Académique Documents
Professionnel Documents
Culture Documents
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 :
sterling = rendement/maxDrawdown
– 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
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
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)
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
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
E[r]U 0 (W )
f∗ ≈ −
W E[r2 ]U ”(W )
1 E[r] 1 E[r]
f∗ ≈ ≈
γ (σ 2 + E[r]2 ) γ σ2
E[r] étant le vecteur des espérances des rendements et Γ−1 l’inverse de la matrice de va-
riance/covariance.
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) {
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.
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).
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