
Certaines entreprises se négocient à un cours boursier très supérieur à leur valeur
comptable. Ce sont des valeurs de croissance ou growth, car leur cours reète les
anticipations de croissance future des bénéces bien plus que la valeur historique
des actifs et passifs qui ont été accumulés par l’entreprise. Au contraire, certaines
entreprises, dites valeurs de rendement ou value, ont un cours boursier proche de la
valeur comptable car les perspectives de croissance modérées n’apportent pas de
valeur ajoutée. Ainsi les sociétés growth ont un PER (Price Earnings Ratio) plus
élevé que les sociétés value. En termes boursiers, les valeurs de croissance ont géné-
ralement une performance différente des valeurs de rendement. Cela ne veut pas dire
que les valeurs de croissance ont toujours une meilleure performance que les valeurs
de rendement, ou vice-versa, mais simplement qu’elles ont systématiquement une
performance différente (positive ou négative).
Les facteurs caractéristiques peuvent être classés en deux grands groupes: fonda-
mentaux et marché. Les facteurs caractéristiques fondamentaux sont associés à des
attributs de l’activité de l’entreprise (taille, volatilité des bénéces, endettement).
Les facteurs caractéristiques de marché sont associés au comportement du cours
boursier de l’entreprise (volatilité, momentum, volumes de transactions). Dans tous
les cas, un facteur caractéristique peut avoir une inuence positive sur certaines
périodes et négative sur d’autres périodes.
Là encore, la sélection des attributs pertinents est autant un art qu’une science. Les
facteurs caractéristiques doivent être des candidats logiques, faciles à interpréter,
robustes dans le temps, et capables d’expliquer un grand pourcentage de la diffé-
rence de rentabilité entre les titres. Il est important de pouvoir disposer d’informa-
tions à jour et comparables pour toutes les sociétés. Le choix des attributs relève
d’une procédure empirique. Les raisons théoriques qui justient l’utilisation de
certains attributs ne sont pas toujours claires.
Une fois que les attributs ont été sélectionnés, l’approche méthodologique est
nettement différente de celle des facteurs macroéconomiques où les rentabilités sur
les facteurs sont clairement identiées (par exemple le montant de l’ination non
anticipée), mais où les sensibilités sont estimées statistiquement. Dans l’approche
par attributs, c’est l’exposition d’un titre (sensibilité ou β) aux facteurs caractéris-
tiques qui est directement mesurée (par exemple la taille de l’entreprise), mais la
rentabilité sur les facteurs eux-mêmes doit être estimée par une méthode statistique.
L’exposition est simplement la mesure de l’attribut après normalisation. Si on note
X la valeur de l’attribut (par exemple la taille de l’entreprise en termes de capitali-
sation boursière) pour une société donnée, l’exposition est généralement mesurée
comme la déviation par rapport à la moyenne des valeurs de cet attribut pour toutes
les sociétés, Xmoyen, divisée par l’écart-type de ces valeurs,σ(X):
X – X moyen
β = ---------------------------
-
s( X )
142
Ainsi, l’exposition moyenne à chaque facteur est xée à zéro. Une société avec
une valeur de l’attribut inférieure à la moyenne aura une exposition négative à ce
facteur.
Les rentabilités sur un facteur donné sont estimées en construisant des porte-
feuilles ayant une exposition égale à zéro pour tous les facteurs sauf celui estimé.
Ces portefeuilles dits de réplication (mimicking portfolios) peuvent avoir des propor-
tions d’investissement négatives dans certains titres.
Grinold et Kahn (1994, 1995) proposent un ensemble de facteurs caractéristiques
tiré de leur expérience à BARRA, société spécialisée dans le domaine de la modéli-
sation du risque boursier. Nous donnons ci-dessous une liste des facteurs utilisés aux
États-Unis, en conservant le nom en anglais an d’éviter le risque de mauvaise
interprétation, et parce qu’elle correspond à l’appellation généralement utilisée par
les praticiens à travers le monde:
– industry. Cet attribut distingue les sociétés selon leur secteur d’activité industrielle.
L’exposition est souvent binaire, c’est-à-dire égale à 1 si la société appartient à
l’industrie considérée et à 0 dans le cas contraire. Lorsqu’une société a des activités
dans plusieurs secteurs industriels, l’exposition est égale au pourcentage d’activité
dans ce secteur;
– size. Cet attribut distingue les sociétés selon leur taille. La taille est généralement
mesurée par le logarithme de la capitalisation boursière;
– value. Cet attribut mesure si une société est «chère» sur le marché boursier, par
rapport aux données comptables fondamentales (résultat, cash ow, valeur
comptable);
– growth. Cet attribut distingue les sociétés selon le taux de croissance passé et prévi-
sible de leurs bénéces;
– earnings volatility. Cet attribut distingue les sociétés selon la volatilité passée de
leurs bénéces;
– nancial leverage. Cet attribut distingue les sociétés selon les ratios d’endettement
et l’exposition au risque de taux d’intérêt;
– currency. Cet attribut distingue les sociétés selon leur exposition au risque de change
en se fondant sur un indicateur de leur pourcentage d’activité à l’étranger;
– volatility. Cet attribut distingue les sociétés selon la volatilité de leur cours boursier.
Ce facteur est lié au facteur du modèle de marché;
– liquidity. Cet attribut distingue les sociétés selon le volume de transaction en Bourse
de leur titre;
– momentum ou success. Cet attribut distingue les sociétés en fonction de la perfor-
mance boursière récente de leur titre.
Pour une présentation des dernières évolutions des modèles BARRA, voir les
publications MSCI sur le sujet, comme Menchero, Orr et Wang (2011).
Une alternative extrêmement populaire aux modèles issus de l’industrie de la ges-
tion d’actifs (type BARRA) est le modèle de Fama et French (1992, 1993, 2012). Ce
143
modèle est fréquemment utilisé an de quantier l’exposition aux risques ou la

performance d’un portefeuille. Dans la version simple du modèle de Fama-French,
la rentabilité d’un titre ou d’un portefeuille dépend de la rentabilité excédentaire du
marché actions par rapport à l’actif sans risque, d’un facteur appelé SMB (pour
«Small Minus Big»), et d’un facteur appelé HML (pour «High Minus Low»). Les
facteurs SMB et HML sont construits à partir de toutes les actions cotées, regrou-
pées en six portefeuilles en fonction de deux attributs: (1) leur capitalisation bour-
sière et (2) leur ratio Book/Market, qui est le ratio entre la valeur comptable des
fonds propres de l’entreprise et sa capitalisation boursière.
Tableau5.2 – Construction des facteurs de Fama-French
Petite capitalisation Grande capitalisation
Book/Market élevé Small Value Big Value
Book/Market moyen Small Neutral Big Neutral
Book/Market faible Small Growth Big Growth
Dans le tableau5.2, les petites capitalisations (Small) regroupent toutes les entre-
prises dont la capitalisation boursière est inferieure à la médiane des capitalisations
boursières. De manière similaire, les grandes capitalisations (Big) sont les entre-
prises dont la capitalisation boursière est supérieure à la médiane.
Le ratio Book/Market est dit élevé (Value) s’il dépasse le 70e percentile de la dis-
tribution des ratios Book/Market, il est dit faible (Growth) s’il est inférieur au 30e
percentile de cette même distribution et il est dit neutre (Neutral) s’il est entre le 30e
et le 70e percentile.
Les facteurs SMB et HML sont alors obtenus à partir des rentabilités des six por-
tefeuilles:
SMB =1/3 (Small Value + Small Neutral + Small Growth)
–1/3 (Big Value + Big Neutral + Big Growth).
HML =1/2 (Small Value + Big Value)
–1/2 (Small Growth + Big Growth)
Le modèle de Fama-French énonce que le taux de rentabilité de l’action i pendant
la période t, Rit, dépend de trois facteurs1:
Rit =α i + bm,i (Rmt – Rft) + bSMB,i SMB t + bHML,i HMLt + e it
1. Les séries temporelles des facteurs de Fama-French peuvent être téléchargées depuis le site
internet de Kenneth French: http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html
144
où R mt est le taux de rentabilité du marché mesuré par un indice général pendant

la période t; et alpha capture la surperformance de l’action i. Ce type de modèle est
extrêmement populaire an de déterminer l’exposition au risque ou la performance
d’un actif nancier ou d’un portefeuille (Kosowski et al., 2006, Fama et French,
2012). Une version étendue du modèle, appelée modèle de Fama-French-Carhart à
quatre facteurs, est dénie par:
Rit = a i + b m,i (R mt - R ft) + bSMB,i SMBt + bHML,i HMLt+ bMOM,i MOMt + eit
où MOMt est un facteur momentum qui capture le différentiel de performance
entre les titres qui ont enregistré une bonne performance (High) et ceux qui ont
enregistré une mauvaise performance (Low) (Jegadeesh et Titman, 1993). En pra-
tique, le portefeuille MOM est obtenu en calculant la moyenne des rentabilités de
deux portefeuilles à forte performance sur les 12derniers mois (Small High et Big
High), moins la moyenne des rentabilités de deux portefeuilles à faible performance
sur les 12derniers mois (Small Low et Big Low):
MOM =1/2 (Small High + Big High)
–1/2 (Small Low + Big Low)
Dans le cas spécique des fonds spéculatifs ou hedge funds, d’autres facteurs sont
ajoutés au modèle de Fama-French-Carhart an de capturer des expositions non-
linéaires à certaines sources de risque ou au risque de pertes extrêmes (Fung et
Hsieh, 1997, Agarwal et Naik, 2004, Bali, Brown et Caglayan, 2011, Darolles et
Mero, 2011).
Une critique habituelle de ces modèles est que le fondement théorique de l’utili-
sation de certains attributs est souvent inexistant. Il s’agit plus de traduire des com-
portements boursiers passés. Il est notamment difcile de prévoir la rentabilité
future de chacun des facteurs caractéristiques. Il est aussi à craindre que de nou-
veaux attributs deviennent importants dans le futur alors que d’autres ne seront plus
pertinents.
4 Utilisations pratiques de ces modèles
L’utilisation des modèles à plusieurs facteurs est semblable, dans son esprit, à celle
du modèle de marché. Il s’agit d’abord d’une gestion du prol de risque d’un porte-
feuille. Il s’agit également d’une aide à la structuration d’un portefeuille an de
rentabiliser certains paris sur le futur.
L’exposition d’un portefeuille aux différents facteurs est simplement la moyenne
pondérée de l’exposition de chaque titre à ces facteurs. Le gérant de portefeuille peut
estimer les risques qu’il prend et l’exposition du portefeuille aux différentes sources
de risque. Si le gérant s’est xé un benchmark, c’est-à-dire un indice de référence
qu’il tente de battre (par exemple l’indice CAC 40), il peut de la même manière
145
évaluer l’exposition de ce benchmark aux différents facteurs. En comparant les

expositions de son portefeuille à celles du benchmark, il peut quantier les paris et
les risques qui sont pris dans son portefeuille. Il peut ainsi gérer de manière ne le
risque de déviation de performance par rapport au benchmark, ce qu’on appelle
généralement le tracking error (voir chapitre13).
Le gérant peut également utiliser ces modèles pour inéchir la composition du
portefeuille en fonction de certains paris sur l’évolution des facteurs. Supposons par
exemple, qu’un gérant considère que l’économie va croître à un rythme plus rapide
que prévu, entraînant des pressions inationnistes. Le gérant va vouloir augmenter
l’exposition de son portefeuille aux facteurs liés à la croissance et réduire son expo-
sition aux facteurs liés à l’ination. Il pourra aussi souhaiter privilégier certaines
industries et les petites sociétés de croissance.
L’ESSENTIEL
•Les modèles à facteurs traduisent l’inuence d’un certain nombre de facteurs
sur la rentabilité d’un titre. La rentabilité d’un titre dépend donc de la sensibilité
de ce titre à ces facteurs communs ainsi que d’un composant spécique à ce titre.
Une bonne diversication de portefeuille permet de réduire le risque du porte-
feuille en éliminant les risques spéciques à un titre.
•Historiquement, le modèle de marché comprenait un seul facteur, le comporte-
ment global du marché. Chaque titre est alors plus ou moins sensible (fort ou
faible bêta) aux mouvements de marché. Ce modèle reste d’actualité car il a
conduit au développement d’une théorie du prix du risque présenté dans le cha-
pitre suivant. Toutefois, il serait illusoire de croire que tous les titres sont unique-
ment inuencés par un seul facteur. Les modèles à plusieurs facteurs sont donc
beaucoup plus riches et opérationnels.
•Dans tous les cas, les modèles à facteurs ont deux utilisations principales: la
gestion du risque et la structuration du portefeuille an d’exploiter des prévisions
sur les facteurs.
146
Chapitre
Les modèles
d’équilibre des
6 actifs financiers
et le prix du risque
SOMMAIRE
Section1 Le prix du risque: un modèle d’équilibre
Section2 L’ extension internationale
Section3 APT
Chapitre 6 ■ Les modèles d’équilibre des actifs financiers…
T out investisseur professionnel sait que les marchés nanciers sont très ef-
cients. Pourtant, il prend généralement des risques pour tenter de «battre» le
marché. Pour le théoricien comme pour le praticien, il est important de
connaître les conditions de marché qui prévaudraient, si effectivement les marchés
étaient totalement efcients et les investisseurs rationnels. Pour tenter de «battre»
le marché, le praticien doit d’abord savoir comment s’établiraient les prix sur un
marché totalement efcient, c’est-à-dire s’il ne disposait pas d’informations ou de
méthodes privilégiées. Il s’agit là du modèle «naïf» qui doit guider la politique de
placement d’un investisseur moyen qui ne dispose pas d’informations meilleures
que celles dont disposent ses concurrents.
Sur un marché nancier, les risques d’un placement sont généralement compensés
par une rentabilité associée à ce risque. Un placement dans un bon du Trésor à court
terme est dénué de risque et sa rentabilité est certaine, il s’agit tout simplement du
taux d’intérêt sans risque. Par contre, l’achat d’une action fait courir un risque de
perte important qui doit être compensé par une espérance de rentabilité plus élevée.
On peut résumer celle ci comme la somme du taux sans risque plus une prime de
risque. Les deux questions qui se posent sont alors: 1) quel est le type de risque qui
justie la compensation par une prime de risque et 2) quel est le montant de cette
prime de risque?
La première section de ce chapitre sera consacrée au modèle d’équilibre des actifs
nanciers (MEDAF ou CAPM en anglais). Ce modèle, qui a valu le prix Nobel à
William Sharpe en 1990, postule que les investisseurs cherchent tous à maximiser la
rentabilité anticipée et à minimiser le risque de leur portefeuille (mesuré par l’écart-
type des rentabilités) et qu’ils disposent des mêmes informations. Dans la deuxième
section, nous présentons l’extension internationale de ce modèle qui tient notam-
ment compte du risque de change. La troisième section introduit l’arbitrage pricing
theory (APT) qui est une théorie du prix du risque basée sur l’arbitrage.
Section
1 LE PRIX DU RISQUE : UN MODÈLE D’ÉQUILIBRE
1 Le modèle
La frontière efciente du chapitre 4 est propre à un individu ou à une équipe d’ana-

lystes nanciers. Le modèle d’équilibre des actifs nanciers ou MEDAF1 , qui va
1. Capital Asset Pricing Model.
148
Les modèles d’équilibre des actifs financiers… ■ Chapitre 6
être développé ici, se propose de déterminer les prix des valeurs mobilières qui
permettent à l’offre et à la demande pour chacun des titres de s’équilibrer et donc de
dégager l’équilibre général du marché.
Il convient tout d’abord de rappeler que l’analyse précédente ne considérait que
les placements risqués. Or, il est possible de placer son argent dans un actif dénué
de risque au taux Rf (taux d’intérêt à court terme). Le modèle d’équilibre suppose
que ce taux sans risque est le même pour l’emprunt et le prêt. Il s’agit là d’une
hypothèse peu réaliste pour un investisseur privé, mais qui peut être relâchée dans
une version plus sophistiquée de cette théorie. Un certain nombre d’autres hypo-
thèses sont nécessaires au développement de cette théorie1 proposée par Sharpe
(1964) et Lintner (1965):
– le marché est composé d’investisseurs qui essaient d’éviter le risque et de maximiser
leur espérance d’utilité sur la période. En particulier, pour un niveau de rentabilité
espérée chaque investisseur essaye de minimiser la variance en n de période. Cette
période est la même pour tous les investisseurs;
– les anticipations de rentabilité et de risque sont les mêmes pour tous les
investisseurs;
– les marchés de capitaux sont parfaits en ce sens que tous les actifs sont indéniment
divisibles; il n’y a aucun frais de transactions et pas d’impôts, aussi les taux d’em-
prunt et de prêt sont égaux et les mêmes, quel que soit l’investisseur.
En conséquence, la frontière efciente des portefeuilles d’actifs risqués est iden-
tique pour chaque investisseur.
Choisissons un portefeuille de référence P.
En combinant un placement dans l’actif sans risque (rentabilité Rf) et un porte-
feuille d’actions (rentabilité espérée E(R p), risque σ p), l’investisseur anticipe une
rentabilité E(R) sur l’ensemble de ses placements, telle que :
E(R) = (1 – x) Rf + xE(R p)
et:
σ2 = x 2σ 2p
si x est la proportion de la fortune investie en actions. Cette formule peut être

déduite des équations du chapitre 4 en tenant compte de σ1 = σ12 = 0. En effet, x1 est
égal à 1 – x et E(R1 ) est égal à Rf.
Des deux relations que nous venons d’écrire on peut déduire que:
σ = xσp (1)
E(R) – Rf = x [E(R p) – Rf] (2)
1. Ces hypothèses sont sufsantes, mais pas nécessaires. Certaines peuvent être facilement assou-
plies, et de nombreuses recherches vont dans cette direction (voir par exemple Black, 1972, Merton,
1973, etc.). En fait, il a été montré que l’on obtenait le même résultat avec des hypothèses beaucoup
moins contraignantes.
149
E ( R p) – R f
d’où, en éliminant x: E ( R ) = R f + -------------------------
-s (3)
s p
Comme on le voit, il s’agit là d’une relation linéaire entre la rentabilité du porte-

feuille et son risque total. Ainsi, toute combinaison d’un portefeuille d’actions et
d’un placement dans l’actif sans risque sera représentée par une droite dans l’espace
rentabilité-risque, telle que la droite RfP de la gure 6.1.
Les points situés sur Rf P à droite de P sont obtenus pour x > 1, c’est-à-dire en
empruntant pour accroître son investissement dans le portefeuille d’actions. Toute
droite joignant le taux d’investissement sans risque à un point situé sur ou au-des-
sous de la frontière efciente, constitue un ensemble d’opportunités d’investisse-
ment. Celle qui aura la plus forte pente sera celle qui est tangente à la frontière
efciente des actifs risqués (ligne Rf M sur la gure6.1).
Ainsi, tout point de cette droite domine les autres portefeuilles de même risque.
Un investisseur qui désirerait prendre peu de risque allouerait une partie de ses res-
sources au placement sans risque et une autre partie au portefeuille M. Un investis-
seur plus spéculateur emprunterait au taux sans risque et investirait tous ses fonds
disponibles dans le portefeuille M.
Rentabilité
espérée
Rf
Risque total σ
Figure6.1 – La frontière efficiente et le portefeuille de marché

