Introduction À La Gestion de Portefeuille

Chapitre 2
Introduction à la théorie du
portefeuille
Qu’attendre de ce chapitre...
Nous allons définir dans ce chapitre le cadre de l’analyse moyenne-variance. 1 . En un sens,

cette section étend les résultats du paragraphe 1.3.3 dans la mesure où nous utiliserons
les concepts d’espérance de rendement et de volatilité pour modéliser les préférences des
agents. Nous allons présenter dans le cadre de l’analyse moyenne variance le concept de
frontière d’efficience.
En un mot, si l’on “croit” en les modèles présentés au cours de ce chapitre, et que l’on se
base sur une modélisation de type moyenne-variance, on peut retenir l’idée simple suivante.
Pour obtenir dans un marché “actions” avec un actif sans-risque, un rendement par unité
de risque maximal, on doit investir dans un “portefeuille de marché” (qu’il nous restera à
définir). C’est l’idée centrale sous-jacente au CAPM. Le CAPM est une théorie développée
par Sharpe à partir des années 60 qui a rencontré bon nombre de détracteurs mais dont le
principe est important à connaı̂tre. Les critiques formulées ou les théories concomittantes
au CAPM sont en tout cas tout aussi névralgiques pour la culture financière commune.
Mais commençons par la définition des préférences au sens de Markowitz et la qualification

de la frontière efficiente.
2.1 Tracé de la frontière efficiente
La représentation d’une frontière efficiente est plus parlante lorsque l’on procède à une
analyse simplifiée d’un marché à deux actions.
1. On parlera souvent d’analyse “moyenne-variance” cependant les plans de représentation auront le

plus souvent pour axe des abcisses la volatilité, et pour axe des ordonnées le rendement.
25
26 THÉORIE DU PORTEFEUILLE
2.1.1 Modélisation des préférences des agents

On cherche à modéliser les préférences (subjectives) d’un agent représentatif 2 , pour quan-
tifier son ”bien-être” à travers une fonction u(.) de sa richesse que nous noterons X.
La fonction u doit être croissante (éventuellement strictement), et concave. Cela signifie
que l’utilité marginale d’une unité supplémentaire de richesse décroı̂t avec X. Si X est
aléatoire, l’agent va chercher, à une richesse initiale donnée X0 , à maximiser l’espérance
sous la probabilité réelle de sa richesse à une date future T :
max E[u(XT )]
X0
Utilité exponentielle : Plaçons nous dans le cas particulier d’une utilité exponentielle
u(x) = 1 − exp(−γx), qui satisfait aux conditions préalablement énoncées : le paramètre γ
est le coefficient d’aversion au risque de l’agent. Pour compléter le modèle précédent nous
devons supposer une dynamique pour l’évolution de la richesse entre 0 et T . On supposera
qu’à la date T , la richesse XT est i.i.d. et suit une loi normale de moyenne mX et de
variance σX 2 , X ∼ N (m , σ 2 ). On a alors :
T X X
1
E[u(XT )] = 1 − E[exp(−γX)] = 1 − exp(−γmX + γ 2 σX
2
)
2
D’où :
1 2
max E[u(XT )] =⇒ max(mX − γσX )
X0 2
On est donc ramenés à un cadre d’étude moyenne-variance. Il y a un lien direct entre la
concavité de la fonction d’utilité et l’aversion au risque. A moyenne constante on préférera
toujours un portefeuille atteignable dont la variance sera minimale. La variance est donc
l’expression que l’on retient du risque. Plus la variance du portefeuille est grande plus
le risque qui lui est associé est important. De plus à variance fixée, on préférera toujours
le portefeuille offrant le rendement le plus important 3 . Nous sommes donc dans un cadre
qui est équivalent à celui de Markowitz, développé dans la section précédente.
2.1.2 Marché à deux actions

Nous n’avons pas restreint jusqu’à présent le nombre d’actifs de notre marché. Nous allons
nosu limiter ici à l’étude fine du cas à deux actifs. On étudie deux actifs X et Y sur un
même horizon, et on suppose que tous les agents ont les mêmes anticipations (homoge-
neous beliefs). On note RX , RY les rendements aléatoires supposés gaussiens de X et Y ,
on notera ρ leur corrélation linéaire :
2

