Stratégies Optimales

Daniel Herlemont - email:dherlemont@yats.com

Copyright 2004, YATS Finances & Technologies

Table des matières

1 Introduction 1

2 Marche à suivre et indications ... 2

2.1 Préparation des données et quelques graphiques . . . . . . . . . . . . . . . . 2
2.2 Portefeuilles à pondérations constantes . . . . . . . . . . . . . . . . . . . . . 3
2.3 Approche par la fonction d’utilité . . . . . . . . . . . . . . . . . . . . . . . . 4
2.4 Validité de l’approximation Espérance/Variance . . . . . . . . . . . . . . . . 6
2.5 Stratégies adaptatives et estimations . . . . . . . . . . . . . . . . . . . . . . 6
2.6 Indicateurs des performance/risque . . . . . . . . . . . . . . . . . . . . . . . 8
2.7 Coûts des transactions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Compléments - optionnel 9
3.1 Stratégies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Mutli actifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 Annexes 10
4.1 Valorisation de portefeuille . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1 Introduction
L’objectif de ce mini projet est de simuler et étudier des stratégies de gestion active d’un
portefeuille investi dans un actif risqué et un actif non risqué.
On simulera une stratégie de croissance optimale sur l’indice CAC40, en maximisant
avec une fonction d’utilité en logarithme, ainsi que des stratégies maximisant des fonctions

1
 2 MARCHE À SUIVRE ET INDICATIONS ...

d’utilité puissance
w1−γ
U (w) =
1−γ
pour γ > 1 (rappel la limite γ = 1 correspond à la fonction d’utilité en logarithme).
Rappelons que dans ce cas, une solution approchée consiste à utiliser la pondération en
actif risqué :
µt − rf ree
ft∗ =
γσt2
avec µt = Ert Il conviendra donc d’estimer cette pondération directement, en maximisant
la fonction d’utilité, ou indirectement, par une détermination des rendements espérés et de
volatilité.
Ces simulations devront donc utiliser diverses méthodes de détermination des rendements
espérés µt et de la volatilité σt , méthodes à justifier ...
Il s’agira de comparer les résultats obtenus :
– avec diverses méthodes de détermination des pondérations, rendements espérés et vo-
latilité,
– pour diverses fonctions d’utilité : log et puissance pour différents exposants
– avec ou sans coût de transaction.
Pour comparer les stratégies, on calculera pour chacune d’entre elles :
– les rendements et volatilités des portefeuilles
– le taux de croissance du portefeuille (moyenne géométrique des rendements)
– l’asymétrie et la kurtosis
– le ratio de Sharpe annualisé :

sharpe = (rendement − tauxSansRisque)/volatilite

– le maximum drawdown en pourcentage, et le ratio de sterling

sterling = rendement/maxDrawdown

– la Value at Risk journalière à 95% et 99%.

2 Marche à suivre et indications ...

2.1 Préparation des données et quelques graphiques
A faire :

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 2

 2 MARCHE À SUIVRE ET INDICATIONS ...

– Utiliser les cours du CAC40 issus d’un téléchargement YAHOO et disponibles à l’adresse
http://www.yats.com/downloads, (on pour utiliser ^FCHI.csv afin de pouvoir com-
parer les résultats ou des données plus récente ^FCHI-2006-05-12.csv).
– extraire les cours de clôture dans la variable closes
– calculer les prix relatifs dans une variable pr et rendements arithmétiques dans r
– définir le taux sans risque journalier, dans la variable rfree, on prendra un taux sans
risqué annuel de 6%
Pour le NASDAQ, on prendra le fichier http://www.yats.com/downloads/^IXIC.csv

2.2 Portefeuilles à pondérations constantes

Rappel : dans le cas de rendements iid, la meilleure stratégie est obtenue par une gestion
à pondérations constantes :
A faire :
– Réaliser une fonction qui renvoie les performances d’un portefeuille à pondérations
constantes dans l’actif risqué : CRP=function(f,rfree,pr) ..., avec f la proportion
investie en actif risqué. rfree, le taux sans risque et pr, les prix relatifs. (CRP signifie
”Constant Rebalanced Portfolio”)
– Afficher sur un même graphe les performances des différents portefeuilles :
– CRP(0.5) un portefeuille investi à 50% dans le CAC40 et 50% dans l’actif sans risque,
– CRP(1) c’est à dire un portefeuille Buy & Hold, entièrement investi en actif risqué
– CRP(0) c’est à dire un portefeuille en actif non risqué
Commenter ...
– Afficher les performances des portefeuilles CRP(3) et CRP(5), qui correspondent aux
leviers habituellement autorisés sur le marché français. Commenter ...
– La valeur terminale de la croissance du portefeuille est :

T W R = WN /W0
avec W0 la richesse initiale et WN la richesse en fin de période, TWR signifiant ”Ter-
minal Wealth Return”.
A réaliser sous la forme d’une fonction TWR(f,rfree,pr)
– Le taux de croissance est défini par :
1
G= log WN /W0
N
si bien que WN pourra être mis sous la forme :

WN = eN G W0

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 3

 2 MARCHE À SUIVRE ET INDICATIONS ...

Ecrire G sous la forme d’une fonction G(f,rfree,pr).