Quelle va donc être la composition de ce portefeuille M? Il est facile de répondre
à cette question puisque désormais, le choix du risque peut être séparé de la sélection
des titres. Le niveau de risque est obtenu en prêtant ou empruntant plus ou moins,
mais tous les investisseurs investissent dans le même portefeuille d’actions M. Il en
résulte que ce portefeuille ne peut être formé que de l’ensemble des valeurs cotées;
c’est le portefeuille de marché. Tout investisseur détient donc une combinaison de
l’actif sans risque et de portefeuille du marché. Tout portefeuille ainsi constitué est,
150
par dénition, parfaitement diversié puisqu’il inclut toutes les actions dans les
proportions de leurs capitalisations boursières. C’est là le théorème de séparation.
Revenons un instant à la gure 6.1. L’équation de la droite RfM s’écrit:
E ( R m ) – Rf (4)
E ( R ) = R f + --------------------------
-s
sm
E (R ) – R
La pente de cette droite --------------------------
m
-f donne une mesure de la rémunération du
risque. sm
Toutefois, cette formule ne s’applique qu’aux portefeuilles situés sur cette droite.
Que peut-on dire des portefeuilles moins bien diversiés ou des actions indivi-
duelles, lesquels sont tous en dessous de cette droite?
2 Le «prix» du risque
Il est montré en annexe 1 qu’il doit exister une relation entre la rentabilité espérée
sur chaque action ou chaque portefeuille et sa covariance avec le marché. Plus pré-
cisément, on démontre que pour une action ou un portefeuille i:
sim
E ( Ri ) = R f + --------
- [E( R m) – R f ] (5)
sm2
sim
Au chapitre précédent, nous avions appelé bêta le rapport --------- . Donc (5) peut
s’écrire: s 2m
E(Ri) – R f = βi [E(Rm ) – R f ] (6)
Si nous voulons comparer cette relation à celle que nous avions établie précédem-
ment, uniquement valable pour les portefeuilles efcients (4), on peut la réécrire
sous la forme:
E (R m ) – Rf
- β i sm
E ( R i) – R f = -------------------------- (7)
sm
m E (R ) – R
-f , mais le risque qui
On retrouve bien la pente de la droite précédente: --------------------------
sm
est rémunéré n’est pas le risque total de l’action: c’est son risque systématique, tel
qu’il a été déni au chapitre précédent (bi sm ). Ainsi, tout investisseur qui sera prêt
à courir un risque plus élevé devrait obtenir une rentabilité plus forte, mais il ne sera
compensé que pour le risque systématique qu’il assumera, et non pour le risque
diversiable.
151
Tous les portefeuilles de la droite R fM de la gure 6.1 sont parfaitement diversiés
et pour ceux-là le risque total se réduit au risque systématique (ou de marché)1.
Intuitivement, on pourrait dire qu’il n’y a pas de raison que le marché rémunère le
risque non systématique, puisqu’on peut l’éviter par une bonne diversication de
son portefeuille (voir chapitre 5).
Beaucoup préfèrent désormais parler en termes de bêta et utilisent la formulation
(6) de détermination des rentabilités des actions :
E (Ri ) – Rf = bi [E (R m) – Rf ]
Le bêta d’une action est son risque systématique exprimé en unités de risque de
marché. Ainsi, les rentabilités espérées sur chaque action et portefeuille sont propor-
tionnelles à leur bêta, le coefcient de proportionnalité étant égal à la rentabilité
espérée sur le marché en excès du taux d’intérêt sans risque. Seul le bêta devrait
ainsi déterminer le cours d’une action. Cela peut être représenté sur la gure 6.2 qui
représente le taux de rentabilité escompté en ordonnée et le bêta en abscisse.
Rentabilité
espérée
M
E(Rm)
Rf
β
1
Figure6.2 – Le prix du risque
La droite RfM dans le plan rentabilité-bêta s’appelle la droite de marché. Tous les
portefeuilles et actions gurent sur cette droite. On appelle généralement prime de
risque la différence de rentabilité anticipée entre un actif risqué et un actif sans
risque. E(Rm) – R f est la prime de risque du marché.
Cette théorie a un contenu intuitif évident. Il est toujours facile de choisir un por-
tefeuille qui se situe sur la droite de marché. Il suft de placer son argent en partie
dans un fonds indiciel et en partie dans l’actif sans risque. Par exemple, un porte-
feuille investi pour moitié dans un fonds indiciel et pour moitié dans un fonds de
trésorerie (actif sans risque) aura un bêta de 0,5 et une rentabilité égale à la moyenne
1. On peut facilement montrer que pour ces portefeuilles efcients x = b et donc, d’après la relation
(1), s =xsm = bs m = risque systématique.
152
de celle sur le marché et l’actif sans risque. Dès lors, n’importe quel investisseur
«passif» peut se situer sur la droite de marché pour le niveau de risque désiré. Dans
un marché efcient, la théorie nous dit qu’on ne peut pas faire mieux en termes de
rentabilité/risque. C’est au gérant de montrer par des qualités de gestion particu-
lières ou de meilleures informations qu’il peut créer des portefeuilles qui se situent
au-dessus de la droite de marché.
3 Implications pratiques
Il est utile de présenter les conclusions du MEDAF de manière intuitive et d’en

déduire certaines implications pratiques. Cette théorie est basée sur une hypothèse
simple : tous les investisseurs disposent des mêmes informations et donc ont les
mêmes anticipations de rentabilité et les mêmes mesures du risque. Par contre, cer-
tains peuvent être plus averses au risque que d’autres. Étant donné que les marchés
nanciers sont très efcients de par la concurrence entre tous les intervenants, il est
logique que tout investisseur se situe par rapport à cette situation de base.
Deux conclusions se dégagent du MEDAF, l’une normative, suggérant quelle poli-
tique de placement devrait être suivie, l’autre descriptive, indiquant la relation qui
doit exister entre rentabilité et risque.
3.1 Théorème de séparation

La première conclusion est purement normative et montre que tout investisseur
rationnel devrait détenir une combinaison de l’actif sans risque et du portefeuille de
marché. Le prol de risque désiré est ajusté en modulant les proportions entre l’actif
sans risque et le portefeuille de marché. Ainsi, un spéculateur empruntera pour tout
placer dans le marché des actions. Un investisseur très prudent mettra une partie
importante de son capital dans un dépôt à court terme.

Le contenu intuitif est clair. En l’absence d’informations privilégiées, il n’y a pas
de placement à privilégier. Le portefeuille d’actions doit être le plus diversié pos-
sible, puisque le risque spécique à une action particulière ne procure pas de renta-
bilité «anormale». Tout investisseur doit donc faire du portefeuille de marché (le
mieux diversié) la partie action de ses placements. Le niveau de risque choisi dicte
la répartition entre actions et placement sans risque. La stratégie de placements est
essentiellement passive, au sens qu’il n’est pas utile de faire constamment tourner
son portefeuille en recherchant des titres sur ou sous-évalués.
153
Cette conclusion explique en partie le développement des fonds indiciels et ETF

(Exchange Traded Funds) 1, dont l’unique objet est de répliquer la performance de
l’indice de marché. Il est régulièrement observé que les gérants professionnels et les
SICAV ont beaucoup de mal à battre le marché. L’implication logique est de bâtir sa
stratégie de placement sur des fonds indiciels qui ne subissent aucun risque spéci-
que et minimisent les coûts de transactions. Ainsi plus de 30% des actifs des fonds
de pensions américains ou anglais sont investis en fonds indiciels et les capitaux
sous gestion des grands gérants indiciels (Blackrock, State Street Global Advisors,
etc.) les placent au sommet des classements des gérants mondiaux.
3.2 Prix du risque

La deuxième conclusion fondamentale concerne le prix du risque. Elle indique
quel est le type de risque qui devrait être rémunéré sur un marché nancier et quelle
devrait être cette rémunération. Le risque d’un titre qui doit être pris en compte est
uniquement son risque systématique (bêta) et non pas son risque total (sigma). La
justication est claire. N’importe quel investisseur «naïf» peut facilement éliminer
les risques spéciques des titres en construisant un portefeuille bien diversié. De
tels risques qui peuvent être si facilement évités ne doivent pas être rémunérés sur
le marché. Par contre, le risque systématique, ou risque de marché, ne peut être
évité. À l’équilibre, le portefeuille de marché, qui représente l’ensemble des actifs
risqués, doit être détenu par les investisseurs. Ce risque de marché, qui ne peut être
évité, doit logiquement être compensé par une rémunération en excès du taux d’inté-
rêt sans risque, c’est la prime de risque.
Le MEDAF est une théorie d’équilibre qui concerne les anticipations de rentabi-
lité. Il est utile d’étudier ses conséquences sur les modèles à facteurs introduits dans
le chapitre précédent et qui décrivent l’évolution des rentabilités observées sur une
courte période. Tout d’abord, il faut bien comprendre que le MEDAF et les modèles
à facteurs se situent à des niveaux très différents. Le MEDAF est un modèle d’équi-
libre du marché liant rentabilité espérée et risque. Les modèles à facteurs sont pure-
ment descriptifs et traduisent l’inuence instantanée d’un ou plusieurs facteurs
communs sur la rentabilité instantanée d’un titre, ce que les statisticiens appellent le
processus stochastique de la rentabilité. Pour dériver le MEDAF, nous n’avons fait
aucune hypothèse sur les facteurs qui inuenceraient la rentabilité instantanée.
Le modèle de marché n’a pas été utilisé pour dériver le MEDAF; mais inverse-
ment si la théorie du MEDAF est vériée, cela a des conséquences pour le modèle
de marché. On peut réécrire le modèle de marché en remplaçant la rentabilité brute,
Ri, par la rentabilité mesurée en excès du taux sans risque, R’i=R i – R f:
R’ i=a’ i +bi R’m + e i (8)
1. Ces ETF portent des noms divers tels que: trackers, ishare, master shares, etc. Voir chapitre14
pour plus de détails sur les ETF.
154
L’équation du prix du risque du MEDAF peut être retrouvée en prenant l’espé-

rance de l’équation du modèle de marché. On obtient:
E (R’i ) = α’i +b i E(R’m ) +E(ei )=α’ i+b i E(R’m ) (9)
Car l’espérance du bruit ei est, par construction du modèle de marché, égale à zéro.
Le MEDAF implique que les alphas aient une valeur nulle. Ainsi, le MEDAF
indique quelle doit être la valeur théorique du alpha dans le modèle de marché.
Le lien avec les modèles à plusieurs facteurs est plus difcile à mettre en évidence.
Mais, le MEDAF implique qu’un facteur ne justie une prime de risque que s’il a
une inuence sur le marché dans son ensemble.
3.3 Coût du capital d’une entreprise

Le MEDAF permet donc de déterminer le niveau de rémunération requise pour un
niveau de risque donné. En pratique, le MEDAF demeure le modèle le plus popu-
laire an d’estimer le coût du capital d’une entreprise. Dans leur étude des tech-
niques nancières utilisées par les dirigeants d’entreprises (directeurs généraux et
directeurs nanciers), Graham et Harvey (2001) ont observé que 73,5% des diri-
geants utilisent de façon systématique le MEDAF an d’estimer leur coût du capital.
Lors d’un choix de projet d’investissement, l’entreprise doit calculer la valeur
actualisée nette (VAN) du projet en déterminant la valeur nette aujourd’hui d’une
série de paiements ou de revenus étalés dans le temps. Le calcul de la VAN requiert
toutefois l’utilisation d’un taux d’actualisation reétant le coût du capital de l’entre-
prise et ce taux peut être déterminé grâce au MEDAF (voir également le chapitre 7).
Si la VAN est positive, le projet d’investissement semble intéressant et devrait être
accepté. Si la VAN est négative, il devrait être rejeté.
Graham et Harvey (2001) trouvent en outre que la popularité du MEDAF aug-
mente avec la taille de l’entreprise et si le dirigeant a suivi une formation en gestion.
En outre, 58,8% des dirigeants interrogés reconnaissent utiliser un coût du capital

unique pour tous les projets de l’entreprise, alors qu’en pratique différents projets
(construire une nouvelle usine, investir dans un nouveau programme de recherche et
développement, etc.) ont de grandes chances d’avoir des caractéristiques de risque
différentes.
4 Validation empirique
Une simple observation des portefeuilles détenus par bon nombre d’investisseurs
montre que ceux ci sont moins diversiés que ne le suggère la théorie. Cela ne veut
pas nécessairement dire que les marchés nanciers ne sont pas efcients ou que le
MEDAF ne fournit pas des indications utiles et robustes sur le prix des titres. La
155
théorie peut très bien être robuste, même si certaines de ses hypothèses sont violées.
Une vérication directe des conclusions du MEDAF consiste donc à tester la rela-
tion linéaire entre la rentabilité anticipée sur chaque titre et son risque systématique.
Il s’avère malheureusement très difcile, voire impossible, de mettre en place un
tel test. Il est déjà difcile de mesurer le risque actuel d’un placement car une esti-
mation du bêta est forcément basée prioritairement sur des données passées. Par
exemple, on utilise deux ans de cours hebdomadaires pour estimer le bêta, mais le
risque perçu dans l’environnement économique actuel peut être bien différent. Le
problème est encore plus sérieux pour la mesure des rentabilités anticipées.
L’alternative fréquemment utilisée est d’approximer la rentabilité anticipée sur un
titre par la moyenne passée de sa rentabilité. Malheureusement, les rentabilités sont
très volatiles et la répétition d’événements passés qui ont exceptionnellement affecté
une société n’a pas de raisons d’être anticipée dans le futur. Ainsi, la mode des nou-
velles technologies à la n des années 1990 a généré des rentabilités boursières
annuelles de plus de 100% sur nombre de valeurs technologiques. Un investisseur
qui considérait placer de l’argent dans de telles sociétés en 2000 devait-il anticiper
une répétition de cette rentabilité sur les années à venir? En fait, il est quasiment
impossible de tester un modèle basé sur des anticipations, faute de pouvoir les mesu-
rer de façon précise.
Toute une série de tests anciens a tenté de mettre en évidence une relation entre les
rentabilités passées et le bêta des titres1 . Les méthodologies sont trop complexes
pour être présentées ici et les résultats sont mitigés. Une approche alternative
(Harvey, 1991) fait l’hypothèse que les rentabilités espérées varient au cours du
temps en fonction d’un certain nombre de variables économiques et nancières. Il
s’agit alors d’un test conditionnel du MEDAF. Les conclusions sont plutôt positives.
(voir aussi Jagannathan et Wang, 1996, Lettau et Ludvigson, 2001 et Ang et Chen,
2007). Toutefois, la relation entre anticipations de rentabilité et variables écono-
miques est faible et instable dans le temps, et donc la puissance statistique du test
est très faible (Levellen et Nagel, 2006).
Comme nous l’avons vu dans le chapitre 5, Fama et French (1992, 1998, 2012) ont
trouvé que certains attributs d’une société offraient une meilleure explication de la
différence de rentabilités historiques entre les sociétés que leur niveau de risque. Par
exemple, les valeurs de rendement (value) ou les petites sociétés avaient une meil-
leure performance que les valeurs de croissance (growth) et les grandes sociétés.
Cette étude célèbre conduirait à un rejet du MEDAF, car cette théorie suggère que
la différence de bêta doive être la cause principale de différence de performance
boursière entre les entreprises. Une critique fondamentale est que ce test utilise la
rentabilité passée comme proxy de l’espérance de rentabilité.
1. Voir notamment Blume et Friend (1973), Black, Jensen et Scholes (1972), Fama et McBeth
(1973).
156
En conclusion, le MEDAF propose un cadre de raisonnement attractif et opéra-

tionnel. Il conduit à une stratégie de placement passive qui devient la norme à battre
pour un gérant actif. Le vrai test du MEDAF réside dans l’observation des perfor-
mances des gérants.
5 Modèle d’équilibre basé sur la consommation
Une expression analogue à celle du MEDAF peut être obtenue en suivant une
approche basée sur la consommation1 . Dans ce type de modèle, l’objectif d’un agent
économique est de maximiser la valeur présente de son utilité espérée découlant de
sa consommation future: ∞
MaxE t ∑ δU ( Ct + k )
k=0
oùδ est un facteur d’actualisation et U(Ct+k) est l’utilité de l’agent générée par sa
consommation à la date t+k. La condition du premier ordre de ce programme d’op-
timisation est:
U ’ ( C t ) = δ E t[ (1 + R i, t + 1 ) U ’( C t + 1) ]
où U’(Ct) représente l’utilité marginale de la consommation et R i,t+1 est le taux de

rentabilité de l’actif i entre les dates t et t+1. En divisant des deux côtés du signe
d’égalité par U’(Ct ), on obtient:
U’ ( C t + 1 )
1 = Et ( 1 + R i, t + 1)δ ------------------------
- = Et [ ( 1 + Ri, t + 1 )M t]
U’( C t)
La variable Mt est appelée stochastic discount factor ou pricing kernel. Ce concept
joue un rôle fondamental en nance dans la mesure où, en théorie, il peut servir à
évaluer n’importe quel titre nancier.
Si l’on fait l’hypothèse qu’il existe un consommateur représentatif dans l’écono-

mie et que ses préférences dépendent du niveau de consommation agrégée, on peut
montrer qu’il existe une relation linéaire entre le taux de rentabilité d’un titre et le
taux de croissance de la consommation agrégée:
E (Ri ) – Rf = β ic[E(Rc) – R f ] (10)
où Rc est le taux de rentabilité d’un portefeuille parfaitement corrélé avec la
consommation agrégée etbic est le beta-consommation de l’actif i:
s ic
β ic = ------
-
2
sc
1. Voir Lucas (1978), Breeden (1979) et Grossman et Shiller (1981), Cochrane (2005), Ludvigson
(2013).
157
L’équation (10) est la relation fondamentale du MEDAF-consommation. Dans le

MEDAF-consommation, la détention d’un actif est opportune s’il permet à un agent
économique de lisser sa consommation dans le temps, en transférant de la richesse
des bons états de la nature vers les mauvais états de la nature. En d’autres termes,
un actif est attractif (et donc le taux de rentabilité exigé par les investisseurs est
faible) si son taux de rentabilité est élevé lorsque la consommation est faible, et
inversement. Le MEDAF standard développé ci-dessus est légèrement différent
puisque le prix des actifs dépend de leur covariance avec le portefeuille de marché
et non pas avec un portefeuille parfaitement corrélé avec la consommation agrégée.
Bien sûr ces deux portefeuilles devraient être proches, puisque l’un reète les varia-
tions de richesse agrégée et l’autre les variations de consommation agrégée.
Les applications empiriques du MEDAF-consommation ont donné des résultats
contrastés. Mehra et Prescott (1985) ont montré qu’une calibration du modèle aux
données américaines impliquait un niveau excessif d’aversion au risque (autour de
50). Alternativement, avec un niveau raisonnable d’aversion au risque (autour de 2),
le modèle prévoit une prime de risque des actions qui avoisine les 0,2% par an, alors
qu’elle s’est élevée à 6 % sur le marché des actions américaines. Ce résultat est
connu sous l’expression equity premium puzzle.
Au vu des résultats décevants de Mehra et Prescott, plusieurs chercheurs ont
étendu le cadre d’analyse an d’améliorer la performance du MEDAF-consommation.
Parmi les pistes les plus intéressantes, citons la prise en compte de persistances ou
d’habitudes de consommation (habit formation, voir Campbell et Cochrane, 1999),
de préférences récursives (Epstein et Zin, 1989) et d’hétérogénéité entre les agents
économiques (Constantinides et Dufe, 1996). Ces contributions théoriques
majeures ont revigoré la recherche dans le domaine des modèles d’équilibre basés
sur la consommation1.
Précisons pour conclure qu’un problème inhérent à l’application du MEDAF-
consommation est la mesure de la consommation agrégée (voir Breeden, Gibbons et
Litzemberger 1989). Récemment, Savov (2011) a montré que la calibration du
MEDAF-consommation à partir de données agrégées sur la production de déchets
ménagers aux États-Unis et en Europe (deux fois et demi plus volatiles que les don-
nées de consommation agrégée et une fois et demi plus fortement corrélées avec
l’évolution du marché des actions) produit des niveaux bien plus faibles d’aversion
au risque.
1. Ludvigson (2013) offre une tour d’horizon très complet de la littérature récente sur le sujet.
158
Section
2 L’EXTENSION INTERNATIONALE
Les marchés nationaux sont de plus en plus intégrés. Les investisseurs étrangers
dominent souvent le volume des transactions sur toutes les places européennes. Il
n’est pas rare de voir de grandes sociétés françaises majoritairement possédées,
directement et indirectement, par des investisseurs étrangers, notamment des fonds
de pension. Il est donc logique de penser que les principaux marchés des pays déve-
loppés sont intégrés et que la valorisation des titres suit une logique globale.
1 Un MEDAF international
Les investisseurs de différents pays utilisent comme numéraire des monnaies dif-
férentes. Le risque de change vient donc compliquer l’analyse. Si les taux de change
reétaient simplement un ajustement aux différences d’ination entre les pays
(«parité des pouvoirs d’achat»), le risque de change serait un phénomène purement
nominal sans grande incidence. Malheureusement, les taux de change réels varient
fortement et parfois rapidement. Un MEDAF international1 peut être dérivé en sup-
posant que chaque investisseur mesure la rentabilité et le risque dans sa propre
monnaie et qu’il peut couvrir le risque de change par des contrats à terme ou par des
opérations de prêt/emprunt (voir une présentation de ces instruments aux chapitres
10 et 11). Comme précédemment deux conclusions se dégagent.
1.1 Théorème de séparation

On peut démontrer que chaque investisseur devrait détenir une combinaison de
deux placements:
– l’actif sans risque (prêt à court terme) dans sa propre monnaie;
– le portefeuille de marché mondial, partiellement couvert contre le risque de change.
Ce portefeuille mondial est exactement le même pour tout investisseur, quelle que
soit sa nationalité. Il est couvert optimalement contre le risque de change. Le ratio
de couverture varie pour chaque actif et dépend de la structure de covariance entre
les actions et les taux de change.
1.2 Prix du risque

L’équation du prix du risque en présence du risque de change est plus complexe
que précédemment : des primes de risque doivent être ajoutées pour chaque
monnaie. S’il y a k +1 pays, et que l’on choisit 2 arbitrairement la monnaie du pays
0 pour mesurer les rentabilités, l’équation du prix du risque s’écrit:
1. Voir Solnik (1974), Sercu (1980) et Adler et Dumas (1983).