RX R̄X σX ρσX σY
∼N ,
RY R̄Y ρσX σY σY2
2. On renverra vers des cours reliés à l’approche par espérance d’utilité qui est une théorie bien plus
générale. On ne s’intéressera ici qu’au message sous-jacent et aux conclusions relatives à l’optimisation
moyenne-variance.
2
3. NB : Dans un graphique moyenne variance, les lignes d’iso-utilité sont les lignes telles que mX − 12 γσX ∗
est une constante.
2.1. TRACÉ DE LA FRONTIÈRE EFFICIENTE 27
On fait de plus l’hypothèse suivante que l’on ne peut pas choisir l’un ou l’autre des deux
actifs a priori :
2
R̄X < R̄Y et σX < σY2
Comme il n’y a pas d’ordre total dans IR2 , une telle hypothèse nous dit que si l’actif Y
a un rendement espéré supérieur à celui de X, il n’en est pas moins risqué. Y n’est pas
préférable à X (et réciproquement) sans autre critère que la donnée de leurs deux premiers
moments. De plus on considère notre portefeuille investi en proportions : (1 − a, a) où a
est la proportion investie en Y , et on suppose que a ∈ [0; 1] : l’action ne peut pas être
vendue à découvert. Notant Ra le rendement aléatoire de notre portefeuille ainsi constitué,
de moyenne ma et de variance σa2 , on aura Ra = aRY + (1 − a)RX et ainsi :

ma = aR̄Y + (1 − a)R̄X
σa2 = a2 σY2 + (1 − a)2 σX
2 + 2a(1 − a)ρσ σ
X Y
ma = aR̄Y + (1 − a)R̄X
σa2 = a2 σY2 + (1 − a)2 σX
2
+ 2a(1 − a)ρσX σY
Tracé dans un plan (σ, m) l’ensemble des portefeuilles obtenus pour a ∈ [0; 1] est un
tronçon d’hyperbole.
Exemple : en figure 2.1 en est donné un exemple pour deux actifs X et Y tels que
2 = 5% et
les rendements moyens valent : R̄X = 2.6% et R̄Y = 3.8% et les volatilités σX
2
σY = 30%.
Figure 2.1 – Portefeuilles admissibles en fonction de la corrélation dans le plan (σa , ma )
−→ Si ρ = 1 :
σa2 = (aσY + (1 − a)σX )2 = (σX + a(σY − σX ))2 )

−→ Si ρ = −1 :
σa2 = (aσY − (1 − a)σX )2 = (−σX + a(σY − σX ))2 )
Rappelons que toute cette modélisation découle des hypothèses que nous avons formulé
sur la richesse et les préférences des agents .
Portefeuille de variance minimale

Un paramètre d’intérêt est le portefeuille de variance minimale, qui s’obtient en minimisant
σa2 . Sa pondération est :
2 − ρσ σ
σX X Y
ã = 2 + σ 2 − 2ρσ σ (2.1)
σX Y X Y
Une démonstration est donnée dans la section 2.5.2. Le portefeuille de pondération ã d’ex-
pression donnée par l’équation 2.6 est tel que pour a quelconque dans [0; 1] la variance du
portefeuille de pondération a est supérieure ou égale à celle du portefeuille de pondération
ã. Pour a < ã, les portefeuilles sont de variance supérieure et de rendement espéré inférieur.
Pour a > ã, les portefeuilles sont de variance supérieure mais de rendement espéré plus im-
portant. On voit donc que les portefeuilles de pondération inférieure à ã sont plus risqués
et moins rentables, ils n’ont donc pas d’intérêt. On définit alors la frontière efficiente
qui est l’ensemble des portefeuilles admissibles c’est à dire qu’elle correspond dans le plan
(m, σ) aux portefeuilles de pondération a ∈ [ã; 1].
La Diversification
Le point le plus important dans ce qui a été exposé auparavant, est la nécessité de
diversifier : lorsqu’on ajoute dans un portefeuille exclusivement composé de X, un peu
d’action Y, le premier effet est de diminuer la variance donc le risque du portefeuille,
bien que l’on ait σY > σX . Cependant la frontière efficiente ne décrit que les portefeuilles
admissibles, atteignables et cohérents avec un critère moyenne-variance. Les
agents choisissent leur pondération selon leurs préférences et se déplacent ainsi sur cette
frontière. Pour calculer dans ce cadre les pondérations d’un portefeuille optimal, il nous
faut spécifier une fonction d’utilité, propre à l’agent.
Considérons la fonction d’utilité : u(x) = 1 − exp(−γx) dont la maximisation en espérance