– Afficher le graphique de G, en fonction de f pour le CAC40, faire de même pour le
NASDAQ, avec et sans taux sans risque. Commenter ...
– Afficher le graphe du portefeuille du CRP(3) pour le NASDAQ. Commenter
– Déterminer le maximum de G en utilisant la fonction optimise, pour le CAC40 et le
NASDAQ, avec le taux sans risque à 5% On appellera BCRP le portefeuille correspon-
dant.
– Par un raisonnement simple, montrer que BCRP bat nécessairement le taux sans risque
et l’indice.

2.3 Approche par la fonction d’utilité

Nous avons vu que le critère de Kelly, consistant à maximiser le taux de croissance,
revient à maximiser une fonction d’utilité logarithmique (sous hypothèse de rendements iid).
La fonction d’utilité logarithmique correspond à une aversion relative au risque égale à 1.
Pour d’autres valeurs d’aversion relative, on utilisera une fonction d’utilité puissance :

w1−γ
U (w) =
1−γ
avec γ > 1.
On pourra vérifier que γ est bien l’aversion relative pour le risque :

U ”(w)
γ = −w
U 0 (w)

Recherchons une solution approchée au problème du maximum de l’utilité espérée. Soit

f la part investie en actif risqué, 1 − f est donc la part investie en actif non risqué. Soit W
la richesse. A l’issue de la prochaine période, la richesse devient W (1 + f ∗ r), en négligeant
pour le moment le taux sans risque. En supposant que la richesse varie peu d’une période
à une autre (ce qui est vrai dans le cas d’une période journalière), on peut effectuer un
développement limité autour de W :

1
U [W (1 + f ∗ r)] = U (W + W f r) ≈ U (W ) + W f rU 0 (W ) + W 2 f 2 r2 U ”(W ) + O(r3 )
2
et
1
E[U (W + W f r)] ≈ E[U (W )] + W f E[r]U 0 (W ) + W 2 f 2 E[r2 ]U ”(W ) + O(r3 )
2

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 4

 2 MARCHE À SUIVRE ET INDICATIONS ...

C’est à dire un polynôme du second degré en f

af 2 + bf + c

, avec a = W 2 E[r2 ]U ”(W )/2 et b = W E[r]U 0 (W ) > 0 et c = E[U (W )]. avec un maximum
atteint pour f = −b/2a (a est négatif, car U” ést < 0 et b est > 0 car U’ est > 0)
Dans la première partie , on a pu constater que le taux de croissance

G(f ) = E[log(W (f ))]

en fonction de f ressemble assez bien à une parabole.

La solution approchée de l’investissement optimal est donc :

E[r]U 0 (W )
f∗ ≈ −
W E[r2 ]U ”(W )

On retrouve ici l’aversion relative pour le risque : γ et

1 E[r] 1 E[r]
f∗ ≈ ≈
γ (σ 2 + E[r]2 ) γ σ2

(E[r]2 << σ 2 en rendements journaliers)

Dans le cas de fu isoélastique f est donc indépendant de la richesse. L’investisseur a donc
une même attitude vis à vis du risque, indépendante du niveau de sa richesse : d’ou le terme
”Constante Relative Risk Aversion” (CRRA).
Ce résultat peut se généraliser aisément avec un actif non risque de taux sans risque rf ree

E[r] − rf ree E[r] − rf ree

f∗ ≈ 2
≈
E[(r − rf ree ) ]γ σ2γ

Dans le cas multivarié, les pondérations optimales seront :

1 −1
w∗ ≈ Γ (E[r] − rf ree )
γ

E[r] étant le vecteur des espérances des rendements et Γ−1 l’inverse de la matrice de va-
riance/covariance.

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 5

 2 MARCHE À SUIVRE ET INDICATIONS ...

2.4 Validité de l’approximation Espérance/Variance

A faire : On commencera par étudier la validité de l’approximation sur l’ensemble de
l’historique des prix :
– Calculer les pondérations par l’approximation proposée sur la totalité de l’historique
f = E[r]/E[r2 ] avec les fonctions E[r] = mean(r) et E[r2 ] = sd(r)2
nota : il est important ici d’utiliser les prix relatifs et non pas le modèle logarithmique
en diff(log(prix))
– Comparer le résultat à la valeur exacte obtenue précédemment à l’aide de la fonction
optimise(G), vue dans un TP précédent, à appliquer sur la totalité de l’historique des
prix et pour la fonction d’utilité en logarithme.
– L’approximation E[r]/E[r2 ] est elle valide ?