2. Adler et Dumas (1983) montrent que la forme de l’équation est inchangée quelle que soit la
devise choisie pour mesurer les rentabilités.
159
E(Ri)=R f0 +βi [E(Rm) – Rf0 ] + γi1 x PR1 +γi2 x PR2 +... + γik x PR k
Où E(R m) est la rentabilité anticipée sur le portefeuille de marché mondial, Rf0
est le taux sans risque en monnaie 0, γ i1 à γik sont les sensibilités de l’actif i à cha-
cun des taux de change et PR1 à PRk sont les primes de risque sur chaque devise.
Pour tout actif dont la rentabilité n’est pas corrélée aux variations de change, et
donc pour tous les actifs et portefeuilles couverts contre le risque de change, la rela-
tion du prix du risque se réduit à celle du MEDAF classique. Si les marchés bour-
siers sont faiblement corrélés avec les taux de change, la relation classique reste
valide. Sinon, il faut tenir compte des primes de risque de change. Le concept de
prime de risque de change est parfois difcile à comprendre. Prenons l’exemple de
la prime de risque du dollar par rapport à l’euro. Si la rentabilité anticipée d’un
placement en dollar est supérieure à celle d’un placement en euro, il y a une prime
de risque de change positive sur le dollar (et négative sur l’euro). Pour un Européen,
la rentabilité d’un placement en dollar est égale au taux d’intérêt en dollar plus la
variation de change anticipée, alors que la rentabilité en euro est simplement le taux
d’intérêt en euro. Le calcul de la prime de risque dollar/euro résulte donc de la com-
paraison du différentiel de taux d’intérêt et de la variation de change anticipée.
Il n’est pas facile de déterminer quel devrait être le niveau escompté de ces primes
de risque de change, qui peuvent d’ailleurs être positives ou négatives. L’idée de
base est que la position nette d’investissement d’un pays joue un grand rôle. Par
exemple, les Suisses ont une position nette d’investissement à l’étranger fortement
positive. Comme ils souhaitent couvrir ces investissements contre le risque de
change contre franc suisse, ils sont prêts à payer une prime de risque de change pour
réaliser cette couverture.
2 Couverture optimale du risque de change
Un contrat de change à terme est équivalent à emprunter dans une monnaie et

prêter dans une autre pour le terme considéré. Le montant de la couverture de
change et celui des placements sans risque sont donc liés. On appelle généralement
ratio de couverture le ratio du montant de la couverture de change divisé par la
valeur de l’actif; ce ratio prend donc la valeur de 100% si la couverture de change
porte sur un montant égal à la valeur de l’actif.
Le résultat intéressant du MEDAF international est que la couverture du porte-
feuille de marché devrait être la même quelle que soit la nationalité de l’investisseur
considéré. C’est-à-dire qu’un Français ou un Japonais devrait adopter le même ratio
de couverture pour les placements américains. N’oublions pas que ce modèle sup-
pose l’efcience totale des marchés, et qu’il n’y a donc pas de raison de privilégier
une devise plutôt qu’une autre dans un but de spéculation. Cette «universalité» du
ratio de couverture apparaît dans Solnik (1974) et a été très fortement afrmée par
160
Black (1989, 1990). Toutefois, cette universalité ne signie pas que chaque actif
devrait être couvert de la même manière. Le ratio de couverture pour une action
américaine peut être très différent du ratio de couverture pour une action britan-
nique. Malheureusement, les ratios de couverture optimaux ne sont pas directement
observables, car ils dépendent des corrélations entre les rentabilités des actifs et des
changes, mais aussi de l’aversion au risque relative des investisseurs des différents
pays. Pour illustrer l’importance de cette corrélation Bourse/change de manière
intuitive, supposons qu’un investisseur américain achète pour un million de livres
d’actions de la société britannique British Petroleum (BP). BP est cotée à Londres
en livres britanniques mais une forte partie de ses revenus sont dérivés aux États-
Unis ; par ailleurs, les prix des produits pétroliers sont déterminés en dollar. Si
l’investisseur vend à terme un million de livres pour couvrir le risque de change, il
sera trop couvert. En effet, les cours, en livres, de BP bénécient d’une dépréciation
de la livre par rapport au dollar. Les revenus en livres de BP augmentent si le dollar
s’apprécie par rapport à la livre. Le cours de BP est donc corrélé à l’évolution du
taux de change livre/dollar. Le ratio de couverture devrait être très inférieur à l’unité.
Le résultat est différent pour des sociétés britanniques du secteur du commerce de
détail et ayant peu d’activités aux États-Unis (par exemple Marks & Spencer): leur
valeur est peu corrélée au taux de change et il faudra adopter un ratio de couverture
proche de l’unité.
Par ailleurs, un investisseur qui détiendrait un portefeuille qui diffère du porte-
feuille de marché n’a pas de raison d’appliquer les ratios de couverture optimaux
dérivés dans le MEDAF international. Un exemple illustrera ce propos. Considérons
un investisseur américain qui n’investit que 5% de ses actifs à l’étranger. Il investit
ainsi dans des monnaies étrangères qui constituent un bon élément de diversication
de la politique monétaire et budgétaire américaine. Jorion (1989) montre qu’un tel
investisseur aurait peu de raisons de couvrir ses placements étrangers contre le
risque de change et que le ratio de couverture optimal devrait varier en fonction de
la proportion des actifs investis en devises étrangères.
En résumé, la théorie ne fournit pas d’indications claires et opérationnelles quant

à la politique de couverture du risque de change.
3 Validation empirique
Un test du MEDAF international peut être considéré comme un test joint de nom-
breuses hypothèses. La principale est bien sûr l’hypothèse d’intégration des marchés
nationaux. Beaucoup considèrent que les marchés étaient segmentés dans le passé
du fait de diverses barrières à l’investissement international telles que:
– réglementations contrôlant les mouvements de capitaux et les investissements réali-
sés par des étrangers ou bien vers l’étranger;
161
– risque d’expropriation;
– impôts plus élevés pour les étrangers;
– frais de transactions plus élevés;
– accès privilégié à l’information pour les investisseurs nationaux.
Toutefois, la libéralisation des marchés nanciers constatée dans tous les pays
développés a fait disparaître la plupart de ces éléments de segmentation. Dès lors, la
validation du MEDAF international tourne autour des questions suivantes:
– Est-ce que le risque de marché international est le seul pris en compte dans les prix
des titres, ou est-ce le risque de marché national qui domine?
– Y-a t-il d’autres éléments de risque (non indiqués par la théorie) qui sont pris en
compte dans le prix des titres?
– Le risque de change est-il valorisé?
Les tests du MEDAF international souffrent des mêmes problèmes que ceux du
MEDAF classique. Toutefois, les recherches entreprises semblent suggérer que les
marchés nanciers sont effectivement intégrés, du moins pour les principaux pays
développés. C’est la conclusion de De Santis et Gérard (1997) et Dumas et Solnik
(1995). Sur la période 1980-2005, Bekaert, Hodrick et Zhang (2009) montrent que
c’est en Europe que la corrélation entre marchés actions a le plus augmenté sur la
période 1980-2005. Par contre, Bekaert et Harvey (1995) considèrent que les mar-
chés émergents sont souvent segmentés par rapport aux marchés développés, mais
que cette segmentation s’atténue au cours du temps (voir aussi Carrieri, Errunza et
Hogan, 2007). Bekaert et al. (2011) trouvent que le degré de segmentation augmente
avec le risque politique du pays et diminue avec le niveau de développement du
marché local. En se concentrant sur le risque de pertes extrêmes, Christoffersen et
al. (2012) concluent pour leur part que le potentiel de diversication internationale
s’est réduit de manière signicative depuis 1973. Enn, Dumas et Solnik (1995), De
Santis et Gérard (1998), Brennan et Xia (2006) et Sarno, Schneider et Wagner
(2012) concluent à l’existence de primes de risque de change.
Section
3 L’APT
Le MEDAF est une théorie micro-économique classique partant d’une maximisa-
tion de l’utilité de chaque investisseur. Au contraire, l’APT (Arbitrage Pricing
Theory) procède d’un raisonnement d’arbitrage également utilisé dans la valorisa-
tion d’instruments à terme tels que les options ou les futures (voir chapitres 9, 10 et
11). Cette théorie de l’APT a été présentée par Ross (1976).
L’hypothèse de base de l’APT est que le cours de chaque titre est inuencé par un
nombre limité de facteurs communs à l’ensemble des titres et par un facteur spéci-
162
que à ce titre et totalement indépendant de tous les autres facteurs. Mathématiquement,

cette hypothèse peut s’écrire sous la forme:
Ri,t=a i +b 1i f1,t +b2i f2,t +… + b ki fk,t +e i,t (10)
Où Ri,t est la rentabilité du titre i sur la période t, f 1,t à fk,t sont les k facteurs (le
premier pouvant être le facteur de marché) et les consta,ntes β1i à βki sont les sensi-
bilités du titre i à chaque facteur. Comme précédemment, a i est une constante spéci-
que au titre i et e i,t est un terme spécique au titre i, différent pour chaque observa-
tion t mais de moyenne nulle.
S’il y a n titres et k facteurs communs on suppose que le nombre de titres est très
supérieur au nombre de facteurs communs; soit k< n.
Du fait du terme constant i, on fait l’hypothèse simplicatrice:
E (f 1)=E (f2)=...= E (fk )=E (ei)=0
De plus:
cov (ei , fj ) = cov (e i, el )= 0
pour tout i, j et l.
L’hypothèse importante qui est formulée ici, est que le nombre de facteurs com-
muns à tous les titres est relativement peu élevé; toutes les autres sources de risque
sont spéciques et donc diversiables. Il n’est fait aucune hypothèse sur l’origine de
ces facteurs communs mais simplement sur le fait qu’ils sont peu nombreux. On
peut alors montrer par un raisonnement d’arbitrage, comme cela est fait dans l’an-
nexe2, que cette simple hypothèse permet d’obtenir un résultat important: dans un
marché efcient où toutes les opportunités de pur arbitrage sont rapidement élimi-
nées, la rentabilité anticipée pour chaque titre est une combinaison linéaire des bêtas
relatifs à chaque facteur. En d’autres termes, chaque bêta est une mesure de risque
systématique (par rapport à chaque facteur commun) et à chaque bêta est attaché un
prix du risque. Mathématiquement, cela s’écrit:
E(Ri)=l 0 + l1 b 1i + l 2 b 2i + … + lk bki (11)

Encore une fois, seuls les risques systématiques qui ne peuvent pas être diversiés
sont rémunérés mais pas les risques spéciques qui sont diversiables.
Ici, il y a k facteurs communs à tous les titres, donc non diversiables, et k prix du
risque (l1 à lk) afférents à chaque facteur de risque. Bien sûr, l 0 est le taux d’intérêt
sans risque Rf lorsqu’il existe.
Essayons d’analyser les principales différences entre le MEDAF et l’APT. En fait,
s’il y a un seul facteur commun, l’équation (11) devient celle du MEDAF, comme
le montrent Roll et Ross (1980). Inversement, le MEDAF est cohérent avec un
modèle multifacteur décrivant le comportement du taux de rentabilité (équation
(10)); le MEDAF conclut alors que seul le facteur de marché a une prime de risque
non nulle. Les facteurs ont des primes de risque non nulles s’ils sont corrélés au
163
facteur de marché. Sous certains aspects l’APT est plus opérationnelle et riche. Elle
admet plusieurs sources de risque, et étant dérivée uniquement par un raisonnement
d’arbitrage, elle échappe à la majorité des critiques adressées au MEDAF.
Notamment, ce modèle ne requiert pas l’identication exacte du portefeuille de
marché et peut parfaitement être utilisé pour un sous-segment du marché total.
Toutefois, l’APT est essentiellement une théorie empirique au plan économique
alors que le MEDAF identie quel est le facteur commun (l’indice de marché) qui
implique une prime de risque, tel n’est pas le cas de l’APT qui ne dit rien sur l’ori-
gine de ces facteurs communs.
Les méthodologies statistiques mises en place pour les tests de l’APT s’inspirent
de l’analyse factorielle. Dans une première étape, on extrait les facteurs communs
qui inuencent le comportement des cours. Il s’agit de facteurs purement statis-
tiques. Dans une deuxième étape, on cherche si une prime de risque signicative est
associée à ces facteurs. Pour être opérationnel, il convient enn d’associer chaque
facteur commun à une variable économique avec laquelle ce facteur est fortement
corrélé.
L’APT a été étendu au cadre international avec risque de change (voir Solnik,
1983). Cette extension internationale pose peu de problèmes.
L’APT a connu son heure de gloire dans les années quatre-vingt. Toutefois, il
s’agit d’une méthode purement empirique et les facteurs identiés sont instables.
Dans la pratique, on utilise surtout les modèles factoriels à attributs (voir chapitre
précédent) pour modéliser et gérer le risque d’un portefeuille, mais le MEDAF reste
un outil conceptuel précieux pour une gestion sur le long terme qui privilégie une
estimation des primes de risque relatives des différents types d’actifs.
164
Les modèles d’équilibre des actifs financiers et le prix du risque ■ Chapitre 6
L’ESSENTIEL
•Aucun modèle théorique ne peut donner une représentation exacte et complète
de la réalité. Face à la complexité des décisions de gestion nancière, il est
cependant indispensable d’avoir un modèle de base, une vision du monde simpli-
ée, pour structurer son processus de décision et de gestion.
•La première étape consiste à comprendre le comportement des marchés nan-
ciers. Ce comportement se situe entre deux extrêmes. D’un côté, un marché
totalement efcient où les prévisions de variation de cours des actifs nanciers
sont essentiellement impossibles; d’un autre côté, un marché de professionnels
où il est facile de faire des prots sur la base d’informations plus ou moins pri-
vilégiées, de différents modèles de prévision ou de montages particuliers. Les
tests statistiques présentés dans ce livre, ainsi que l’observation quotidienne des
praticiens, montrent que la réalité est plus proche du premier modèle. C’est d’ail-
leurs la concurrence intense entre de très nombreux professionnels qui rend le
marché efcient. Dans ce cadre, il est important d’étudier quels devraient être les
prix des actifs nanciers selon des hypothèses d’équilibre du marché nancier.
Avec des hypothèses relativement restrictives sur l’efcience du marché, le com-
portement rationnel des investisseurs et leurs anticipations, il est possible de
dériver le modèle d’équilibre des actifs nanciers (MEDAF). Ce modèle spécie
tout à la fois la mesure du risque d’un actif (le bêta) qui devrait être prise en
compte par le marché pour déterminer son prix ainsi que la prime de risque qui
doit y être associée. Ce modèle est très utile sur un plan conceptuel et ne requiert
pas, en tant que théorie, la stabilité du coefcient de risque puisque seul le risque
futur est pertinent, pas l’estimation du risque passé.
•L’extension internationale du MEDAF prend en compte le risque de change.
• L’Arbitrage Pricing Theory (APT) a pour base les modèles à facteurs présentés
dans le chapitre précédent. Plutôt que de partir d’un cadre micro-économique

classique (par maximisation des espérances d’utilité), cette théorie postule un
certain modèle de comportement des cours et étudie ses implications sur le prix
des actifs nanciers. Moins riche au plan économique, cette approche est essen-
tiellement empirique et l’interprétation des résultats délicate. Son utilisation
s’avère difcile du fait de l’instabilité des paramètres.
• Pour des praticiens qui considèrent que les marchés ne sont pas totalement
efcients, les modèles décrits ci-dessus servent de modèles de base; il est alors
possible d’étudier, et éventuellement d’exploiter, des déviations par rapport à
l’efcience des marchés.
165
Chapitre 6 ■ Les modèles d’équilibre des actifs financiers et le prix du risque
Annexe 1
Le prix du risque
Démonstration directe
Le vecteur des proportions x i est de dimension N + 1, l’indice 0 faisant référence à l’actif
sans risque et les N autres indices (i = 1 à N) faisant référence aux N actifs risqués. Un
portefeuille particulier aura pour rentabilité anticipée E(RP) et pour risque σp2:
E (RP ) = x 0Rf + ∑x iE (R i ) i=1àN (1)

i
σP2 = ∑ ∑ x i x j σij i, j = 1 à N (2)
i j
L’optimisation est décrite par le problème :

min
x ∑ ∑ x i x jσ ij
sous contraintes : i j
x0 + ∑x i = 1
i
x 0R f + ∑ x i E( Ri ) = E ( R )
i
Ces deux dernières contraintes peuvent être combinées en une contrainte unique :
∑ [x i E ( R i – R f )] = E( R ) – R f (3)
i
qui peut se réécrire en écriture matricielle :

min X’ VX
x
sous contraintes : X’E = E(R) – R f
où :
– X est le vecteur colonne X1 ... XN et X’ son transposé ;
– V est la matrice de covariance ;
– E est le vecteur colonne [E(R1 ) – Rf, …, E(RN) – R f].
Les conditions du premier ordre avec un multiplicateur de Lagrange l sont :
2VX – λE = 0
d’où : X = λ
--- V –1E (4)
2
La somme de tous les portefeuilles détenus par l’ensemble des investisseurs doit obligatoi-
rement être le portefeuille de marché M puisque, par définition, c’est l’offre globale de
titres. En sommant cette dernière équation (4) à travers tous les investisseurs et puisque V –1
E est le même pour tous les investisseurs, on trouve :
M = λ m V –1 E (5)
166
Les modèles d’équilibre des actifs financiers et le prix du risque ■ Chapitre 6
On déduit de cette équation :

1- VM
E = ------ (6)
λm
soit pour un titre i :
1
E ( R i ) – R f = ------- σ im (7)
λm
On peut trouver la valeur de lm en prémultipliant les deux membres de l’équation (6) par
le vecteur M’ (transposé de M) :
1 (8)
M'E = ------- M ' VM
λm
soit : 1
E (R ) – R = ------- σ 2 (9)
m f λm m
σ2m
λ m = ------------------------------
E( R m ) – R f (10)
En remplaçant lm dans (7) on obtient :

σ im
E (R i ) – Rf = (E (R m ) – Rf )--------
-
σ 2m
Annexe 2
APT et prix du risque
L’APT postule que le taux de rentabilité de chaque titre est influencé par k facteurs com-
muns f j et un facteur purement spécifique à ce titre ei. D’où:
R i = αi + b 1i f1 + b2i f 2 + … + bki fk + e i (1)
avec E (e i) = 0, E (f j) = 0
 cov (ei, ej) = 0
 cov (ei, fj) = 0 pour tout j = 1, … k
L’hypothèse importante est qu’il n’existe que k facteurs communs, k étant un petit nombre,
très inférieur au nombre de titres N. Nous allons construire des portefeuilles d’arbitrage,
c’est-à-dire des portefeuilles ayant un capital investi égal à zéro et totalement sans risque.
Un capital investi nul est obtenu en achetant et vendant, pour un même montant, différents
titres. Par exemple, j’emprunte 1 000 (vente de l’actif sans risque) et je les place dans
l’action Total. Soit x = (x1 … x N) le vecteur des proportions investies dans chaque titre. Le
portefeuille sera de capital nul si:
x1 + x2 + … + xN = 0 (2)
Nous le construisons de manière à ce que son élasticité aux facteurs communs, bjp, soit
nulle:
b1p = x1 b11 + x2 b12 + … + x N b 1N = 0 (3)
b2p = x 1 b21 + x2 b22 + … + xN b 2N = 0
bkp = x1 bk1 + x2 b k2 + … + x N bkN = 0
d’où k équations linéaires.
167
Chapitre 6 ■ Les modèles d’équilibre des actifs financiers et le prix du risque
Enfin, nous construisons ce portefeuille tel que son risque spécifique soit nul. Comme tous
les e i sont indépendants, cela est possible en diversifiant ce risque, puisque le nombre de
titres N est supposé grand ; il suffit d’investir des proportions d’ordre 1/N , dans chaque
titre. En fait, il existe une infinité de portefeuilles bien diversifiés qui satisfont les k +1
contraintes linéaires (2) et (3) puisque N > k. La rentabilité anticipée sur un tel portefeuille
doit être nulle puisque ce portefeuille est sans risque et sans capital. Donc, pour chacun
de ces portefeuilles, on doit avoir:
E (Rp ) = x1 E(R1) + x 2 E(R2) + … + xN E(R N) = 0 (4)
Donc tout vecteur portefeuille (x 1 … x N) qui vérifie ces k+1 équations linéaires (2) et (3)
doit aussi vérifier l’équation linéaire (4). On démontre en algèbre que cela implique que
les coefficients de (4) sont une combinaison linéaire des coefficients des k+1 premières
équations. Donc:
E(R1 ) = l0 + l1 b11 + l 2 b21 + … + l k bk1
E(R2) = l 0 + l1 b 12 + l2 b22 + … + l k b k2
E(RN) = l 0 + l1 b 1N + l2 b 2N + … + l k b kn
et en général on obtient pour tout titre i:

E(R i) = l0 + l1 b1i + … + l k bki
168
Chapitre
Les modèles
7 d’évaluation
SOMMAIRE
Section1 Le modèle d’évaluation par actualisation des dividendes
Section2 Le modèle d’évaluation par la valeur d’entreprise
Section3 Le taux d’actualisation approprié
Chapitre 7 ■ Les modèles d’évaluation
U ne multitude d’ouvrages traitent de l’évaluation 1. Il convient donc de préciser

les objectifs de ce chapitre, nécessairement limités: présenter les modèles et
les méthodes qui permettent d’évaluer une action cotée en Bourse du point
de vue des actionnaires minoritaires, et de les intégrer dans une perspective de ges-
tion de portefeuille.
Dans un tel contexte, l’action est considérée comme un actif nancier dont la
valeur et/ou le cours est égal aux ux futurs qu’elle est susceptible de générer, actua-
lisés à un certain taux.
In ne, ces ux sont des dividendes. C’est la raison pour laquelle ce chapitre com-
mence avec le modèle d’actualisation des ux de dividendes.
An de montrer comment l’évaluation s’insère dans la théorie moderne des mar-
chés nanciers et la pratique de la gestion de portefeuille, la section3 présente le
taux de rentabilité anticipé par les investisseurs à partir du modèle TRIVAL du Plan
de marché d’Associés en Finance, extension du modèle de la Droite de marché, issu
des travaux de Sharpe présentés au chapitre précédent, qui relie le taux de rentabilité
anticipé à la fois au risque et à la liquidité.
D’aucuns, même dans les milieux d’affaires, ont une vision faussée des rapports
entre les politiques nancières et opérationnelles des entreprises et la manière dont
la Bourse les apprécie. Considérant la Bourse un peu comme un casino, ils ne sont
pas loin d’estimer que l’évaluation des sociétés dont elle rend compte n’a qu’un
lointain rapport avec les performances de l’entreprise et sa vraie valeur. Aussi, la
section 4 de ce chapitre traite des liens entre l’évaluation externe et les performances
de l’entreprise.
Section LE MODÈLE D’ÉVALUATION PAR ACTUALISATION