revient à la maximisation de m − 21 γσ 2 , comme exprimé dans le paragraphe 2.1.1. Le
portefeuille optimal pour l’agent est celui qui permet d’obtenir dans le plan (σ 2 , m) une
courbe d’utilité (relative à ses préférences personnelles) tangente à la frontière efficiente
(les portefeuilles atteignables).
R̄Y − R̄X
a∗ = ã + (2.2)
γ(σY2 + σX2 − 2ρσ σ )
X Y
Une démonstration est disponible en section 2.5.1. L’expression de la pondération en Y

du portefeuille optimal décroı̂t avec γ : ce résultat est attendu car γ quantifie l’aversion
au risque, et plus celle-ci est grande, plus la possession en Y qui est l’actif le plus risqué,
est faible.
Généralisation
En fait, en absence d’un actif sans risque, quand le nombre d’actif est plus important, la
frontière efficiente garde cette forme de portion d’hyperbole, comme enveloppe convexe
des portefeuilles admissibles dans le plan. Le portefeuille de variance minimale n’est pas
si innocent car il joue un peu le rôle du portefeuille sans risque vu comme extrémité de
cette hyperbole. Voir ? pour le détail des calculs en quantités.
2.1.3 Introduction de l’actif sans risque

On incorpore désormais dans notre modèle à deux actifs, un actif de rendement certain
(ou risk-free) Rf , et on suppose que l’on peut vendre à découvert (position short). Dans
cette nouvelle situation, on s’intéresse à l’évolution de la frontière efficicente.
On envisage tout d’abord le marché fictif constitué de l’actif sans risque et d’une action
A, et on considère le portefeuille constitué de ces deux actifs de pondération a en action,
1 − a en actif sans risque. Dans le plan (σ, m), l’ensemble des portefeuilles paramétrés par
a est une demi-droite, d’origine le point (0, Rf ) :
a pondération en action synthétique A (décomposée en aM en actif Y , 1 − aM en actif X),

1 − a en actif sans risque.

R̄a = aR̄A + (1 − a)Rf
σa2 = a2 σA
2
Désormais nous prendrons en compte le deuxième actif, si bien que notre marché se com-
pose de deux actifs risqués X et Y (on gardera les mêmes notations qu’à la section
précédente). L’ensemble des portefeuilles admissibles ne se situe plus cette fois sur une
hyperbole : chaque point de l’hyperbole définit un portefeuille (intermédiaire) qui est lui
même pondérable vis à vis de l’actif sans risque. Le portefeuille composé de deux actifs
risqués peut donc être vu comme un actif risqué synthétique.
Proposition 2.1.1. L’ensemble des portefeuilles admissibles dans le nouveau marché

représenté dans le plan (σ, m) est le cône de sommet l’actif sans risque (0, Rf ), et qui
passe par tous les points de l’hyperbole des portefeuilles admissibles du marché à deux
actifs risqués.
Le cône des portefeuilles admissibles est alors présenté en 2.2 pour les mêmes actifs que
précédemment, avec un taux fixe Rf = 2.1% et une corrélation ρ = −0.4.
Ainsi il existe une demi-droite d’angle maximal par rapport à l’axe des abscisses, c’est
la demi-droite d’origine l’actif sans risque et tangente supérieurement à l’hyperbole. La
nouvelle frontière efficiente est cette demi-droite car à variance fixée, c’est sur
cette demi-droite que se trouve le portefeuille atteignable de rendement espéré maximal.
Il est important de noter que cette demi-droite est la même pour tous les agents,
indépendamment de leurs préférences : leur fonction d’utilité les fait là encore se
déplacer le long de la demi droite. Tous les agents devraient donc posséder le même
portefeuille en action, la quantité relative d’actif sans risque dépendant seule
de leur utilité.
Figure 2.2 – Portefeuilles admissibles (cône grisé) avec actif risqué dans le plan (σa , ma )
On peut donc résumer ceci par le fait qu’à l’équilibre, dans un marché prêt-emprunt, tout
agent détient une part d’un même portefeuille de marché, optimal, dont l’information sur
la composition est identique pour tous. L’indice CAC40 est un exemple de portefeuille
de marché. C’est aussi l’essence du théorème de séparation des fonds de Tobin et
Markowitz.
Théorème 2.1.1. Le théorème de séparation des fonds de Tobin et Markowitz