2.5 Stratégies adaptatives et estimations

Ces premières étapes ont permis de justifier des stratégies optimales du meilleur taux
de croissance, en montrant qu’il existe un optimum régulier, que ces stratégies peuvent être
approchées dans le plan espérance/variance. Cependant, nous n’avons fait que des mesures
ex post, des tests sur des échantillons (”in sample”), sur le passé. Il s’agit maintenant d’im-
plémenter cette stratégie ”out of sample” et approcher au mieux cette pondération optimale
à chaque période. La pondération ne sera plus constante, mais évoluera en fonction des es-
timations et anticipations. (ce faisant, on aura toujours un temps de retard sur la meilleure
pondération trouvée en première partie ... )
En première approche, la pondération sera estimée par
1 µt − rf ree
ft∗ ≈
γ σt2
avec µt une estimation des rendements espérés et σt une estimation de la volatilité au temps
t.
Pour l’estimation des rendements espérés, on pourra utiliser différentes méthodes :
– une mesure ex post : estimation à partir d’un historique. Dans un modèle de rendements
en log, le meilleur estimateur sans biais est la moyenne :
1
E[r] = (r1 + ... + rn )
n
1
≈ (log p1 − log p0 + ... + log pn − log pn−1 )
n
1
= (log pn − log p0 )
n
Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 6
 2 MARCHE À SUIVRE ET INDICATIONS ...

Les valeurs intermédiaires ne sont donc pas très utiles. On montrera l’imprécision de
cette mesure sur des historiques courts. Si on utilise cette méthode, on aura donc intérêt
à utiliser l’historique le plus long possible.
– mesure ex ante : Il sera sans doute préférable de fixer une prime de risque (de marché)
de l’ordre de 3%, avec un taux sans risque de l’ordre de 5%, soit Er ≈ 8%. La aussi,
les mesures sont imparfaites.
Pour l’estimation de la volatilité, voir les TP précédents.
A faire :
En supposant l’approximation valide, constituer un portefeuille dont on évalue, à chaque
période, la pondération optimale par l’approximation
µt − rf ree
ft∗ ≈
σt2
pour une aversion au risque égale à γ = 1.
Comparer les méthodes d’estimation suivantes :
1. estimations du rendement par une moyenne mobile et volatilité historique sur les 30
derniers jours
2. détermination du rendement ex ante à 8% et volatilité historique.
3. estimations du rendement et volatilité historique en considérant l’historique connu au
temps t. Pour les rendements, on pourra utiliser, par exemple la fonction cumsum(r)/1 :N.
Commenter l’effet du krach de 1987 sur l’estimation du levier pour le NASDAQ.
– Quelle méthodes choisissez vous ?
– Justifier ce choix.
– En pratique, il s’agira d’effectuer un apprentissage sur la période la plus longue pos-
sible, puis d’appliquer un levier ”constant”, modulé par des variations sur les taux sans
risques, les ancticipations sur les rendements, la volatilité (et autres moments)
– en option seulement, on pourra essayer toute autre méthode qu’on justifiera ... et dont
on évaluera les performances en terme de ratio de Sharpe, maximum drawdown, VaR
(voir section suivante)
Au préalable, on réalisera une fonction ptf.perf.ratio(f,rfree,pr) retournant les per-
formances relatives du portefeuille. Ici f n’est plus constant mais un vecteur f[1], ...f[N],
avec N la longueur de pr f[i] étant la pondération à l’issue de la période i − 1 (indication :
cette fonction s’écrit en une seule ligne ! ! !).
Le portefeuille ne sera réellement évalué qu’au bout d’un temps d’adaptation nécessaire,
disons de la 1000ième période :

ptf.perf=function(f,rfree,pr,buildup=1000) {

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 7

 2 MARCHE À SUIVRE ET INDICATIONS ...

ratio=ptf.perf.ratio(f,rfree,pr)
ratio[1:buildup]=1
#ou
ratio=ratio[buildup:length(ratio)]
cumprod(ratio)
}

Pour afficher un graphique, il suffira d’appeler cette fonction avec les pondérations f estimées.