1 DES DIVIDENDES
1 Le principe du modèle
Sur un marché concurrentiel, informé et liquide, où les opérateurs ont accès à

toutes les données disponibles et peuvent arbitrer les actifs sans contrainte et sans
limitation, les cours de l’action sont les reets les moins biaisés des événements
1. On pourra se reporter à des manuels de nance qui traitent plus à fond de l’évaluation: Brealey,
Myers et Allen (2013), Charreaux (2000), Damodoran (2006), Levasseur et Quintard (1998), Portrait
et Noubel (1991), Stern et Chen (1987), Vernimmen avec Quiry et Le Fur (2014).
170
Les modèles d’évaluation ■ Chapitre 7
futurs et se confondent ainsi avec sa valeur d’équilibre. Ceci n’implique en aucune

façon que les opérateurs soient entièrement rationnels ou que certaines valeurs ne
puissent offrir des perspectives de rentabilité plus importantes que d’autres, mais cet
attrait supplémentaire n’est pas sans contrepartie (variabilité plus grande des prots,
incertitude politique, faible liquidité, etc.).
Les modèles d’évaluation traitent l’action comme un actif dont le prix est égal à la
valeur des dividendes futurs actualisés à un certain taux. Ils permettent aussi de
retrouver les hypothèses implicites dans le cours d’une action.
Les grands précurseurs de cette approche ont été Fisher (1930), Williams (1938),
Molodovsky (1965) et les «papes» de l’analyse nancière, à savoir Graham, Dodd
et Cottle (1988), dont l’ouvrage de base a formé des générations d’analystes nan-
ciers.
L’approche fondamentale est d’essence très simple. Elle utilise une technique et
une analogie.
1.1 Une technique: l’actualisation

La nance, c’est d’abord du temps et du risque.
«Le temps, c’est de l’argent» ou «un tiens vaut mieux que deux tu l’auras», dit
le dicton populaire. Celui-ci traduit le principe qu’une somme d’argent perçue
aujourd’hui vaut plus que la même somme reçue dans le futur, pour la simple raison
que la première peut porter intérêt et être capitalisée jusqu’à la date à laquelle sera
perçue la seconde.
Capitaliser une somme, c’est renoncer à la consommer immédiatement et la placer
pour qu’elle puisse se projeter en une valeur future supérieure compte tenu du taux
auquel elle est placée. La capitalisation permet donc de déterminer la valeur future
d’une somme. Avec le simple passage du temps, ses effets sont impressionnants.
La technique de l’actualisation permet de comparer des sommes d’argent reçues à

des dates différentes, en les ramenant toutes à la valeur qu’elles auraient aujourd’hui
avec un taux d’actualisation approprié. Actualiser une somme future, c’est détermi-
ner sa valeur d’aujourd’hui, que l’on appelle valeur actuelle, compte tenu de l’exi-
gence de rentabilité de l’investisseur. L’actualisation, en calculant la valeur actuelle
de toute somme reçue dans le futur, permet de rendre comparables des ux qui ne
sont pas perçus à la même date.
Actualisation et capitalisation sont les deux faces d’un même phénomène: le prix
du temps, mais aussi celui du risque. Ainsi, le taux qui sera utilisé pour actualiser
une somme reçue dans le futur, et ainsi obtenir sa valeur aujourd’hui, ou pour capi-
taliser une somme aujourd’hui et calculer sa valeur future, dépend du risque du
placement. Plus le risque perçu est élevé, plus élevé sera le taux utilisé.
171
1.2 Une analogie: le calcul du rendement actuariel d’une obligation

Les actuaires le pratiquaient bien avant que l’approche fondamentale ne soit for-
malisée. Connaissant la valeur d’émission d’une obligation, le montant des coupons
versés, sa maturité et les modalités d’amortissement, on peut aisément calculer le
rendement actuariel de cette obligation (voir chapitre 8).
Ainsi, la valeur d’une action est la valeur actuelle des paiements successifs qu’es-
père recevoir son détenteur. En règle générale, cette série d’encaissements est consti-
tuée par les dividendes et par la revente du titre. Ainsi, pour un actionnaire, la valeur
d’une action qu’il achèterait aujourd’hui pour la revendre trois ans plus tard est égale
à la valeur actuelle des trois dividendes successifs qu’il compte recevoir dans l’inter-
valle et du cours auquel il revendra son action dans trois ans. Ce qui se formalise
ainsi:
D1 D2 D3 P3
P 0 = -----------
- + ------------------
- + ------------------
- + ------------------
- (1)
1 + k ( 1 + k ) 2 ( 1 + k )3 ( 1 + k ) 3
où les symboles ont la signication suivante:

– P0 =valeur de l’action ;
– D1 , D2 , D 3 =dividendes des années 1, 2, 3 ;
– P3 =valeur de revente de l’action ;
– k =taux d’actualisation approprié.
Implicitement ou explicitement, tout investisseur fait ce raisonnement de base
lorsqu’il évalue une action. Bien sûr, on peut se demander quelle sera la valeur de
l’action l’année 3.
Cette valorisation suivra la même logique basée sur les dividendes futurs. De
proche en proche, on peut donc écrire que la valeur de l’action doit être égale à
l’actualisation des ux de dividendes à perpétuité. L’équation (1) devient donc:
D1 D2 D3 Dn (2)
P 0 = ---------------- - + ------------------
+ ------------- - + … + ------------------
-+…
( 1 + k ) (1 + k ) 2 ( 1 + k ) 3 ( 1 + k) n
Et de manière générale:
∞
Dt
P0 = ∑ -----------------
( 1 + k )t
- (3)
t=1
Ce modèle est généralement appelé DDM (Dividend Discount Model). Pour pou-
voir l’utiliser, il convient d’estimer les dividendes futurs et de déterminer le taux
d’actualisation approprié (section 3). Les dividendes futurs seront payés à partir des
bénéces ou earnings générés par l’entreprise.
Ainsi l’équation (3) devient:
E1 ( 1 – b1 ) E2 ( 1 – b2 ) E 3 (1 – b 3 ) En( 1 – b n)
P 0 = -------------------------
- + -------------------------- + -------------------------- + … + -------------------------
-+… (4)
1+k ( 1 + k )2 (1 + k)3 ( 1 + k )n
172
où E i représente le bénéce par action de l’annéee i, b i le pourcentage des béné-

ces réinvestis (taux de rétention des bénéces) et donc (1–b i) représente le taux
de distribution des bénéces égal à Di /E .i Le terme BPA est souvent utilisé pour
désigner le bénéce par action.
Les bénéces futurs peuvent être exprimés en termes de produit des bénéces
actuels et d’un certain taux de croissance,
E 1 = E 0 (1 + g1)
E2 = E1 (1 + g2) = E 0 (1 + g1) (1 + g 2)
Et ainsi de suite…
où:
– E0 = bénéces de l’exercice passé ;
– g 1 = taux de croissance escompté du bénéce par action au cours du prochain exer-
cice ;
– g 2 = taux de croissance escompté du bénéce par action durant l’exercice suivant.
Par substitution dans l’équation (4) on obtient:
E 0( 1 + g 1) (1 – b 1 ) E0 ( 1 + g 1) ( 1 + g 2) (1 – b 2 )
P 0 = ---------------------------------------------
- + ------------------------------------------------------------------ + … (5)
1+k ( 1 + k)2
On peut mettre en facteur E0 dans le second membre de l’équation (5), qui
devient:
( 1 + g 1) (1 – b 1 ) ( 1 + g 1) ( 1 + g 2) (1 – b 2 )
P 0 = E 0 -------------------------------------- - + ------------------------------------------------------------ + … (6)
1+k ( 1 + k) 2
D’où:
P0 ( 1 + g1) ( 1 – b 1) ( 1 + g 1) ( 1 + g 2) ( 1 – b2 )
------ = --------------------------------------- + ------------------------------------------------------------ + … (7)
E0 1 +k ( 1 + k )2
( 1 + g1 ) (1 + g 2 )…( 1 + gn) ( 1 – b n)
+ -------------------------------------------------------------------------------------
-
( 1 + k )n
On appelle généralement multiple du bénéce ou PER (Price Earnings Ratio) ce

rapport du cours au bénéce (P0/E 0).
Dans ce modèle classique d’évaluation par l’actualisation des ux de dividendes,
la valeur d’une action et son PER ne dépendent en n de compte que de trois fac-
teurs: la croissance des bénéces, le taux de distribution des bénéces et le taux
utilisé pour les actualiser.
Ce modèle DDM peut être utilisé de plusieurs manières:
– on formule des anticipations sur les bénéces futurs, et donc sur les taux de crois-
sance et sur les taux de distribution, et on décide du taux d’actualisation k à utiliser
pour ce type de société. On déduit donc du DDM une valeur « théorique » ou
«intrinsèque» de l’action P;
173
– on formule des anticipations sur les bénéces futurs et on utilise le cours boursier de
l’action observé sur le marché. On déduit donc du DDM le taux d’actualisation
approprié k;
– étant donné le cours boursier observé P et le taux d’actualisation approprié pour ce
type de société, on déduit du DDM les hypothèses de croissance des bénéces qui
sont implicites.
Pour conclure sur la validité d’un PER observé pour une société, il convient de se
livrer à une approche plus ne des perspectives de croissance de cette entreprise.
Nous présentons ci-dessous plusieurs modélisations de la croissance d’une com-
plexité croissante. La question du taux d’actualisation approprié sera discutée dans
la section 3.
2 Utilisations pratiques
Pour une société cotée en Bourse, le PER est facilement calculable. Il résulte du
rapport entre le cours de Bourse et le dernier bénéce par action publié par la société
(éventuellement retraité par l’analyste) ou du rapport entre le cours de Bourse et le
bénéce par action estimé pour l’exercice en cours ou le prochain exercice.
L’approche par le PER correspond en fait à une méthode traditionnellement utili-
sée par les praticiens. Ceux-ci sélectionnent un échantillon de sociétés comparables
dans les attributs les plus essentiels (même secteur ou industrie, taille, notamment)
puis comparent leurs PER pour en tirer certaines conclusions quant à leur valorisa-
tion relative. Récemment, d’autres ratios sont apparus qui relient la capitalisation
boursière ou la valeur d’entreprise (voir infra) à d’autres variables comptables clés
des entreprises: l’excédent brut d’exploitation (EBITDA), le résultat d’exploitation
(EBIT) ou le chiffre d’affaires (notamment pour les jeunes sociétés en perte).
Cette méthode est particulièrement appropriée pour l’évaluation des sociétés non
cotées par référence à un échantillon de sociétés comparables déjà cotées.
Certes, le PER est fonction d’un petit nombre de variables, mais celles-ci résultent
elles-mêmes de relations complexes à la fois opérationnelles et nancières de l’en-
treprise comme on le verra dans la section 2. Aussi, des différences de PER entre
sociétés apparemment proches peuvent être parfaitement justiées et de ne pas
résulter d’une inefcience de marché que l’on pourrait arbitrer de manière pro-
table. En soi, un faible niveau de PER ne permet pas de repérer une valeur maltraitée
par le marché (et qu’il faudrait donc acheter) et un fort PER, une valeur avec une
bulle d’évaluation (qu’il faudrait vendre avant que la bulle n’éclate).
174
2.1 Modèle DDM à croissance constante

L’utilisation la plus simple d’un DDM consiste à formuler une prévision de crois-
sance des bénéces uniforme avec un taux constant g jusqu’à l’inni et un taux de
distribution constant. Les équations données ci-dessus deviennent alors très simples
et on obtient l’équation de Gordon-Shapiro:
D0 E0( 1 – b )
P 0 = ----------
- = ----------------------
- (8)
k–g k–g
Prenons l’exemple d’une société qui a un bénéce par action de 10€ avec un taux
de distribution de 50% et un taux de croissance de 8%. Le taux de rentabilité appro-
prié pour ce type de titre est de 10%. Son prix devrait alors être égal:
10 × 50 %
P = ---------------------------- = 250 €
10 % – 8 %
D’où un PER de 25.
Bien sûr, une telle approche ne se justie que pour le cas particulier de sociétés
stables à croissance continue. Mais de nombreuses sociétés connaissent une période
de forte croissance liée au lancement de nouveaux produits, suivie par une période
de croissance plus faible, notamment lorsque des concurrents sont entrés sur le
même marché. On peut alors utiliser des DDM à deux phases de croissance.
2.2 Modèle DDM à deux phases de croissance

Prenons l’exemple d’une société dont les bénéces sont de 10 € avec un taux de
distribution supposé constant dans le futur et égal à 50%. Grâce au lancement d’un
nouveau produit particulièrement novateur, on pense que la société va connaître une
croissance annuelle de 15% pendant les cinq prochaines années (g1 – 5 =15%). Par
la suite, le taux de croissance sera égal à celui du marché dans son ensemble, soit
5%, et ce jusqu’à l’inni (g5 –∞ =5 %). Pour connaître le cours théorique aujourd’hui,
et donc le PER théorique, il faut raisonner par itération. Le bénéce dans 5 ans
devrait être égal à:
E5 = E0 (1 + g1 – 5) 5 = 10 (1 + 15%) 5 = 20,11 e
La valeur théorique dans 5 ans peut être obtenue à cette date (dans 5 ans), en
sachant que le taux de croissance des bénéces sera constant à l’inni et égal à 5%
avec un taux de distribution des dividendes égal à 50%:
D5 E 5(1 – b ) 20,11 × 50 %
P 5 = ---------------------
- = ----------------------
- = -------------------------------- = 201,10
k – g5 – ∞ k – g5 – ∞ 10 % – 5 %
D’où un PER dans 5 ans égal à:

PER 5 = 201,1/20,11 = 10
175
Ayant estimé le prix de l’action dans 5 ans on en déduit son prix aujourd’hui:
E 0 ( 1 + g1 – 5 ) E0 ( 1 + g 1 – 5 ) E0 ( 1 + g1 – 5) 5 P5
P0 = ---------------------------------- + ---------------------------------- + … + ------------------------------------ + ------------------
-
(1 + k) (1 + k)2 (1 + k) 5 ( 1 + k )5
D’où:
P0 = 182,14e et PER0 = 18,2
Les évaluateurs et les analystes nanciers peuvent être tentés de simuler des
valeurs d’actions en faisant varier l’une ou l’autre des variables clé du modèle de
valorisation (taux de croissance et taux de distribution des bénéces ou taux d’actua-
lisation) de manière indépendante. Ceci peut être dangereux et aboutir à des conclu-
sions erronées. En effet, il existe entre ces variables des relations économiques
implicites, que l’on ne peut pas ignorer.
L’un des paramètres clé qui relie ces variables entre elles est la rente ou « fran-
chise value 1 ». La rente se dénit comme la différence entre la rentabilité des capi-
taux employés (ROCE) et le coût du capital. Cette rente résulte des avantages
concurrentiels qu’a une entreprise d’investir dans des activités et des projets d’inves-
tissement rentables, au-delà du coût des capitaux nécessaires pour les nancer. Elle
est liée à l’organisation de l’entreprise, ses brevets, ses capacités, son savoir-faire, sa
culture, etc. Ainsi, une société pharmaceutique qui vient d’obtenir un brevet sur un
médicament extrêmement prometteur dispose d’une rente. Bien sûr elle devra inves-
tir des capitaux pour exploiter ce brevet, mais la rentabilité des fonds investis sera
très forte et bien supérieure à la rentabilité qu’attendent normalement les apporteurs
de capitaux. Cette rente agit à la fois sur la croissance des bénéces (g) et le taux de
rétention des bénéces (b). Même si elle n’apparaît pas directement dans l’équation
d’évaluation du PER, la rente constitue donc indirectement un déterminant fonda-
mental de la valeur d’une société. Comment pourrait-il d’ailleurs en être autrement
dans la mesure où la rente étant positive, les capitaux investis auront une rentabilité
supérieure à leur coût de nancement?
Dans une modélisation à deux périodes, la première période correspond à une
phase de rente, c’est-à-dire de croissance des bénéces et de taux de rétention éle-
vés, nécessairement limitée dans le temps. Dans la seconde période, la rente existe
toujours mais elle est plus limitée, compatible avec un environnement plus concur-
rentiel. De fait, la croissance des bénéces est plus faible.
Par exemple, dans dix ans, n de la première période, les paramètres «normaux»
d’une entreprise, c’est-à-dire sur longue période, peuvent être les suivants :
k =10%, g =6%, (1 – b) =0,5. Le PER terminal sera alors de 12,5 [0,5/(0,10-
0,06)]. Un PER terminal de 12,5 dans 10 ans est compatible avec un PER de 25
aujourd’hui, dans la mesure où l’entreprise a un taux de croissance annuel des béné-
1. Voir Leibowitz (2000)
176
ces pour les dix prochaines années de 15%, la valeur des deux autres paramètres
k et (1– b) restant la même.
2.3 Modèle DDM à trois phases de croissance
Dans la pratique, on utilise généralement un modèle plus riche avec trois phases
de croissance qui correspondent à la qualité des prévisions de bénéces. Ces prévi-
sions sont généralement liées à un modèle pour chaque entreprise développé par
l’analyste nancier. Chaque phase a une durée variable.
Dans la première phase, l’analyste peut formuler des prévisions précises, année
après année.
Dans la deuxième phase, l’analyste prévoit un taux de croissance spécique à
l’entreprise, compte tenu de celui de son secteur.
Dans la troisième phase, on considère que la visibilité est faible et que le taux de
croissance va se rapprocher progressivement de celui de la moyenne des entreprises
du marché.
La décomposition du futur en plusieurs périodes, en donnant de la exibilité au
modèle de valorisation par actualisation des dividendes, permet de lever en partie les
objections évoquées au paragraphe précédent. Il n’en reste pas moins que les PER
et donc les prix d’équilibre sont très sensibles à une modication des hypothèses.
,
3 L’effet de l’inflation sur la valorisation des actions

L’ination va jouer sur deux éléments clés de la valorisation des actions: les béné-
ces et le taux d’actualisation approprié.
Dans la mesure où la comptabilité est exprimée en coûts historiques, et elle l’est

de moins en moins avec les nouvelles normes comptables internationales, l’ination
est susceptible de distordre le niveau des bénéces comptables, et ce par le biais des
amortissements, des stocks et des coûts d’emprunt notamment. Les nouveaux inves-
tissements se font à des coûts inatés, alors que les amortissements sont calculés à
partir des coûts historiques des investissements passés, ce qui a pour effet d’inater
articiellement les bénéces comptables. La comptabilisation des stocks en rst-in,
rst-out (FIFO) a le même effet parce qu’elle sous évalue les stocks. De même les
coûts d’emprunt à des taux historiques sous estiment ceux-ci et inatent donc les
bénéces. À l’inverse, l’impôt sur les plus-values recouvre une taxe d’ination du
fait que la base de calcul d’un tel impôt est historique.
177
Pour tenir compte des effets de l’ination sur la valorisation des actions, les ana-
lystes s’efforcent de déterminer dans quelle mesure les ux liés à l’ination se
trouvent répercutés dans les bénéces.
Prenons l’exemple d’une société dans un environnement inationniste, sans crois-
sance réelle, avec un taux de distribution des bénéces de 100%, et qui peut réper-
cuter intégralement l’ination. Dans ce cas, les bénéces augmentent chaque année
du taux d’ination I, supposé constant année après année:
E 1 =E 0(1+I)
La valeur théorique de l’action de cette société, compte tenu d’un taux normal de
rentabilité requis de r est:
E1 E 0( 1 + I )
P 0 = ---------
- = ----------------------
r–I r–I
Supposons maintenant que le taux de répercussion de l’ination dans les bénéces

de la société soit inférieur à 100 %. Il n’est que de l %, de telle sorte que les
bénéces annuels ne croissent que de l:
E1 = E0(1 + λI)
E0 ( 1 + λ I)
P 0 = -------------------------
-
r – λI
Soit ρ =r–I, le taux de rentabilité réel requis, il vient:
E0 ( 1 + λ I ) E1
P 0 = ----------------------------
- = ----------------------------
-
ρ + ( 1 – λ )I ρ + ( 1 – λ )I
Le P/E de la société est donc:
1
P 0 /E 1 = -----------------------------
ρ + ( 1 – λ )I
Dans cette équation, on voit que plus la société peut répercuter l’ination, plus sa
valeur sera élevée. Selon qu’elle peut répercuter intégralement ou pas du tout l’ina-
tion, son P/E sera d’un maximum de 1/ρ ou d’un minimum de 1/r. Si ce taux d’ina-
tion annuel est de 5%, le taux réel requis de 6% et le taux de répercussion l de
l’ination de 100% le PE sera de 1/0,06 =16,67. Avec un taux de répercussion de
l’ination de seulement 50%, le PE passe à
1
----------------------------- 1 - = 11,7
- = ------------
0,06 + 0,025 0,085
Plus l’ination est élevée et moindre la capacité de l’entreprise de la répercuter

dans ses opérations, moindre sera sa valeur.
178
4 Consensus de marché et annonces de bénéfices futurs
L’annonce des résultats des entreprises conduit parfois à un comportement des

cours boursiers jugé paradoxal par le grand public. Par exemple, une entreprise
annonce une progression de ses bénéces de 20% et pourtant son cours boursier
chute à la suite de cette annonce. En fait, toute annonce de résultats ou de prévisions
de résultats doit être jugée à l’aune des anticipations du marché et non par rapport
aux résultats passés. Comme nous l’avons amplement souligné, les cours boursiers
reètent les anticipations de bénéces. Si les analystes nanciers avaient prévu une
hausse de 30% des bénéces, et que celle-ci n’est en réalité que de 20%, le marché
est déçu et le cours boursier va baisser. Le nouveau cours coté va tenir compte de la
révision, à la baisse, des prévisions de bénéces.
Inversement le cours d’une société va monter si elle annonce de mauvais résultats,
mais moins mauvais que ceux anticipés par le marché.
Étant donné l’importance des prévisions des analystes, divers organismes
rassemblent les prévisions de tous les analystes qui suivent une société et établissent
un consensus, une moyenne de ces prévisions.
Lorsque ses dirigeants considèrent qu’ils ne pourront atteindre les prévisions de
bénéces qu’ils avaient communiquées précédemment au marché, ils émettent un
prot warning, qui peut avoir un effet très négatif sur le cours de la société.
Section LE MODÈLE D’ÉVALUATION PAR LA VALEUR

2 D’ENTREPRISE
1 Flux de trésorerie disponibles (Free Cash Flows)
Le modèle d’évaluation par l’actualisation des dividendes est de plus en plus remis
en cause au sein des départements de recherche comme dans les travaux universi-
taires. Ceux-ci lui préfèrent le modèle d’évaluation par l’actualisation des cash ows
libres ou ux de trésorerie disponibles, et ceci pour plusieurs raisons, même si in
ne les deux approches doivent aboutir au même résultat.
D’abord, la politique des dividendes a un caractère discrétionnaire de la part des
directions générales d’entreprises et de leurs conseils d’administration. La variation
des dividendes est lissée par rapport à celle des bénéces et des cash ows parce que
les directions générales répugnent à baisser le dividende par action d’une année sur
179
l’autre ; elles préfèrent se constituer des ressources en période de vaches grasses

pour continuer à assurer une politique de dividendes stables en période de vaches
maigres. Aussi, la politique des dividendes dépend en partie des résultats exception-
nels, par dénition non opérationnels et non récurrents. Bref, la chronique des divi-
dendes ne reète qu’imparfaitement les performances opérationnelles des entre-
prises, et ce d’autant plus qu’elle est polluée par le rôle qu’a le dividende comme
mode de résolution des conits d’agence entre les dirigeants des entreprises et les
actionnaires de celle-ci.
Selon le modèle d’évaluation par les cash ows libres, la valeur totale d’une entre-
prise est la valeur actuelle de ses ux de trésorerie disponibles avant distribution des
dividendes (Free Cash Flows). Les ux de trésorerie disponibles mesurent les ux
de trésorerie générés par le capital employé. Les ux de trésorerie disponibles sont
déterminés après impôts, les impôts étant calculés comme si la société n’était pas
endettée. Le taux d’actualisation utilisé est le coût moyen pondéré du capital, calculé
après impôt, que les Anglo-Saxons baptisent WACC (Weighted Average Cost of
Capital). Il se calcule pratiquement comme la moyenne du taux de rentabilité exigé
par les actionnaires, et des taux de rentabilité exigés par les créanciers, pondérés par
la part relative des capitaux propres et de l’endettement à leur valeur de marché dans
les capitaux employés.
Les cash ows libres sont le résultat de la différence entre l’excédent brut d’ex-
ploitation1 d’une part et la variation des besoins en fonds de roulement d’exploita-
tion (BFR), l’impôt théorique sur les sociétés (en considérant que la société n’est pas
endettée) et les investissements nets d’autre part.
En dénitive, la valeur de l’entreprise est égale à la somme des ux de trésorerie
disponibles (FTD) actualisés au taux de rentabilité exigé par l’ensemble des pour-
voyeurs de fonds et s’écrit:
∞
FTDt
V 0 = ∑ -----------------
-
( 1 + k )t
t=1
La valeur boursière des capitaux propres, c’est-à-dire la valeur des actions, se
déduit de la valeur d’entreprise en lui soustrayant la valeur des dettes et la valeur
boursière des intérêts minoritaires (quand il y en a).
2 Valorisation boursière et ratios comptables
Le taux d’actualisation mentionné précédemment dans les modèles de valorisation

correspond par exemple au taux de rentabilité anticipé par les investisseurs. Celui-ci
1. L’excédent brut d’exploitation représente la différence entre la valeur ajoutée produite et les frais
de personnel, les impôts versés (hors impôt sur les sociétés), diminués éventuellement des provisions
pour dépréciation d’actifs circulants et pour risques et charges d’exploitation (Voir Jacquillat, 2013).
180
ne sera probablement pas celui qu’ils auront subséquemment réalisé. Cette adéqua-
tion dépendra pour partie des performances de l’entreprise selon un mécanisme
représenté sur la gure7.1.
Taux de Taux de rentabilité

rentabilité réalisé par
escompté l’actionnaire
+ Taux de plus ou moins-

Rendement value de l’action
Cours t – 1
: Variation du cours
de l’action
PER ×
Variation du bénéfice
par action
BPA t – 1 –
BPA
Actif net ×
par action ROE
Levier fiscal ×
ROE avant impôts
Levier
financier × ROCE
BAICF Chiffres d’affaires

Chiffres d’affaires
× Capitaux employés
Figure7.1 – Un modèle de valorisation de l’entreprise
181
La gure7.1 commence par comparer l’adéquation entre la rentabilité anticipée à

un certain moment sur un titre (carré en haut à gauche) et celle qui sera subséquem-
ment et effectivement réalisée sur une certaine période de temps (carré en haut à
droite). Elle se lit ensuite de bas en haut. Tous les niveaux concourent pour aboutir
au carré du haut à droite – c’est-à-dire le taux de rentabilité réalisé par l’actionnaire
– et montrent l’interconnexion entre certaines variables nancières et opération-
nelles et certains facteurs de valorisation par le marché.
La partie inférieure du tableau (jusqu’au BPA) n’exprime que des relations comp-
tables. Le ROCE (Return On Capital Employed) ou ROA (Return On Assets) aussi
appelé ROIC (Return On Invested Capital) exprime la rentabilité des capitaux
employés (ratio de marge sur actif d’exploitation plus trésorerie nette). Il est le pro-
duit de deux ratios: d’une part le ratio de marge d’exploitation (Résultat d’exploi-
tation ou Bénéce avant impôts et charges nancières-BAICF- rapporté au chiffre
d’affaires de l’exercice), d’autre part le taux de rotation de l’actif économique
(chiffre d’affaires rapporté aux capitaux employés).
Le produit du ROCE par l’effet de levier donne le ROE (Return On Equity) avant
impôts, c’est-à-dire la rentabilité des capitaux propres avant impôts. L’expression du
levier nancier résulte de la formulation comptable selon laquelle la rentabilité des
capitaux employés sert à la rémunération des deux catégories d’apporteurs de capi-
taux que sont les actionnaires (ROE) et les préteurs nanciers (i) au prorata des
apports de chacun. Pour toute rentabilité des capitaux employés inférieure au coût
des capitaux employés, l’entreprise détruit de la valeur, et ce d’autant plus qu’elle
croît plus vite. Lorsque les deux sont égaux, il n’y a ni destruction ni création de
valeur. Lorsque la rentabilité des capitaux employés est supérieure à leur coût, il y
a création de valeur, et ce d’autant plus que la croissance des capitaux employés est
élevée.
Capitaux propres - + i × --------------------------------------------------
ROC E = RO E × -------------------------------------------------- Dettes -
Capitaux permanents Capitaux permanents
i étant le coût de la dette, et les capitaux permanents la somme des capitaux

propres et des dettes.
D’où l’expression du levier nancier:
Dettes - × Capitaux
RO E = ROC E – i -------------------------------------------------- permanents-
--------------------------------------------------
Capitaux permanents Capitaux propres
ou
Capitaux permanents Dettes
RO E = ROC E × --------------------------------------------------- – i × ------------------------------------------
Capitaux propres Capitaux propres
Le dernier terme de l’équation, parce qu’il est en général très petit par rapport au
premier, est souvent ignoré en première approximation. D’où l’on retrouve l’expres-
182
sion traditionnelle du levier nancier, le rapport des capitaux permanents aux capi-
taux propres fois le ROCE.
La gure7.1 passe ensuite au ROE avant impôts par le «levier scal» (1 - le taux
de l’impôt sur les sociétés). Le produit du ROE après impôts par l’actif net par
action conduit au BPA (bénéce par action). La différence du BPA entre deux
périodes, exercices scaux par exemple, conduit à la variation du bénéce par action
d’une période à l’autre.
Le reste de la gure7.1, c’est-à-dire la partie supérieure, via le PER, conduit au
taux de rentabilité réalisé par l’actionnaire.
Certaines de ces variables ne sont pas du ressort exclusif de l’entreprise. Il n’em-
pêche que le taux de rentabilité réalisé dépend aussi et fortement des performances
économiques de l’entreprise. À long terme, ce sont même elles qui l’emportent sur
les autres facteurs.
Les deux ratios en bas de la gure7.1 synthétisent les performances économiques.
Ce sont d’ailleurs les deux ratios que les Anglo-Saxons appellent value drivers,
c’est-à-dire littéralement les ratios sources de valorisation : le ratio de marge
BAICF/chiffre d’affaires et le ratio de rotation des capitaux employés. Les deux
ratios peuvent être par ailleurs décomposés de manière comptablement plus détail-
lée, voire même par activité de l’entreprise. Aucun de ces deux ratios n’a une norme
absolue. Une société de la grande distribution aura un ratio de marge faible et un
ratio de rotation des capitaux employés élevé, à l’inverse d’une bijouterie. Mais le
produit des deux ratios qui représente la rentabilité des capitaux employés, devrait
être le même ou voisin d’une industrie à l’autre.
En dénitive, ces deux ratios constituent, avec la croissance du capital employé
(via le taux de rétention des bénéces), les règles de décision nancière qui s’im-
posent dans les choix de gestion et d’investissement dans les entreprises, si celles-ci
veulent faire converger au l du temps les anticipations de rentabilité des action-
naires avec celle qu’ils réaliseront effectivement.
La croissance et la rentabilité des capitaux employés sont les deux moteurs ou

sources de création de valeur (MVA) comme l’illustre le tableau 7.1. Ce tableau
indique la valeur d’une société ctive en fonction de différents couples de croissance
annuelle des capitaux employés (g) et de ROCE avec comme hypothèses un bénéce
net de 100 en année 0, un coût des capitaux employés de 10%, un horizon d’inves-
tissement de 25 ans au-delà duquel le ROCE est égal au coût des fonds propres.
183
Tableau7.1 – Rentabilité et croissance des capitaux employés
ROCE
7,5% 10 % 12,5 % 15 % 20 %
g
3% 712 1000 1288 1576 2152
6% 623 1000 1377 1755 2510
9% 490 1000 1510 2021 3041
Destruction de valeur Neutre sur la valeur Création de valeur
Les modèles d’évaluation présentés aboutissent à la valorisation d’un ensemble de

sociétés au sein des bureaux d’études. S’arrêter à ce stade serait insufsant dans la
mesure où toutes les informations qu’il est possible d’extraire de ce travail n’au-
raient pas été exploitées. Aussi, le risque qui est, comme on l’a vu au chapitre 6, au
centre des modèles d’équilibre des marchés nanciers et des modèles de gestion de
portefeuille, n’a pas été explicitement intégré.
Bref, rassembler ces informations au sein d’un modèle d’équilibre des actifs nan-
ciers permet de les intégrer dans un perspective de gestion de portefeuille. C’est ce
qui est présenté dans la section suivante.
Section
3 LE TAUX D’ACTUALISATION APPROPRIÉ
Comme on l’a vu au chapitre 6, la théorie moderne des marchés nanciers établit
que le risque d’une action ou d’un portefeuille est rémunéré. Toutefois, quel que soit
le degré de diversication des portefeuilles détenus par les investisseurs, ceux-ci ne
peuvent espérer de leurs investissements en actions (en plus du taux de rentabilité
que leur rapporte un placement sans risque) que la rémunération de la part du risque
dépendant du marché: c’est-à-dire qu’il existe une relation linéaire entre la rentabi-
lité anticipée par le marché sur un titre E(Ri) et le risque de ce titre (b i), relation qui
a déjà été démontrée au chapitre 6 (le «prix» du risque), et présentée sous la déno-
mination de Droite de Marché.
Le modèle de la Droite de Marché a été mis en œuvre pour la première fois au sein
du département de gestion de la banque de Californie Wells Fargo, Wells Fargo
Investment Advisors (WFIA) dès le début des années soixante-dix. Toutes les
grandes banques anglo-saxonnes l’ont mis en œuvre à l’appui et dans la continuation
des travaux d’évaluation de leurs départements de recherche. Associés en Finance
en France a été l’un des pionniers de ce concept (1977) qu’il a étendu en 2001 au
modèle du Plan de Marché TRIVAL.
184
Le modèle TRIVAL à deux facteurs incorpore simultanément le risque et la liqui-

dité. Ces deux facteurs représentent les facteurs essentiels de valorisation des actifs
nanciers, à côté d’autres facteurs qui représentent des attributs auxquels le marché
peut conférer une certaine importance à certains moments.
Ces attributs sont notamment le secteur (ou l’industrie), le rendement, la taille des
actifs, la croissance du chiffre d’affaires, des cash-ows ou des bénéces, le ratio de
la valeur boursière aux fonds propres, etc. (cf. chapitre 5).
Le passage d’un modèle à un facteur de risque – la Droite de Marché – à un
modèle à deux facteurs – le Plan de Marché – avec à la fois le risque de marché et
l’illiquidité, peut apporter des progrès notables pour l’évaluation et la gestion.
En effet, depuis de nombreuses années, force est de constater l’importance du
facteur liquidité sur les évolutions du marché et des titres, au moins à certaines
périodes. En effet, les taux de rentabilité anticipés étant mesurés avant frais de tran-
sactions (explicites et implicites), il est rationnel que les investisseurs exigent, toutes
choses égales par ailleurs, une rentabilité plus élevée sur les titres relativement illi-
quides, et qui encourent de ce fait des frais de transactions plus élevés, comme il est
rationnel qu’ils exigent une rentabilité plus élevée sur les titres risqués.
Le taux de rentabilité anticipé, fonction du cours, est estimé selon un modèle
d’actualisation des cash ows libres. La modélisation des cash ows libres résulte
de l’évolution du chiffre d’affaires, de la marge (EBIT), de l’intensité capitalistique
qui détermine les investissements, comme on l’a vu dans la section précédente, et de
la structure nancière. Le taux de rentabilité anticipé est le taux d’actualisation qui
rend la somme de la valeur actuelle des ux prévus disponibles pour les action-
naires, égale à la capitalisation boursière.
Le risque relatif anticipé, normé comme un bêta, c’est-à-dire centré sur l, intègre
à la fois des éléments quantitatifs et des éléments qualitatifs. Il tient compte tant du
degré de prévisibilité des ux que de la structure nancière de la société.
L’illiquidité relative repose sur deux éléments: la liquidité structurelle du titre,

fonction de la capitalisation ottante disponible sur le marché, et des indicateurs à
plus court terme de la liquidité du titre en Bourse, que sont les capitaux négociables
quotidiennement sans faire varier le cours de plus de 1%, constatés sur un passé
récent. L’illiquidité relative est également normée par rapport à l.
L’équation du Plan de Marché, qui indique le lien entre taux de rentabilitée espéré
ou d’équilibre (TRE) et les coefcients de risque et d’illiquidité, était la suivante à
n novembre 2013:
TRE =6,07% × risque relatif + 2,45% × illiquidité relative – 0,05 %
Ce qui traduit le fait que le taux de rentabilité espéré (TRE) ou anticipé des inves-
tisseurs à n novembre 2013 sur les actions de la zone euro était de 8,47 %, un
niveau inférieur à sa moyenne depuis 2002.
185
Avec le Plan de Marché en trois dimensions, il est impossible de visualiser simul-

tanément sur un seul graphique les primes de risque et de liquidité, comme cela est
possible pour la prime de risque dans le modèle à deux dimensions qu’est la Droite
de Marché.
On peut cependant obtenir une vision graphique simpliée en neutralisant à l l’un
puis l’autre des deux facteurs. La droite de risque est obtenue en neutralisant à 1 le
coefcient d’illiquidité de toutes les sociétés, quand bien même l’échelle des illiqui-
dités relatives va de 0,6 à plus de 2,4, c’est-à-dire en donnant à toutes les sociétés la
note d’illiquidité de 1 et en projetant le nuage de points ainsi ajusté sur le plan ren-
tabilité/risque. De même, la droite d’illiquidité est obtenue en neutralisant le coef-
cient de risque de toutes les sociétés à 1 et en projetant le nuage de points ainsi ajusté
sur le plan rentabilité/illiquidité.
La pente de la droite de risque est le coefcient correspondant de l’équation du
plan, soit 6,07%, ce qui veut dire que le marché rémunère en novembre 2013 de 607
points de base une unité de risque supplémentaire, toutes choses égales par ailleurs.
L’analyse est similaire pour la prime d’illiquidité, de 2,45% à n novembre 2013.
La gure7.2 représente de telles projections du Plan de Marché à n novembre
2013.
18
Équation du plan
16 Rentabilité espérée = 6,07 % x risque relatif
Pente de risque
+ 2,45 % x illiquidité relative – 0,05 %
14
Rentabilité espérée
12
10 E(RM) = 8,52 % Pente

d’illiquidité
8
0
0 0,5 1 1,5 2
Risque relatif ou illiquidité relative
Figure7.2 – Plan de Marché en projection sur les deux facteurs risque

et illiquidité – novembre 2013
186
Une résultante du modèle est l’écart, c’est-à-dire la différence entre le taux de

rentabilité d’équilibre (TRE) du marché d’actions dans son ensemble et le taux de
rendement actuariel des placements obligataires de référence (par exemple le taux
du Bund à 10 ans).
Comme le modèle de la droite de marché, le modèle du plan de marché est à la
fois un outil d’allocation d’actifs entre différentes classes d’actifs et de sélection de
titres, comme on le verra au chapitre 14.
L’ESSENTIEL
•L’évaluation d’une société, et plus particulièrement de ses actions, se fait selon
les mêmes principes que celle de tout (ou presque) actif nancier et correspond
à la valeur actuelle des ux qu’elle est susceptible de générer dans le futur. Selon
les approches, ces ux correspondent aux dividendes, aux bénéces ou aux cash
ow libres. La difculté d’évaluer les actions d’une société provient du fait que
l’estimation des ux futurs, qui sont particulièrement incertains, est une tâche
extraordinairement complexe.
•Il n’en demeure pas moins que la valeur d’une action dépend d’un très petit
nombre de variables au premier rang desquels gurent la croissance des ux
(dividendes, bénéces ou cash ows libres) et le taux auquel ceux-ci sont actua-
lisés. La croissance des ux résulte elle-même de relations complexes à la fois
opérationnelles et nancières de l’entreprise, difciles à estimer. Les change-
ments d’anticipations quant à l’estimation de ces ux futurs expliquent pour
partie la volatilité observée des cours boursiers.
•Le taux auquel les ux futurs sont actualisés est en moyenne la somme d’un
taux sans risque, d’une prime de risque et d’une prime d’illiquidité. Le modèle
du Plan de Marché qui intègre à la fois l’estimation des ux, le risque et l’illiqui-
dité est un outil utile à la fois pour l’évaluation et la gestion.
187
Chapitre
Obligations
8 et taux d’intérêt
SOMMAIRE
Section1 Les caractéristiques d’une obligation
Section2 Les bases du calcul actuariel
Section3 La structure des taux d’intérêt
Section4 Le risque de taux d’intérêt
Section5 Le risque de crédit
Section6 Le risque de liquidité
Section7 Diverses obligations
Chapitre 8 ■ Obligations et taux d’intérêt
L es méthodes modernes de gestion de portefeuille présentées jusqu’ici ont essen-

tiellement porté sur des portefeuilles d’actions. Toutefois l’analyse en termes de
rentabilité et de risque peut être étendue à l’ensemble des placements et notam-
ment aux obligations. Ce chapitre est consacré aux valeurs à revenu xe, générale-
ment appelées obligations.
Après avoir passé en revue les caractéristiques d’une obligation classique, nous
introduisons les bases du calcul actuariel. L’outil de base de la valorisation d’une
obligation est la structure à terme des taux d’intérêt. Elle doit être déduite des taux
des obligations zéro-coupon. Trois types de risque affectent le placement en obliga-
tion. Il s’agit d’abord du risque de taux d’intérêt, car le prix d’une obligation va
baisser si le taux requis par le marché augmente. Il s’agit ensuite du risque de crédit
lié à la possibilité d’un défaut de paiement voire d’une faillite de l’émetteur.
Finalement, le risque de liquidité va accroitre le coût de la dette des emprunteurs car
les investisseurs ne seront incités à investir dans un titre peu liquide qu’en échange
d’une compensation additionnelle.
La section sur le risque de crédit introduit les instruments dérivés tels que les CDS
et CDO. Ce chapitre se termine par l’étude de diverses obligations non classiques et
notamment les obligations indexées sur l’ination et les obligations à taux variable.
Section
1 LES CARACTÉRISTIQUES D’UNE OBLIGATION
1 La description d’une obligation
Une obligation est un titre qui matérialise la dette d’un emprunteur à l’égard du
prêteur qui détient cette obligation. Il s’agit donc d’un titre de créance qui peut être
librement négocié en Bourse.
Au moment de l’émission, cette obligation se caractérise par un certain nombre
d’aspects et notamment:
– la valeur nominale;
– l’échéancier des remboursements;
– les coupons versés (date de coupon et montant);
– la qualité de l’emprunteur.
Ainsi, l’État français a émis le 7novembre 2013 un emprunt de 2,210milliards
d’euros matérialisé par des obligations assimilables du trésor (OAT). Ces obliga-
tions portent un coupon de 3,25%, soit 3,25euros pour 100euros investis, payable
le 25mai chaque année jusqu’à l’échéance, le 25mai2045. Ces obligations appa-
190
Obligations et taux d’intérêt ■ Chapitre 8
raissent sous le titre OAT3,25% 25MAY2045 et sont traitées sur NYSE Euronext
(code: FR0011461037). Elles sont décrites pour un euro de valeur nominale et sont
remboursables au pair à l’échéance. Le coupon C s’élèvera donc dans cet exemple à
3,25% d’un euro.
Les obligations sont généralement remboursées in ne, c’est-à-dire en une seule
fois. Toutefois, certaines obligations sont remboursées («amorties») progressive-
ment au cours du temps jusqu’à l’échéance nale. On détermine généralement celles
des obligations qui seront «amorties» à chaque échéance de remboursement par
tirage au sort.
Le coupon représente le paiement des intérêts. Historiquement, chaque obligation
était matérialisée par un titre en papier et il fallait détacher un coupon pour recevoir
le paiement de l’intérêt. À chaque date de coupon, correspondait un coupon numé-
roté différent. Cette matérialisation papier a disparu, mais le terme coupon est tou-
jours utilisé.
La grande majorité des obligations sont des obligations classiques qui sont rem-
boursées au pair et versent des coupons constants au cours du temps. La périodicité
de paiement des coupons varie selon les pays. Traditionnellement, les coupons sont
annuels en Europe continentale mais semestriels au Royaume-Uni, en Amérique et
au Japon.
D’autres obligations ont un coupon qui varie en fonction de l’évolution d’un taux
d’intérêt de marché; il s’agit d’obligations à taux variable ou à taux ottant (oa-
ting rate notes ou FRN). D’autres obligations ont leurs coupons et/ou une valeur de
remboursement indexés sur le prix d’un bien (or, pétrole, etc.) ou sur l’ination.
D’autres obligations peuvent être échangées contre d’autres titres, par exemple des
actions de la société emprunteuse ( obligations convertibles en actions). Nous pas-
sons en revue les principaux types d’obligations non classiques à la n de ce cha-
pitre, qui est principalement consacré aux obligations classiques. L’étude des obli-
gations à clause optionnelle sera abordée au chapitre 11.
An de faire appel à l’épargne publique, un emprunteur doit présenter une taille
et une situation nancière raisonnables. Les émetteurs d’obligations sont donc des
États mais aussi des entreprises. Le risque de défaut d’une obligation dépend de la
«qualité» de l’émetteur. Des sociétés spécialisées (Moody’s, Standard & Poor’s,
Fitch…) fournissent des évaluations du risque de crédit qu’on appelle généralement
notation ou rating.
Traditionnellement, les obligations étaient émises sur un marché national et cotées
sur la Bourse de ce pays. Un marché international des capitaux s’est également
développé, généralement appelé marché obligataire international. Il s’agit d’un
marché sans frontière où les obligations sont placées par un syndicat multinational
de banques et sont achetées ou revendues auprès de banques contrepartistes (market
makers) plutôt que sur une Bourse nationale. Les opérateurs du marché international
sont regroupés au sein de l’ICMA (International Capital Market Association).
191
2 La cotation d’une obligation
Les obligations sont généralement cotées, à travers le monde, de la manière sui-