2.6 Indicateurs des performance/risque

Ayant choisi des méthodes de détermination de rendements espérés et d’estimation de la
volatilité, déterminer les indicateurs de gestion pour un portefeuille investi dans le CAC40
et l’actif sans risque
– le taux de croissance annuel.
– la normalité des rendements du portefeuille (qqnorm)
– le ratio de sharpe (rendement/volatilité),
– le maximum drawdown,
– l’asymétrie,
– la kurtosis,
– la VaR historique journalière à 90% 95% et 99% (rechercher les quantiles correspodants
sur l’historique)
Réaliser une fonction risk.measures=function(x) qui renvoie ces différents indicateurs
dans une liste, avec x = la richesse du portefeuille aux différentes dates.
Etudier l’influence de l’aversion pour le risque γ : Déterminer les pondérations pour γ = 5
et afficher les indicateurs à l’aide de la fonction risk.measures.
Commenter les résultats ...

2.7 Coûts des transactions

Les stratégies utilisée ici sont des stratégies actives qui nécessitent des ajustements quasi
continus, des ventes et achats d’actif risqués. Des ajustements trop fréquents et/ou de trop
grandes ampleurs vont entraı̂ner des coûts de transactions élevés.
On étudiera l’impact des coûts sur un investissement à levier constant.
On supposera des coûts de transactions proportionnels.
Soient W, q, S, f la richesse, le prix, quantité et la pondération, qS est la part détenue en
actif risqué, avec la relation qS = f W

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 8

 3 COMPLÉMENTS - OPTIONNEL

A l’issue de la prochaine période, le prix varie et passe de S à S 0 = S(1 + r), la richesse

est donc valorisée à W 0 = (1 + f r)W . La proportion en actif risqué a changé : f 0 = qS 0 /W 0 =
f (1 + r)/(1 + f r) =6= f Il faut donc ajuster, pour retrouver la pondération f . Ce qui se
traduit par une nouvelle quantité telle que q 0 S 0 = f W 0
Montrer que le montant des coûts de transaction du à l’ajustement est :
C = c|f (f − 1)r|W
avec c un coût proportionnel.
On pourra vérifier que ces coûts sont nuls dans les cas ou il n’est pas nécessaire d’effectuer
des réajustements : c’est à dire les cas f = 0 (pas d’investissement) et f = 1 (Buy & Hold)
Adapter la fonction G(f,rfree,pr,c) pour y intégrer les coûts de transaction c en para-
mètre et représenter graphiquement en 3D le taux de croissance G en fonction de f variant
de 0 à 1 et c de 0% à 1% pour le CAC40.
Pour la représentation graphique en 3D, on utilisera la fonction persp de R, par exemple :
# levier
f=seq(0,1,length=20)
#couts
c=seq(0,0.01,length=20)
g=matrix(nrow=length(f),ncol=length(c))
for (i in 1:length(f)) {
for (j in 1:length(c)) {
g[i,j]=G(f[i],rfree,pr,c[j])
}
}
persp(f,c,g,theta=30)
Commentaires ?

3 Compléments - optionnel
3.1 Stratégies
On pourra proposer et justifier le choix de toute autre stratégie.
L’une de ces stratégie consitera, par exemple, a répartier le montant initial du portefeuille
dans plusieurs portefeuille CRP, par exemple 100 portefeuille dont les pondérations dans
l’actif risqué varient de 0 à 1 par pas de 1%. (Il est possible de montrer qu’une telle stratégie
converge vers le portefeuille de croissance optimale pour un très large classe de distributions
de rendements).

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 9

 4 ANNEXES

3.2 Mutli actifs

Généraliser les résultats pour le cas mutli actifs. Pour cela on utilisera les indices NAS-
DAQ (IXIC) et S&P (SPX) .

4 Annexes
4.1 Valorisation de portefeuille
Considérons N actifs, dont les performances journalières sont
Pi,t
pi,t =
Pi,t−1

avec Pi,t , le prix de l’actif i au temps t, et un portefeuille dont les pondérations sont re-
présentées par un vecteur ft variable avec le temps, fi,t représentant la proportion investie
dans l’actif i au temps t. En l’absence de coûts de transaction, à l’issue de la période t, la
valorisation du portefeuille est :
X
Wt = Wt−1 fi,t pi,t
i=1,N

La performance relative est donc le produit scalaire des pondérations par les prix relatifs.
Sans perte de généralité, on pourra supposer que W0 = 1 et donc :
Y X
WT = fi,t pi,t
t=1,T i=1,N

La fonction R correspondante s’écrit tout simplement, en une seule ligne !

prod(f*p) pour la valeur terminale du portefeuille WT /W0 et
cumprod(f*p), pour les valeurs terminales du portefeuille aux différentes dates.
f*p réalisant le produit scalaire des deux vecteurs f et p.

Copyright 2006, Daniel Herlemont, email:dherlemont@yats.com YATS, All rights reserved, 10