vante:
– en pourcentage du nominal;
– au pied de coupon;
– coupon couru.
C’est-à-dire que les obligations sont cotées non pas en euros ou en dollars mais en
pourcentage de leur valeur nominale comme cela a déjà été évoqué au chapitre 1.
Ainsi une cotation de 121,00 correspondra à un cours égal à 121% de la valeur nomi-
nale, soit 1,21e par euro de valeur nominale.
Les obligations sont toujours cotées au pied de coupon (clean price) 1. Ainsi, on
calcule chaque jour le montant du coupon couru entre la dernière date de coupon et
le jour de valorisation; ce coupon couru augmente régulièrement chaque jour. On
cote alors la valeur de l’obligation, moins ce coupon couru. Nous avons donc sépa-
rément le cours coté, qui reète l’inuence des conditions de marché, et le coupon
couru. On calcule le coupon couru linéairement. Ainsi, l’OAT ci-dessus paye un
coupon de 3,25% tous les 25mai. Le 25juin 2015, soit 30 jours après le paiement
du dernier coupon (25mai 2015), le coupon couru sera de 30/365 de 3,25% soit
0,26712%. Si le cours coté est de 102,00%, cela veut dire que la valeur totale de
l’obligation sera de 102,26712%. Pour acheter 100000euros de valeur nominale
(remboursée), il faudra débourser 102267,12euros.
Si on appelle P le prix (ou valeur totale) de l’obligation et CC son cours coté, on
aura:
P=CC +coupon couru
La cotation au pied de coupon permet une comparaison des cours des obligations
ayant des dates de paiement du coupon différentes. Toutes choses égales par ailleurs,
et notamment si les taux d’intérêt du marché restent constants au cours du temps, la
valeur de l’obligation augmente régulièrement au cours du temps jusqu’à la date de
paiement du coupon où la valeur de l’obligation chute du montant du coupon payé.
Le calcul en pied de coupon permet de remédier à cette variation de valeur purement
technique. L’ajustement n’est pas parfait puisque le coupon couru est calculé linéai-
rement et non en utilisant l’actualisation.
Lorsque l’on parle de centième de pour cent, on utilise le terme «centime» ou
«point de base » (basis point). Ainsi une différence de taux de 5 points de base
correspond à 0,05%.
1. Les seules exceptions sont des obligations dont le coupon futur n’est pas encore connu et qui
doivent être cotées en valeur totale (dirty price), c’est-à-dire en euros, coupon attaché. Parmi ces excep-
tions, on peut mentionner certaines obligations à taux variable et les obligations convertibles en actions.
192
Dans la suite de ce chapitre, nous raisonnons toujours sur le prix (ou valeur totale)
de l’obligation, c’est-à-dire sur la somme du cours coté et du coupon couru.
Section
2 LES BASES DU CALCUL ACTUARIEL
1 Prix et taux actuariel: obligations zéro-coupon
Nous avons évoqué ci-dessus le taux d’intérêt nominal d’une obligation à son
émission, 3,25 % dans notre exemple. Un investisseur qui achète une obligation
souhaite connaître le taux de rendement global qu’il réalisera sur son titre étant
donné le prix P auquel il l’a payé. Il convient de calculer un taux de rendement
actuariel.
1.1 Le taux de rendement actuariel

L’obligation la plus simple est une obligation zéro-coupon, c’est-à-dire une obli-
gation qui ne verse pas de coupon, et dont la valeur provient uniquement de son
remboursement au pair, soit 100 dans n années. Connaissant la valeur de rembour-
sement xée dans le contrat de l’obligation et le prix payé, l’investisseur peut calcu-
ler le taux de rendement actuariel de son placement.
Pour un investisseur qui achète P une telle obligation, le taux de rendement actua-
riel rn est le taux auquel il place ses fonds P qui seront remboursés 100 dans n
années. Soit:
P (1 + r n) n = 100
ou: 100
P = ---------------------
-
( 1 + r n) n
(1)
Par exemple, une obligation qui promet un remboursement de 100 dans un an avec
un prix de P=90,91 a un taux de rendement r1 donné par:
100 -
90,91 = ---------------------
( 1 + r1 )1
D’où: r1 = 10%.
De la même manière, une obligation zéro-coupon payant 100 dans deux ans, avec
un prix de 81,16 aura un taux de rendement r 2 donné par:
193
100 -
81,16 = ---------------------
( 1 + r2 ) 2
Soit r2 = 11%.
Enn, si le prix est de P=32,2 et la durée n=10 ans, on aura r=12%.
1.2 Prix et taux du marché

Toutes les obligations émises avec une même échéance doivent avoir le même taux
de rendement. Cela doit être le cas pour les obligations sans risque de défaut émises
par l’État. Sinon, il y aurait un arbitrage très facile pour les professionnels. Si on
connaît le taux d’intérêt du marché pour l’échéance («la maturité») concernée on
peut donc utiliser l’équation (1) pour en déduire quel doit être le prix de l’obligation.
Ainsi, supposons que le taux d’intérêt à un an passe soudainement de 10% à 9%,
alors l’obligation zéro-coupon à un an ci-dessus devrait voir son prix varier instan-
tanément de 90,91 à 91,74 car:
100
P = ------------------------ = 91,74
(1 + 9 % )
On a bien sûr une relation inverse entre le taux d’intérêt de marché et le prix de
l’obligation. Si le taux d’intérêt baisse, le prix de l’obligation monte, et vice-versa.
1.3 Structure (ou gamme) de taux d’intérêt

Il n’y a aucune raison pour que les taux d’intérêt soient les mêmes pour toutes les
échéances. C’est-à-dire que r1, r2 , … rn ne sont généralement pas égaux. On ne peut
pas parler d’«un» taux d’intérêt mais de toute une structure de taux en fonction de
la maturité considérée. On observe ainsi une structure à terme des taux, encore appe-
lée gamme des taux1. Ainsi dans les exemples précédents, les taux d’intérêt allaient
de 10% à un an, jusqu’à 12% à 10 ans. Une représentation graphique de la structure
des taux d’intérêt utilisés ci-dessus est donnée sur la gure8.1.
1. Nous ne considérons ici que des obligations sans risque de défaut. Nous présentons plus loin, les
obligations avec risque de défaut.
194
13
12
Taux d’intérêt (%)
11
10
9
8
7
6
5
0 1 2 3 4 5 6 7 8 9 10 11
Maturités (années)
Figure 8.1 – Structure de taux d’intérêt
Les obligations zéro-coupon permettent d’établir très simplement la structure de
taux. À chaque date d’échéance correspond un taux. Les emprunteurs émettent rare-
ment des obligations zéro-coupon car les investisseurs préfèrent généralement des
coupons réguliers. Toutefois, les principaux émetteurs que sont les gouvernements
ont permis aux spécialistes de réaliser un démembrement ou stripping de leurs obli-
gations à coupon. Prenons l’exemple d’une obligation d’État remboursée dans cinq
ans et payant un coupon annuel pendant cinq ans. Cette obligation peut être consi-
dérée comme une série de 5 obligations zéro-coupon correspondant à chaque cash
ow payé sur l’obligation, c’est-à-dire chaque coupon annuel plus le remboursement
nal. Un spécialiste en valeur du trésor (SVT) pourra souscrire à ces obligations
d’État et émettre à leur place cinq obligations zéro-coupon correspondant exacte-
ment aux cinq cash ows de l’obligation d’État.
2 Prix et taux actuariel: obligations à coupons
2.1 Valorisation
La valeur théorique d’une obligation qui paye des coupons réguliers est un peu
plus difcile à établir. Il s’agit de la valeur actuelle d’une série de cash ows corres-
pondant à chaque coupon et au remboursement. Comme les cash ows ont lieu à des
dates différentes, ils doivent être actualisés au taux d’intérêt correspondant à la date
de paiement. Ainsi un coupon C1payé dans un an doit être actualisé au taux à un an
r1 . Un coupon C2payé dans deux ans doit être actualisé au taux à deux ans r 2 et ainsi
de suite. En fait, une obligation à coupons est une combinaison d’obligations zéro-
coupon de maturités différentes. Par exemple, une obligation à 5 ans est la combi-
195
naison de 5 obligations zéro-coupon d’échéance un à cinq ans et de valeur nominale

égale au montant du coupon, plus une obligation zéro-coupon à cinq ans correspon-
dant au remboursement nal. Pour une obligation à n années avec des cash ows de
C 1, C2,…, C n , où le dernier cash ow en date n inclue le dernier coupon et le rem-
boursement du principal (100%), on a donc:
C1 C2 Cn
P = ---------------------
- + ---------------------
- + … + ---------------------
- (2)
( 1 + r1 ) 1 ( 1 + r 2 ) 2 (1 + r n ) n
Sur une obligation classique, tous les coupons sont égaux et on a:
C1=C 2=… = C n–1=C et C n=100 +C
Bien sûr, l’équation (2) suppose que la valorisation est faite exactement un an
avant le prochain coupon. En fait, le calcul peut être effectué en cours d’année et les
exposants sont alors exprimés en fractions d’année. Par exemple, s’il y a un coupon
annuel et que le prochain coupon est payé dans 73 jours, c’est-à-dire 0,2 année, alors
les exposants de l’équation (2) ne seront plus 1 puis 2 puis 3 et ainsi de suite, mais
plutôt 0,2 puis 1,2, puis 2,2 et ainsi de suite.
2.2 Taux de rendement actuariel moyen

On n’utilise pas vraiment un taux de rendement actuariel unique pour valoriser
une obligation, mais toute une structure de taux en fonction de la date de chaque
cash ow. Toutefois, un investisseur aimerait bien pouvoir répondre à la question
suivante: lorsque j’achète à un prix P une obligation dont je connais tous les paie-
ments futurs, quel est le taux de rendement de mon placement? Il s’agit donc de
calculer un taux de rendement actuariel moyen sur toute la durée de vie de l’obliga-
tion. Ce calcul peut être réalisé avec la formule (3) où le prix P et tous les coupons
sont connus. C’est tout simplement le taux de rendement interne r donné par la
formule:
C1 C2 Cn
P = ------------------
- + ------------------
- + … + ------------------
- (3)
(1 + r) 1 (1 + r)2 ( 1 + r )n
Cette formule est différente de la précédente car le rendement r est le même pour
toutes les dates (taux moyen). Connaissant le prix et les coupons, on peut calculer
le taux de rendement actuariel r , en utilisant un tableur tel qu’Excel (fonction TRI).
Par exemple, considérons une OAT 4% avec un coupon de 4 % qui vaut 98% à
l’émission. De ce fait, son taux de rendement actuariel était de 4,5%. Un an plus
tard, la même OAT valait 102% sur le marché secondaire, ce qui correspond à un
taux actuariel de 3,73%. Cela veut dire que les taux ont baissé lors de l’année qui a
suivi l’émission de l’obligation. Le prix P est fonction de r et la dérivée de P par
rapport à r est négative. Quand le taux actuariel du marché baisse, le prix monte et
inversement.
196
Plus généralement, si un cash ow (coupon ou remboursement) est payé en date

tn, exprimée en nombre d’années, l’équation (3) devient:
Ct Ct Ct
P = -------------------
1
- + -------------------
2
- + … + -------------------
n
- (4)
t1 t2 tn
(1 + r) (1 + r) (1 + r)
Il est très important de comprendre qu’il ne s’agit là que d’un taux moyen sur toute
la durée de vie de l’obligation. Il est généralement appelé en France, le taux actua-
riel brut. Un gérant obligataire qui détient en portefeuille des centaines d’obliga-
tions aura besoin d’avoir une vue synthétique sur chaque obligation et donc une
mesure simple du taux de rendement et de la durée de vie (appelée «duration» ci-
dessous) de chaque obligation en portefeuille. Toutefois, pour valoriser avec préci-
sion un titre à revenus xes, il convient d’utiliser la structure de taux zéro-coupon.
2.3 Duration
La maturité d’une obligation n’est dénie sans ambiguïté que si elle verse un ux
de trésorerie unique à une date spéciée. En général, la question à laquelle il
convient de répondre est : quelle est la maturité de l’obligation en question ? Si
l’obligation est une zéro-coupon, la réponse est claire, il s’agit de son échéance
nale puisqu’il n’y a qu’un seul ux à cette date unique. Pour toute autre obligation,
la réponse est moins évidente car la valeur de l’obligation est fonction de n ux qui
interviennent tous à des dates différentes. Comme on le voit dans l’équation (2), la
valeur de l’obligation est en fait la somme de n obligations démembrées qui, cha-
cune, promettent un paiement de Ct à une échéance t. Une méthode traditionnelle en
France est de prendre comme maturité la durée de vie moyenne qui est la moyenne
linéaire des dates de remboursement pour une obligation à remboursement progres-
sif et donc l’échéance nale pour une obligation à coupon mais remboursée in ne.
Cette méthode est erronée et incohérente avec la technique actuarielle utilisée. En
effet, des cash ows correspondants aux coupons sont payés tous les ans et devraient
être pris en compte. Il convient d’utiliser le calcul actuariel pour déterminer à la fois
la maturité moyenne de l’obligation, son taux de rendement actuariel moyen et sa
sensibilité aux mouvements de taux d’intérêt. En fait, la maturité moyenne d’une
obligation est la moyenne des échéances de chacun de ses ux pondérés par la part
de ce ux dans la valeur de l’obligation. Ainsi, l’échéance n est pondérée par le ratio
[Cn / (1+r)n ] / P. Cette mesure de la maturité moyenne d’une obligation est généra-
lement appelée duration par les gérants obligataires (Macaulay, 1938). Elle est
donnée par l’équation:
1 C1 C2 Cn 
D = --- 1------------------
- + 2 ------------------
- + … + n ------------------
- (5)
P ( 1 + r )1 (1 + r)2 ( 1 + r )n 
197
où P est bien sûr égal à la somme des pondérations:

C1 C2 Cn
P = ------------------
- + ------------------
- + … + ------------------
-
( 1 + r )1 ( 1 + r )2 (1 + r) n
La mesure de duration est d’autant plus intéressante qu’elle nous permet égale-
ment de mesurer le risque de taux ou sensibilité de l’obligation. On montrera plus
bas que la sensibilité de l’obligation aux mouvements de taux d’intérêt est égale à la
duration divisée par le facteur d’actualisation (1 + r).
2.4 Taux semi-annuel

Une formule de valorisation actuarielle telle que donnée dans les équations (2) ou
(4) peut être appliquée quelles que soient la fréquence et les dates des cash ows.
Pour simplier les notations, nous considérons uniquement dans cette section un
taux actuariel unique r, tel que donné dans l’équation (4). Sur certains marchés obli-
gataires (par exemple aux États-Unis, au Japon ou en Australie) les coupons sont
payés chaque semestre. Cela ne pose aucun problème d’application de l’équation
(4). On peut ainsi calculer le taux de rendement actuariel annuel pour une obligation
à coupons semestriels.
Par contre, il est habituel de calculer aux États-Unis un taux de rendement actua-
riel semi-annuel. On utilise alors une formule d’actualisation où l’unité de temps est
le semestre, et non plus l’année. Comme tous les taux d’intérêt sont toujours donnés,
en taux annualisés à travers le monde, le taux calculé est alors multiplié par 2. On
appelle taux actuariel semi-annuel ce taux (annualisé) que nous noterons r’. Il est
donné par la formule:
Ct Ct Ct
P = ------------------------------
1 2
- + ------------------------------
- + … + ------------------------------
n
- (6)
2t1 2t2 2tn
( 1 + r′ ⁄ 2 ) ( 1 + r′ ⁄ 2 ) (1 + r′ ⁄ 2 )
où ti est exprimé, comme précédemment en nombre d’années et donc où 2t i est
exprimé en nombre de semestres. On voit que la relation entre le taux annuel, tel
qu’il est calculé en Europe, et le taux semi-annuel, tel qu’il est calculé aux États-
Unis pour la même obligation, est donné par:
(1 + r) = (1 + r’/2)2 (7)
Par exemple, si le taux actuariel semi-annuel (méthode américaine) d’une obliga-
tion est de 12%, le taux actuariel annuel (méthode européenne) de la même obliga-
tion est de 12,36%. Bien sûr, on peut facilement utiliser l’équation (6) pour calculer
le taux actuariel semi-annuel (méthode américaine) d’une obligation à coupons
annuels, de même qu’on peut utiliser l’équation (4) pour calculer le taux actuariel
annuel (méthode européenne) d’une obligation à coupons semestriels.
198
Section
3 LA STRUCTURE DES TAUX D’INTÉRÊT
1 Courbe de structure de taux
Nous avons introduit précédemment la notion de structure de taux en fonction de

l’échéance en utilisant des obligations zéro-coupon (voir gure8.1). Il s’agit de la
photo instantanée de tous les taux en fonction de la maturité de l’instrument consi-
déré; elle est établie pour des instruments sans risque de crédit (emprunts d’État).
Il n’est pas possible d’observer directement cette courbe, car il n’existe pas d’obli-
gations zéro-coupon pour toutes les dates d’échéance futures. Diverses méthodes
mathématiques, souvent sophistiquées, sont donc utilisées pour inférer cette struc-
ture de taux à partir des obligations existantes.
La grande majorité des obligations sont des obligations à coupon. Pour chaque
obligation on peut facilement calculer son taux actuariel (moyen) et sa duration. Il
est donc facile de tracer une courbe de structure de taux à partir de ces données. Pour
éviter l’incidence scale liée au traitement scal des plus-values, on essaye d’utiliser
des obligations au pair, c’est-à-dire dont le prix est égal à la valeur de rembourse-
ment. On parle alors de structure de taux actuariel au pair (par yield curve).
Toutefois, il faut bien comprendre que ce type de structure de taux est basé sur
l’évaluation d’un taux moyen et d’une maturité moyenne pour chaque obligation;
ce n’est donc qu’une méthode approchée.
2 Taux à terme
La théorie des taux d’intérêt indique en première analyse que dans un marché
intégré les «taux à long terme reètent les anticipations sur les taux d’intérêt à court
terme futurs».
Cette théorie est souvent appelée théorie des anticipations pures.
Considérons un marché nancier parfaitement intégré et dans lequel les taux
d’intérêt présents et futurs sont connus avec certitude. Ainsi, les anticipations sont
forcément exactes. Supposons, par exemple, que le 31décembre 2020 le taux à un
an soit de 6% et que l’on prévoit que ce taux à un an sera égal à 8% en 2021 et à
8,5% en2022 et2023. Il s’agit de savoir quel est le taux qui devrait normalement
être coté en 2015 pour une maturité de deux et trois ans an d’assurer l’équilibre sur
le marché des capitaux. Cela peut être déterminé par un raisonnement d’arbitrage.
Un investisseur qui désire placer son argent à deux ans peut le faire directement en
2020 en obtenant le taux à deux ans ou placer à un an en 2020 (taux 6%) et encore
199
à un an en 2021 (taux 8%). On voit que le taux à deux ans coté en 2020 doit être
égal à environ 7%. En effet, si r est ce taux, les deux placements rapportent la même
chose, donc avec l’approximation linéaire 1:
6+8@2r et r @ 7 %
On en déduit pareillement le taux à trois ans qui doit être égal à 7,5% et ainsi de
proche en proche. Le tableau8.1 reproduit ces taux (avec l’approximation linéaire).
Tableau8.1 –Structure de taux d’intérêt (exprimé en pourcentage)
Coté en
2015 2016 2017 2018
Échéance en
2020 6 – – –
2021 7 8 –
2022 7,5 8,25 8,5 –
2023 7,75 8,33 8,5 8,5
La première colonne de taux (cotés en 2020) donne les taux d’intérêt cotés
«aujourd’hui» pour diverses échéances; c’est donc la structure de taux cohérente
avec les taux futurs prévus. Le même raisonnement est valable lorsque les taux
futurs ne sont pas connus avec certitude, mais simplement estimés. Plus générale-
ment, le taux d’intérêt coté aujourd’hui pour une maturité n, rn , sera égal à la
moyenne géométrique des taux à court terme anticipés dans le futur. Si on note j a1,
le taux d’intérêt à un an anticipé de prévaloir l’année j, on aura:
1 + r = 1 + 0a1
(1 + r2 )2 = (1 + 0 a1 ) (1 + 1a 1)
(1 + rn )n = (1 + 0 a1 ) (1 + 1a 1) … (1 + n–1a 1)
Ainsi, lorsqu’on anticipe une hausse des taux à court terme, la structure des taux
aura une forme telle que celle de la gure8.1, et les taux à long terme seront supé-
rieurs aux taux courts actuels et inférieurs aux taux courts prévus pour le futur. Si on
anticipe une baisse des taux, la courbe sera descendante (au lieu d’ascendante) avec
également une asymptote horizontale.
Les taux ja1 sont fréquemment appelés les taux forward/forward. Connaissant la
structure de taux, on peut en déduire ces taux forward/forward implicites dans la
structure. Ainsi, aujourd’hui (an 0), le taux à un an implicite pour dans un an 1a 1 est
donné par:
( 1 + r 2) 2
1 + 1 a1 = ---------------------
-
(1 + r 1 )
1. Pour être exact, on devrait avoir : (1 + r)2 = (1 + 6 %) (1 + 8 %) soit r = 6,995 %.
200
où r 1 et r2 sont directement observables sur la structure de taux. Ces taux forward/

forward permettent également de déterminer les valeurs théoriques des contrats à
terme sur des bons à court terme type bon du Trésor ou eurodollar.
Il faut bien voir que la relation entre les taux d’intérêt à long terme cotés
aujourd’hui et les taux d’intérêt à court terme prévus pour le futur dépend de la
possibilité (et la volonté) d’arbitrage entre le court et long terme et suppose que
l’investisseur est indifférent entre l’achat d’une obligation à dix ans et dix achats
successifs de bons à un an. Or, comme l’a rappelé Hicks (1939), les investisseurs
préfèrent, pour des raisons de liquidité, placer à court terme et les emprunteurs
(entreprises) émettre à long terme; d’où une dissymétrie dans l’offre et la demande.
Cela revient à dire que les investisseurs qui sont amenés à courir le risque de taux
d’intérêt (ou volatilité) décrit précédemment sur un placement à long terme vont
réclamer une compensation sous la forme de prime de risque (et donc un taux de
rendement plus élevé que ne le justient les anticipations pures). Pour des raisons
évidentes, cette prime de risque est fréquemment appelée prime de liquidité.
Taux
Avec prime de liquidité
Sans prime de liquidité
Maturité
0
Figure8.2 – Structure de taux avec et sans prime de liquidité

3 Taux d’intérêt réel et inflation
Puisque les taux d’intérêt semblent reéter les anticipations sur les taux à court
terme futurs, il est important d’en étudier les déterminants et notamment l’ination.
Il est facile d’observer que les taux d’intérêt à court terme sont plus élevés en
période d’ination qu’en période de stabilité des prix. La relation entre les taux
d’intérêt et l’ination a été sérieusement étudiée pour la première fois par Fisher
(1930). Il en a déduit que le taux d’intérêt nominal sur un emprunt est égal au taux
d’intérêt réel plus le taux d’ination anticipé sur la période considérée.
L’idée qui sous-tend la relation de Fisher est très simple. Le taux d’intérêt réel est
égal à la quantité de biens qu’un individu désire recevoir (avec certitude) dans le futur
201
pour accepter de prêter une quantité unité de ces biens. Supposons en plus que l’on
connaisse le prix des biens durant les deux périodes. Alors le rapport des valeurs des
biens échangés d’une période à l’autre est égal à un, plus le taux nominal. Par consé-
quent, le taux d’intérêt nominal est égal au taux d’intérêt réel multiplié par le rapport
des prix des biens pendant les deux périodes, autrement dit le taux d’ination.
Notons:
– I t le taux d’ination anticipé sur la période t;
– ρt le taux d’intérêt réel sur la même période;
– rt le taux d’intérêt nominal.
La relation peut s’écrire:
(1 + rt ) = (1 + ρ t) (1 + It) (8)
La théorie de Fisher postule que le taux d’intérêt réel est constant, ou du moins
très stable, sur le court terme car il dépend de facteurs réels tels la productivité des
investissements. Ainsi le taux d’intérêt (nominal) évolue comme l’ination antici-
pée. Cette théorie est en contradiction avec l’approche keynésienne qui considère
que tout changement de croissance de la masse monétaire se répercute en priorité
sur les taux d’intérêt réels. Ainsi, une expansion soudaine de la masse monétaire
entraîne une plus grande liquidité et une baisse immédiate du loyer de l’argent. Dans
l’équation (8) c’est le taux d’intérêt réel qui baisse car l’expansion de la masse
monétaire n’entraînera une accélération de l’ination qu’à long terme. À court
terme, ce sont donc les taux d’intérêt réels qui varient selon Keynes. Au contraire,
si la relation de Fisher était vériée, les uctuations de taux d’intérêt à court terme
et de taux de rendement sur les obligations seraient essentiellement expliquées par
les variations du taux d’ination (prévu). Il est donc important de vérier cette rela-
tion qui explique la rentabilité d’un placement en valeurs à revenu xe.
Malheureusement, il est bien difcile de trouver de bonnes estimations pourρt et
pour It dans l’équation (8). Comment estimer un taux d’ination anticipé?
Dans les travaux économétriques, la solution la plus fréquemment utilisée est un
décalage pondéré des taux passés observés1. D’autres ont employé des estimations
de taux d’ination anticipés obtenus par des sondages (Chernov et Mueller, 2012).
Certains ont essayé de mesurerρ t en utilisant le taux sur une obligation indexée sur
l’ination (Chen, Liu et Cheng, 2010 et voir ci-dessous). Certaines banques cen-
trales, comme la Federal Reserve américaine, extraient les taux d’ination anticipés
à partir de swaps d’ination (Haubrich, Pennacchi et Ritchken, 2012). Ces derniers
sont des produits dérivés où une partie s’engage à verser un taux xe sur un montant
et une période prédénis et sa contrepartie s’engage à verser le taux d’ination réa-
lisé (voir chapitre11).
1. C’est-à-dire que le taux futur anticipé est une sommation des taux passés dans laquelle les obser-
vations les plus récentes ont des pondérations plus importantes.
202
Dans une série d’articles, Fama (1984 et 1986) a montré que, bien que l’ination
soit un déterminant fondamental des taux d’intérêt à court terme, le taux d’intérêt
réel est loin d’être constant. Toutefois, les différences de niveau de taux d’intérêt en
différentes devises s’expliquent essentiellement par des différentiels d’ination
entre les pays1 .
En résumé, la théorie économique indique quel devra être le taux actuariel des obli-
gations dans un marché intégré des capitaux. Le taux d’intérêt à long terme doit être
égal à la somme composée des taux à court terme futurs (anticipés) et d’une prime de
risque, fonction du terme considéré. De par la relation entre l’ination et les taux à
court terme, le taux d’intérêt à long terme peut se décomposer en trois éléments:
– un taux réel (qui peut être négatif, notamment en période de récession);
– le taux d’ination anticipé sur la période;
– une prime de risque, fonction du terme (et liée à la volatilité).
4 Comparaison internationale
Il existe une structure des taux d’intérêt dans chaque devise. Les taux d’intérêt
sont généralement différents selon la devise, comme on peut le voir sur la gure8.3
qui donne les taux d’intérêt pour des emprunts gouvernementaux en euro, yen, livre
et dollar en novembre 2013. Comme on le voit, les taux au Japon sont bien inférieurs
à ceux dans les principales autres devises.
4 Dollar US
Livre britanique
3
Euro
Taux (en %)
2
Yen
0
2 ans 5 ans 10 ans 20 ans
Source: Bloomberg, novembre 2013

Figure 8.3 – Structure de taux d’intérêt dans diverses devises
1. Voir notamment Solnik et McLeavey (2009).
203
Les différences entre les taux d’intérêt de même maturité mais dans des devises
différentes proviennent des anticipations de change. Cela sera mieux perçu sur un
exemple simple. Supposons que le futur est connu avec certitude et que les taux
d’intérêt à un an sont égaux à 5% en euro et 1% en yen. La dépréciation future de
l’euro par rapport au yen doit compenser cette différence de taux d’intérêt, sinon un
arbitrage rentable est possible. Si la dépréciation, future et prévisible, de l’euro n’est
que de 2%, il convient d’acheter des obligations en euro et de vendre des obligations
en yen, ce qui permettra d’empocher environ 2% sans risque et sans capital investi.
En fait, la dépréciation anticipée doit être d’environ 4% pour compenser le différen-
tiel de taux d’intérêt. Plus précisément, si on note S0 le taux de change aujourd’hui
(par exemple 100 yens par euro) et S1 le taux de change dans un an, supposé connu
avec certitude, l’absence d’arbitrage implique que:
S1 (1 + 1 %)
----- = ------------------------ = 0,9619
S0 (1 + 5 %)
D’où S1 = 96,19 yens.
Dans un monde d’incertitude, on appellera S 1 le taux de change à terme implicite
ou le taux de change d’équilibre (« breakeven exchange rate »). C’est le taux de
change futur qui rendra un investissement en obligations yen ou euro indifférent.
Certains le considèrent comme une prévision de change implicite dans les taux du
marché obligataire. Pour des structures de taux zéro-coupon, la formule générale à
n années s’écrit:
Sn (1 + r yen) n
----- = ----------------------------- (9)
S0 ( 1 + reuro) n
Section
4 LE RISQUE DE TAUX D’INTÉRÊT
Le détenteur d’une obligation est confronté à deux principaux risques:
– le risque de défaut de l’émetteur;
– le risque de taux d’intérêt.
La première source de risque sur une obligation provient du risque de faillite de
son émetteur. Nous y consacrons la section suivante. Ce risque est moins important
pour les émissions ayant la garantie de l’État, du moins dans la monnaie nationale1.
1. Un pays, qui émet des obligations dans une devise étrangère, peut courir le risque d’une dévalua-
tion galopante de sa propre monnaie qui ne lui permet pas d’assumer ses dettes en devise étrangère (cas
de certains pays émergents). Par contre, il est toujours possible de faire marcher la planche à billet pour
assumer des dettes en monnaie nationale. Cependant, les défauts constatés en 1998 sur les obligations
russes en rouble et en 2012 sur les obligations grecques en euros nous rappellent que les obligations
d’État peuvent exposer leur détenteur au risque de défaut.
204
Toutefois, même lorsque le risque de défaut est limité, le placement en obligations

à taux xe est risqué pour un investisseur qui observe des uctuations de valeur de
son portefeuille obligataire à court ou moyen terme. La rentabilité d’un investisse-
ment dans une obligation à 20 ans serait totalement dénuée d’incertitude si, et seu-
lement si, l’investisseur ne se préoccupait pas de la valeur de son placement avant
vingt ans (cas de certaines compagnies d’assurances) et s’il pouvait réinvestir avec
certitude les coupons futurs au même taux que celui de l’obligation. Tel n’est géné-
ralement pas le cas d’un investisseur préoccupé par la variation à court et moyen
terme de sa richesse.
La grande différence économique entre une action et une obligation est que le
coupon d’une obligation classique est certain mais xe, alors que les dividendes sont
incertains mais peuvent, potentiellement, croître sans limite. Le risque d’une obliga-
tion provient de ce que sa valeur va uctuer en fonction du taux d’intérêt en vigueur
pour les instruments de cette maturité.
L’ajustement de la valeur boursière d’une obligation au taux d’intérêt du marché
est bien connu. Les mécanismes du marché assurent que, lors d’une hausse des taux,
la valeur d’une ancienne obligation va baisser an que le coupon servi (qui, lui, reste
xe en valeur absolue) fournisse à l’investisseur un rendement comparable à celui
des obligations nouvellement émises au taux du marché. Une étude plus détaillée de
la volatilité des obligations en fonction des variations de taux d’intérêt et donc du
risque de taux d’intérêt nécessite le développement de mathématiques actuarielles.
En effet, une même variation non anticipée du taux du marché peut entraîner des
variations de prix très différentes selon les caractéristiques de l’obligation.
Quelles sont donc les caractéristiques d’un titre qui détermine sa plus ou moins
grande sensibilité aux uctuations de taux d’intérêt?
La réponse à cette question nécessite d’entrer dans les détails du calcul actuariel.
Même si cela peut paraître technique, c’est ainsi que procèdent les actuaires de tous
les gérants institutionnels. Par la suite, nous utilisons indifféremment les termes
sensibilité et duration, car les opérateurs anglo-saxons utilisent fréquemment le

terme modied duration, ou tout simplement duration, du fait de la relation entre
sensibilité et duration.
1 Le calcul de la sensibilité
1.1 Définition et calcul

Les équations (2) et (3) montrent qu’il existe une relation inverse entre la valeur
d’une obligation, son prix total P, et les taux d’intérêt requis par le marché r. Pour
simplier les notations, nous considérons que la structure des taux est plate à un
205
instant donné (tous les taux sont égaux à r) et étudions l’impact d’un mouvement dr
dans le niveau général des taux.
Comme nous l’indiquions précédemment, l’équation de valorisation donnée ci-
dessus n’est pas une relation théorique hypothétique, mais bien une relation exacte
et nécessaire qui lie des variables dont les valeurs sont connues avec certitude (prix
coté, coupons, valeur de remboursement et le taux d’intérêt du marché).
Lorsqu’il est question de taux d’intérêt en vigueur sur le marché, il ne s’agit pas
bien entendu du taux nominal (coupon/valeur nominale) ou du taux de coupon (cou-
pon/valeur boursière), mais du taux actuariel qui tient compte de toutes les caracté-
ristiques de l’obligation et qui intervient dans l’équation (3). Ce taux devrait être le
même, à un moment donné, pour toutes les obligations de mêmes caractéristiques et
de même maturité.
Considérons une variation de prix dP engendrée par une variation de taux d’intérêt
dr. Le changement instantané de prix est donné par la dérivée dP ------- :
dr
n
dP C1 2C2 nCn tC t
------- = –------------------- – -------------------… – --------------------------- = – ∑ -------------------------
dr (1 + r) 2 (1 + r) 3 (1 + r) n + 1 (1 + r)t + 1
t=1
Comme tout nancier, nous sommes intéressés par la variation de prix rapportée
au capital investi dP
------- . On en déduit:
P
dP
------- = – D *d r
P
avec: tCt
1
∑ ( 1 + r )-t
-----------------
D* = ---------------- ------------------------- (10)
(1 + r) Ct
∑ -----------------
( 1 + r )t
-
Comme on l’a indiqué plus haut, la sensibilité D* est donc égale à la duration D
divisée par le facteur d’actualisation (1 +r).
Le coefcient D*, souvent appelé «duration modiée» (modied duration) dans
les pays anglo-saxons, indique la plus-value en capital réalisée lors d’un abaisse-
ment du taux du marché de 1%. Ainsi, une uctuation du taux d’intérêt à long terme
dr entraînera une rentabilité proportionnelle, le coefcient de proportionnalité étant
–D*. Nous prenons ici une dénition de la sensibilité d’une obligation par rapport
à une uctuation en valeur absolue du taux d’intérêt. C’est la dénition la plus
logique. D’une part, nous sommes intéressés par des rentabilités (par euro ou par
dollar investi) sur le placement en obligations, il est donc naturel de considérer la
variation de valeur de l’obligation en fonction du capital investi dP/P et non en
valeur absolue dP. D’autre part, dr est homogène à une rentabilité comme dP/P (et
non à un prix comme dP). Il est donc intéressant de connaître la perte en termes de
206
rentabilité dP/P engendrée par une hausse du taux de rendement actuariel (par
exemple une hausse de 1%, r passant de 2 à 3%).
Il est intéressant d’étudier les variables qui inuencent cette sensibilité et notam-
ment l’échéance nale n de l’obligation et le taux de coupon. Cela peut être illustré
en choisissant deux exemples extrêmes: l’obligation zéro-coupon et la rente perpé-
tuelle.
• Pour une obligation zéro-coupon telle qu’aucun coupon n’est payé jusqu’au
remboursement, sa valeur est:
Cn
P = ------------------
-
( 1 + r )n
On en déduit:
dP nCn
------- = – --------------------------
-
dr ( 1 + r) n + 1
Sa sensibilité est donc:

dP nCn ( 1 + r )n n
------- ⁄ P = – --------------------------
- × ------------------- = – -----------
dr ( 1 + r )n + 1 Cn 1+r
Dans ce cas précis, la sensibilité est proportionnelle à l’échéance.

• Pour une rente perpétuelle, qui paye un coupon à l’inni sans remboursement
intermédiaire, nous avons:
C C C C
P = ----------- + ------------------- + … + ------------------- + … = ----
1 + r (1 + r) 2 ( 1 + r )n r
On en déduit:
dP C-
------- = – ----
dr r2
et: D* = 1
---
r
La sensibilité d’une rente perpétuelle est indépendante du taux de coupon et égale
à l’inverse du taux d’intérêt à long terme sur le marché. Si le taux d’intérêt est de
5%, la sensibilité est de 20. Donc, une hausse des taux de 10 points de base (0,10%)
engendrera mathématiquement une perte de 2% sur la rente.
Plus généralement, la sensibilité peut être calculée pour une obligation quelconque
(coupon xe progressif, etc.).
On peut donner quelques conclusions générales:
– pour les rentes perpétuelles, la sensibilité, par rapport aux uctuations, du taux
d’intérêt du marché est indépendante du taux de coupon et égale à l/r;
207
– pour les obligations sans coupon, la sensibilité est égale à l’échéance nale n (divi-
sée par 1 + r). Pour toutes les autres obligations, la sensibilité est inférieure à
l’échéance nale; la relation entre les deux est toutefois complexe. Néanmoins, la
maturité est l’élément prépondérant qui inuence le risque d’une obligation;
– en général1 , la sensibilité croît avec l’échéance nale mais à un taux décroissant.
Ainsi la différence entre sensibilité et échéance nale est-elle faible pour des obliga-
tions dont l’échéance est proche, mais elle augmente avec l’échéance considérée. En
fait, ce résultat provient de ce que l’échéance nale n’est pas une bonne mesure de
la durée de vie moyenne d’une obligation. C’est la duration qui mesure cette durée
de vie, et la sensibilité d’une obligation aux uctuations de taux d’intérêt est propor-
tionnelle à sa duration, pas à son échéance nale;
– la sensibilité varie en raison inverse du taux de coupon (C/P). Cet effet est toutefois
secondaire par rapport à l’effet maturité.
1.2 Limites et extensions

La sensibilité n’est qu’une mesure instantanée. Cette élasticité varie avec le niveau
de taux d’intérêt r. P(r) est une fonction convexe et non linéaire. Ainsi, pour des
variations signicatives du taux d’intérêt dr, il n’est pas possible de simplement
multiplier cette variation par la sensibilité pour obtenir la variation prévue du cours
de l’obligation. Il faut alors valoriser l’obligation P(r) pour la nouvelle valeur prévue
du taux d’intérêt r.
Une autre approche consiste à utiliser l’approximation du deuxième ordre pour des
variations de r relativement faibles. En développant au deuxième ordre, on obtient:
∂P 1 ∂2 P
-( dr ) 2
dP = ------dr + ---- --------
∂r 2 ∂r 2
dP
------- = – D* dr+ 1
--- CONVEX ( dr )2 (11)
P 2
2
où CONVEX = 1---- ∂--------P- traduit la convexité de la relation entre le prix de chaque
2 ∂r 2
obligation et le taux du marché r.
Cette convexité, qui est différente pour chaque obligation, est utilisée pour afner
la mesure de la sensibilité.
La sensibilité est une mesure simple et synthétique du risque de taux d’intérêt. Elle
permet une gestion rapide du risque à un gérant obligataire qui détient généralement
1. Cette conclusion n’est strictement vériée que pour des obligations cotées au pair ou au-dessus.
Si l’obligation se vend au-dessous du pair, c’est-à-dire si le taux nominal de l’obligation est inférieur
au taux du marché, la volatilité atteint un maximum pour une maturité élevée.
208
en portefeuille un grand nombre de titres. Comme toute mesure simple, elle a des
limites fondées sur les hypothèses utilisées pour son calcul:
– c’est une mesure instantanée qui n’est exacte que pour des petites variations du taux
d’intérêt;
– elle ne requiert pas que la structure de taux soit plate, mais suppose que toute la
structure de taux se déplace uniformément d’un petit montant dr. Ses conclusions ne
s’appliquent que pour des uctuations dans le niveau général des taux qui se tra-
duisent par une translation parallèle de la structure des taux (les taux à court, moyen
et long terme varient du même montant dr). Comme les variations du niveau général
des taux d’intérêt constituent la plus importante source de risque pour les placements
obligataires, il est naturel de se concentrer sur cette variable. Comme les taux d’inté-
rêt de diverses maturités ne sont pas parfaitement corrélés (la structure de taux se
déforme), le coefcient de sensibilité, et donc la duration ne donne qu’une idée
approximative du risque relatif de toutes les obligations.
An de compléter les mesures de sensibilité, il est possible de simuler diverses
déformations de la structure de taux et en déduire l’évolution prévisible du cours de
toutes les obligations par un calcul actuariel direct (type équation (2)), sans utiliser des
indicateurs simpliés type sensibilité.
2 Les implications pratiques

Les coefcients de sensibilité et donc la duration peuvent être utilisés en pratique
de deux manières : xer un objectif de risque pour le portefeuille et sélectionner des
titres.
Si le gérant de portefeuille prévoit une baisse des taux d’intérêt, il aura pour objec-
tif d’accroître la sensibilité de son portefeuille obligataire an de rentabiliser au
maximum cette baisse des taux par de fortes plus-values sur les cours boursiers.
Si le gérant prévoit au contraire une hausse des taux d’intérêt, il abaissera au

maximum la sensibilité de son portefeuille obligataire an de le protéger contre des
moins-values importantes. À l’issue de la hausse des taux d’intérêt, il arbitrera éven-
tuellement de nouveau son portefeuille an de trouver sur la courbe de structure de
taux les rendements les plus élevés.
Une analyse plus ne fondée sur une prévision d’évolution différenciée des taux à
court et long terme utilisera une analyse de simulation discutée ci-dessus.
Comme on le voit, il s’agit de gérer le risque de marché de son portefeuille.
L’approche est du même type que sur un marché d’actions où on augmentera ou
réduira son exposition au marché (β) en fonction de sa prévision sur le marché.
Toutefois, la relation entre la rentabilité sur une obligation et le mouvement du
niveau général du taux d’intérêt est mathématique et donc incontestable, alors que
209
l’estimation de la sensibilité d’une action à un mouvement de marché n’est que

statistique et donc instable. Comme pour les actions, des modèles multi-facteurs
permettent d’afner l’analyse au-delà de la simple réaction au niveau général des
taux.
Une fois qu’un niveau de sensibilité (ou duration) du portefeuille a été choisi, il
convient de sélectionner les obligations les plus attractives. On achètera alors celles
qui sont plutôt au-dessus de la courbe de structure de taux et on vendra plutôt celles
situées au-dessous. Certes, les frais de transaction ne permettent pas souvent de faire
de purs arbitrages, mais si l’on doit acheter des obligations, autant acheter les obli-
gations les moins chères, toutes choses égales par ailleurs. La scalité doit être prise
en compte (scalité de l’institution, traitement différencié rendement/plus-values)
ainsi que les aspects de valorisation comptable (valorisation ou non des plus-
values…).
Section
5 LE RISQUE DE CRÉDIT
Les obligations émises par des entreprises présentent un risque de crédit, parfois
appelé risque de défaut ou risque de signature. Une obligation représente une créance
à long terme. Il n’est pas impossible qu’un émetteur rencontre des difcultés dans les
10 ou 20 ans à venir. En cas de faillite de l’émetteur, le détenteur de l’obligation risque
de ne recouvrer qu’une faible partie de sa créance. Pour compenser ce risque, le mar-
ché requiert un taux de rendement actuariel plus élevé. La différence entre le taux de
rendement actuariel d’une obligation émise par une entreprise, emprunt privé (corpo-
rate), et celle ayant la garantie de l’État se chiffre par un spread qui dépend du niveau
de risque de crédit supporté par l’investisseur. Bien sûr, un pays émergent qui
emprunte dans une devise étrangère, par exemple le dollar, doit également payer un
taux plus élevé et le spread compense le risque de défaut de ce pays sur sa dette exté-
rieure.
1 Notation de crédit ou rating
Plusieurs agences de notation étudient le risque de crédit de chaque entreprise et

attribuent une notation ou rating. Ce rating est périodiquement révisé en fonction de
l’appréciation du risque de défaut. Les principales agences de notations mondiales
sont Standard & Poor’s, Moody’s et Fitch. L’échelle de notation varie légèrement
selon les agences mais se présente sous forme de lettres (cf. tableau 8.2). Pour
Standard & Poor’s, AAA est la meilleure notation réservée aux meilleures sociétés,
puis on trouve par ordre de risque croissant: AA, A, BBB, BB, etc. À partir de la
210
notation BB, les obligations sont considérées comme risquées (speculative grade) et
ne peuvent être détenues par certains investisseurs institutionnels, notamment aux
États-Unis. On réserve parfois l’appellation d’obligations à fort rendement (high
yield) ou junk bonds à de telles obligations.
Ces agences de notation utilisent divers critères pour apprécier le risque. Il s’agit
tout d’abord d’évaluer la situation nancière de l’entreprise en utilisant divers ratios
nanciers tels que sa taille, son ratio d’endettement, la structure par échéance de ses
dettes, le niveau de ses charges nancières par rapport à ses revenus et à sa marge
d’autonancement… Il s’agit également d’étudier le ou les secteurs dans lesquels
opère l’entreprise an d’analyser sa situation de concurrence nationale et internatio-
nale et la volatilité de ses bénéces. Certains critères plus subjectifs entrent égale-
ment en ligne de compte, tels qu’une évaluation de la qualité de son management.
Lorsqu’une agence décide de réétudier le risque de crédit d’une société, elle émet
un avertissement (warning) an que le marché sache que des informations nouvelles
peuvent entraîner une révision de la notation dans un futur proche. Bien sûr, une
révision à la baisse d’une notation entraîne une chute de la valeur de l’obligation,
car le taux requis par le marché, c’est-à-dire le spread, augmente corrélativement.
Bien avant qu’un émetteur ne fasse faillite, c’est le risque de migration vers une
qualité de crédit plus faible qui peut inuencer le prix d’une obligation.
Tableau8.2 – Notations des différentes agences de notation

Standard &
Moody’s Fitch
Poor’s
AAA Aaa AAA
AA+ Aa1 AA+
AA Aa2 AA
Investment AA- Aa3 AA-
A+ A1 A+
grade A A2 A
A- A3 A-
BBB+ Baa1 BBB+

BBB Baa2 BBB
BBB- Baa3 BBB-
BB+ Ba1 BB+

BB Ba2 BB
BB- Ba3 BB-
Speculative - B1 B+
B B2 B
Grade - B3 B-
211
Standard &
Moody’s Fitch
Poor’s
CCC+ - CCC+
CCC+ Caa CCC
CC Ca CC
C C C
CI - -
- - DDD
Default - - DD
D - D
4
A
AA
3
Taux (en %)
Gourvernement
0
2 ans 5 ans 10 ans 20 ans
Maturités
Source: Yahoo Finance, novembre 2013.

Figure 8.4 – Structure des taux d’intérêt américains pour divers ratings
La globalisation des marchés nanciers et l’importance de l’endettement des États

sur le marché obligataire rend nécessaire la notation du risque de défaut sur les
emprunts d’État ou obligations souveraines (sovereign bonds). Les mêmes agences
de notation apprécient le risque de ces obligations en fonction de leur maturité et de
212
leur devise d’émission. De plus, diverses publications, telles Euromoney ou

Institutional Investor, fournissent une évaluation périodique du risque pays.
L’évaluation du risque pays est basée sur des variables bien différentes de celle du
risque d’une entreprise et notamment sur des aspects politiques et macro-écono-
miques.
Quelle que soit la maturité de l’obligation, le spread d’une obligation privée, au-
dessus du taux d’intérêt sans risque de défaut pour cette maturité, est d’autant plus
élevé que l’appréciation du risque de crédit est mauvaise. Ainsi la gure8.4 indique
les structures de taux pour différents niveaux de risque de crédit. Il s’agit de la struc-
ture en novembre 2013 aux États-Unis. Alors que le gouvernement peut emprunter
à 20ans au taux de 3,33%, les entreprises notées AA doivent payer 4,58%, soit un
spread de 1,25%. Ce spread passe à 1,42% pour des entreprises notées A.
2 Modélisation du risque de crédit
1.2 Les composantes du spread

En théorie nancière, le spread se compose de deux éléments:
– la perte anticipée;
– une prime de risque.
Si les investisseurs étaient neutres au risque, ils seraient prêts à investir en obliga-
tions soumises à un risque de défaut à condition que le surcroît de rémunération
apporté par le spread sur le taux de rendement actuariel compense l’anticipation de
perte. En d’autres termes, un investisseur qui détient un grand nombre d’obligations
privées émises par divers émetteurs souhaite que le surcroît de rendement sur celles
qui ne font pas défaut compense la perte réalisée sur celles qui font défaut. Un
exemple simple illustrera ce propos.
Considérons des obligations à un an émises par des emprunteurs BB au taux de
10 % plus un spread m %. Supposons qu’il y ait une probabilité de 1 % qu’un tel
émetteur fasse faillite en un an et que l’investisseur fasse une perte totale, capital plus
intérêt, dans ce cas. Sur 99% des obligations l’investisseur touchera dans un an (110
+ m) %. Sur 1% des obligations il récupérera 0%. Un investisseur neutre au risque
sera satisfait s’il est équivalent de placer dans des obligations sans risque qui lui rap-
porteront 110 % dans un an ou dans ces obligations risquées qui lui rapporteront
99
--------- × (110 + µ ) :
100
d’où: m = 1,11 %
213
Toutefois le risque de défaut n’est pas totalement diversiable. Une récession

affecte la quasi-totalité des entreprises et accroît la probabilité de faillite. Ce risque
est non diversiable, car il est corrélé au risque économique en général et au risque
du marché des actions en particulier. Il est donc naturel qu’une prime de risque soit
requise par les investisseurs. Par ailleurs, les obligations privées sont généralement
peu liquides, c’est-à-dire que leur volume de transaction est faible et se réduit encore
en période de crise. Là aussi, une prime de liquidité semble normalement requise par
les investisseurs et cela est observé sur les marchés.
2.2 Les modèles de risque de crédit

De nombreux modèles sont utilisés pour apprécier le risque de crédit et sa traduction
dans la valeur des obligations. Deux approches principales sont généralement utilisées1:
– approche réduite : toute l’information sur le risque de crédit est supposée contenue
dans le spread. Avant qu’une faillite ne se matérialise, l’évolution de la probabilité
de défaut va se traduire par une migration d’une classe de risque (rating) à une autre.
On parle ainsi de risque de migration. Ainsi lorsqu’une entreprise est confrontée à
des problèmes qui font que sa notation passe de AA à A, le spread requis sur ses
obligations va augmenter. Comme le coupon payé par les obligations a été xé à
l’émission, c’est le prix de l’obligation qui va s’ajuster à la baisse an que le nou-
veau taux actuariel reète le nouveau spread plus élevé. De nombreuses institutions
publient des matrices de transition de probabilités qui indiquent qu’elle est la pro-
babilité qu’une entreprise ayant un certain rating passe à un autre rating dans un
horizon de temps donné. Des modèles de valorisation du risque de crédit basés sur
l’évolution dynamique du spread sont proposés par des sociétés telles que
CreditMetrics ou CreditRisk+;
– approche structurelle : le processus de faillite d’une entreprise est modélisé de
manière endogène à partir de la structure de son capital. Cette approche trouve son
origine dans le modèle de Merton (1974). Une faillite est déclenchée lorsque la
valeur des actifs de l’entreprise tombe au-dessous d’un certain seuil fonction de ses
dettes. La société KMV, rachetée par Moody’s, publie des modèles s’inspirant de
cette approche.
1. Pour une analyse détaillées de tels modèles, on pourra consulter Crouhy, Galai et Mark (2000,
2014), ainsi que les sites web très complets des différents vendeurs de modèles.
214
Section
6 LE RISQUE DE LIQUIDITÉ
1 Le Puzzle du risque de défaut
Les études empiriques tentant d’expliquer le niveau et la dynamique du spread des

obligations d’entreprises ont pendant longtemps obtenu des résultats mitigés. Par
exemple, Collin-Dufresne, Goldstein, et Martin (2001) montrent qu’environ 25% seu-
lement de la variabilité des spreads peuvent être attribués à des différences de probabilité
de défaut entre les entreprises (niveau d’endettement, volatilité des actifs, etc.).
Un autre constat concerne le faible taux réel de défaut des entreprises. Par
exemple, Moody’s estime sur la période 1970-2001 à 1,55% la probabilité qu’une
obligation notée BAA fasse faillite lors des quatre prochaines années. De plus, en
cas de faillite, les détenteurs d’obligations de premier rang non garantie (senior
unsecured debt) récupèrent en moyenne 45% de leur créance à la n de la procédure
de liquidation. Compte tenu du fait que l’investisseur a une probabilité de 1,55% de
perdre 55% de son investissement sur les quatre prochaines années, il est normal
qu’il exige une compensation additionnelle pour accepter de supporter ce risque. Un
calcul rapide indique que cette compensation devrait s’élever à environ 1,55 %
× 55%/4 =0,2% par année. En revanche, les données historiques indiquent que le
yield pour une obligation BAA est en moyenne 8fois supérieure à cette estimation,
à savoir 1,6%. Nous appelons paradoxe ou puzzle du risque de défaut ce niveau
anormalement élevé des spreads des obligations des entreprises au vu de leur risque
effectif de défaut.
La recherche récente en nance a montré que le puzzle du risque de défaut était
dû, en grande partie, au risque de liquidité. En effet, les volumes de transactions sont
relativement faibles pour les obligations privées et les obligations souveraines des
pays émergents. Cette faible activité s’explique en partie par l’absence de Bourse
concentrant l’activité de négoce et assurant un niveau convenable de liquidité. C’est
un aspect désagréable pour les investisseurs qui ne peuvent se défaire rapidement
des positions et demandent donc à être compensés pour ce risque de liquidité par un
surcroît de rendement. Schématiquement, nous obtenons:
Spread = Taux sans risque +Prime de risque de défaut
+Prime de risque de liquidité
L’étude de Friewal, Jankowitsch et Subrahmanyam (2012) est particulièrement
intéressante. À l’aide d’un échantillon de plus de 20 000 obligations couvrant la
période 2004-2008, les chercheurs ont trouvé que 14% de la variabilité des yields
pouvaient être attribués au risque de liquidité. En contrôlant systémiquement pour
des changements de ratings pour une obligation donnée, les variables capturant les
215
volumes de transactions (volume en valeurs, en nombre de titres) sont négativement

associées avec le spread et les variables mesurant l’illiquidité (fourchette, mesure
d’impact sur les prix) sont positivement associées avec le spread.
2 Évolution historique du spread
Pour une notation donnée, par exemple AAA, le spread évolue au cours du temps
pour deux raisons. D’une part le cycle des affaires fait que la probabilité de défail-
lance uctue. Les entreprises classées comme très risquées voient leur probabilité de
défaut se réduire en période de forte expansion mais augmenter en période de réces-
sion. Le spread varie corrélativement. D’autre part, les primes de risque de défaut et
de liquidité requises par le marché uctuent au cours du temps. En période de forte
incertitude, le marché requiert une prime de risque plus importante, un phénomène
particulièrement aigu en période de crise.
Ainsi, la crise russe de l’été 1998, l’explosion de la bulle internet en 2000 et, de façon
encore plus prononcée, la crise du crédit de 2007-2009 ont fortement affecté toutes les
obligations privées1 . L’appréciation du risque de défaut sur tous les émetteurs et l’assè-
chement de la liquidité sur les marchés obligataires ont amené une forte tension sur les
spreads de toutes les classes de risque, comme on le voit sur la gure8.5.
4
Spread (en %)
Spread BAA
3
Spread AAA
0
1994 1996 1998 2000 2002 2004 2006 2008 2010 2012
Source: Federal Reserve, novembre2013

Figure 8.5 – Spreads des obligations AAA et BAA contre les obligations
du Trésor US à 20 ans – janvier1994 à novembre2013
1. Voir Jacquillat et Levy-Garboua (2013).
216
Section
7 DIVERSES OBLIGATIONS
Les obligations classiques ont un coupon xe et constituent la grande majorité des
obligations émises en terme de capitalisation. Toutefois, de très nombreux types
d’obligations existent, parfois avec des clauses très complexes. Nous détaillons ci-
dessous les obligations indexées et les obligations à taux variable. Par ailleurs,
divers types d’obligations avec des clauses optionnelles ont également été émis,
ainsi qu’il a été évoqué au chapitre1. De même, le marché obligataire international
a connu de nombreuses émissions en deux devises, à option de change, des obliga-
tions dans une monnaie convertible en actions d’une société cotée dans une autre
monnaie, etc. Ces diverses obligations qui surgissent puis passent de mode, sont trop
nombreuses pour être étudiées en détail ici1 .
1 Les obligations indexées
Une obligation indexée est telle que ses coupons et/ou sa valeur de remboursement
sont indexés sur la valeur d’un bien ou d’un indice de prix. Ces obligations étaient
très prisées en France et à l’étranger, notamment en période d’ination2 . Ainsi, les
emprunts indexés sur l’or (emprunt Pinay indexé sur la pièce d’or le Napoléon,
emprunt Giscard indexé sur le lingot d’or) ont permis au gouvernement français
d’emprunter à des périodes où les craintes inationnistes rendaient difcile l’émis-
sion d’obligations classiques. Les exemples d’obligations indexées abondent à tra-
vers le monde, avec par exemple les petrobonos mexicains (indexés sur le prix du
pétrole et garantis par la production nationale).
Toutefois, les plus importantes obligations indexées émises récemment sont
indexées sur l’ination, ou plus exactement sur l’indice des prix à la consommation.
De telles obligations existent dans de nombreux pays (Australie, Canada, France,
Israël, Nouvelle Zélande, Suède, Royaume-Uni et États-Unis). Leur introduction

date seulement de la n des années quatre-vingt-dix aux États-Unis et en France.
Les modalités précises varient quelque peu selon les pays. En règle générale, le
coupon et la valeur de remboursement sont indexés sur l’indice des prix constaté au
moment du paiement. Supposons que l’obligation ait été émise en date 0 avec un
taux de coupon réel égal à ρ0 et notons It l’indice des prix en date t. Le coupon payé
en t sera égal à:
Ct=ρ 0 × It / I0
1. On pourra consulter Feiger et Jacquillat (1979), et Solnik et McLeavy (2009).

2. Voir à ce sujet Jacquillat et Roll (1979) et Roll (1996).
217
Comme le remboursement est également indexé sur l’indice des prix, on peut
facilement vérier que le taux de rendement effectivement réalisé sera égal au taux
de coupon réel plus le taux d’ination.
Toutefois, le taux d’intérêt réel requis par le marché uctue au cours du temps.
Connaissa

Langue

Marchés Financiers

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Marchés Financiers

Transféré par

Droits d'auteur :

Formats disponibles

MANAGEMENT SUP

Bertrand Jacquillat • Bruno Solnik

Table des matières

1 Marchés et titres financiers 9

Section 1 Les fonctions des marchés financiers 9

2 Organisation des marchés financiers 35

Section 1 Le marché des actions Euronext Paris 36

3 L’efficience des marchés financiers 61

Section 1 La définition du concept de marché efficient 63

4 Risque, diversification et frontière efficiente 99

Section 1 Rentabilité, risque et diversification 100

5 Les modèles à facteurs 123

Section 1 Le modèle de marché 124

6 Les modèles d’équilibre des actifs financiers et le prix du risque 147

Section 1 Le prix du risque : un modèle d’équilibre 148

7 Les modèles d’évaluation 169

Section 1 Le modèle d’évaluation par actualisation des dividendes 170

8 Obligations et taux d’intérêt 189

Section 1 Les caractéristiques d’une obligation 190

9 Les instruments de gestion des risques financiers :

Section 1 Évolution des marchés dérivés 233

10 Les contrats à terme 247

Section 1 Concepts de base 248

11 Les options 285

Section 1 Concepts de base 287

12 Swaps, dérivés de crédit et autres produits dérivés 335

Section 1 Les swaps 336

13 La mesure de performance 359

Section 1 Le calcul de la rentabilité d’unportefeuille 361

14 Éléments de gestion de portefeuille 383

Section 1 La gestion globale 384

15 Gestion des risques de marché 413

Section 1 Le cadre réglementaire 414

L a théorie des marchés nanciers et, partant, la compréhension de leur compor-

Le chapitre2 a pour objet de présenter l’essentiel du cadre opérationnel des mar-

fondée sur l’efcience des marchés, de la théorie nancière moderne.

formulation mathématique au prot des concepts et des applications pratiques,

L es marchés nanciers permettent la confrontation de l’offre et de la demande de

1. Voir Blume, Siegel et Rottenberg (1993).

1 Le transfert des ressources économiques

En tant que marché primaire, le marché nancier permet de lever du capital et de

1. Certaines parties de ce chapitre sont adaptées de Hamon et Jacquillat (2013).

Institutions financières Marché financier

Source: Euronext Paris.

Figure 1.1 – Le marché financier dans le système financier

administrations par l’émission d’obligations sur le marché nancier : emprunts

2 La mutualisation des ressources

accéder à faible coût à des fonds sufsamment importants.

3 L’allocation et la gestion des risques

Prenons un exemple, celui de l’effet de l’introduction en Bourse des actions d’une

4 La liquidité des investissements

5 Le transfert d’informations par les prix

6 Le contrôle et la discipline des équipes dirigeantes

Lorsque la taille de l’entreprise augmente, la question de la délégation par les

priétaires/actionnaires se pose, ainsi que le soulignait déjà Schumpeter (1927)1.

Tableau 1.1 – Cote boursière pour une action

Code Dernier Ouverture % veille Volume Dernier Objectif cours

Les deux titres appartiennent à l’indice CAC 40 et au compartiment A

Les modalités d’amortissement déterminent les conditions dans lesquelles les

■■ La cotation d’une obligation

Tableau 1.2 – Cote boursière pour une action

Valeur: OAT 4% 25octobre2038 - Émetteur: République française

D’après le site internet www.latribune.fr du 4septembre 2013.