poursuit cette analyse et stipule que pour les investisseurs moyenne-variance, tous les
portefeuilles efficients sont des combinaisons de l’actif sans risque et d’un portefeuille
particulier. Quoiqu’immergés dans un marché plus riche, tous les portefeuilles efficients
sont sensés se construire à partir de ces deux “ fonds”, à savoir l’actif sans risque et
l’actif synthétique tangent. Tous ne diffèrent que par leur pondération en actif sans risque,
dépendant de leur aversion au risque.
On pouvait se douter de cette conclusion ! En effet, étant donnée l’allocation α∗ opti-

male dérivée dans la première section (cf supra). On voit que les poids en actifs risqués
sont en fait homothétiques les uns des autres en fonction de l’aversion au risque : à
un facteur de proportionnalité près il s’agit donc du même portefeuille, caractérisé par
α∗ = A10 Ω−1 [µ − (1 + rt )e] où A0 = e0 (Ω−1 [µ − (1 + rt )e]) permet de normaliser l’ex-
pression et α0 = 0. On rajoutera enfin que de manière plus générale il peut être montré
que la somme de deux portefeuilles efficients reste un portefeuille efficient. Enfin, il existe
une version du théorème de séparation des fonds (version dite théorème de séparation des
fonds de Black ) en l’absence de l’actif sans risque. Dans ce cas, le portefeuille de variance
minimale remplace l’actif sans risque dans l’interprétation.
Attention ! Cette conclusion (la frontière efficiente avec un actif sans risque est une
droite) semble en contradiction avec le premier paragraphe de ce chapitre (où l’on obtenait
une parabole). Les deux approches qu’elles soient menées en valeur ou en quantités sont
identiques, mais ne diffèrent que dans la mesure où l’on travaille soit dans le plan volati-
lité/rendement (droite) ou dans le plan variance/rendement (parabole).
Portefeuille de marché Nous cherchons désormais à connaı̂tre précisément la composi-

tion de ce portefeuille de marché. Nous noterons aM la pondération en Y de ce portefeuille,
1−aM étant par conséquent celle en X (il s’agit du portefeuille synthétique en actions). Ce
portefeuille peut être considéré comme une action synthétique, et est pondéré à hauteur
de a∗ en quantité, le reste étant investi en actif sans risque. Son espérance de rendement
sera notée R̄M et sa volatilité σM .
Finalement on trouve une expression qui ne dépend pas de l’aversion au risque γ :

(R̄Y − R̄X )σX2 + (R̄ − R )(σ 2 − ρσ σ )
X f X X Y
aM = 2 + σ 2 − 2ρσ σ ) + (R̄ − R̄ )(σ 2 − ρσ σ )
(R̄X − Rf )(σX Y X Y Y X X X Y
2.1.4 Un exemple numérique

2 = 5%
On considère les deux actifs X et Y tels que mX = 2.6% et mY = 3.8%, ainsi que σX
2
et σY = 30%. On suppose que leur corrélation est ρ = −40% et que le taux sans risque
est de Rf = 2.1%. Alors le portfeuille de marché est de composition aM = 43.32%. On
obtient le graphe de la figure 2.3.
Figure 2.3 – Frontière efficiente dans le plan (σa , ma )
2.1.5 “En bref, ce qu’il faut retenir...”

– Le cadre moyenne-variance définit une typologie d’investisseurs qui diffèrent par leur
aversion au risque.
– Dans ce cadre, on ne peut pas toujours déterminer pour n’importe quel couple de por-
tefeuilles, lequel est préférable. Efficient = aucun portefeuille n’est à coup sûr préférable.
– L’approche par quantités et par poids sont équivalentes et mènent aux même conclusions.
– En l’absence d’actif sans risque, la frontière efficiente est une hyperbole, enveloppe
convexe des portefeuilles admissibles.
– Quand on rajoute l’actif sans risque, cette frontière devient une droite (avec la volatilité
en abcisse car si c’est la volatilité, c’est une parabole). Elle est tangente à l’enveloppe
précédente en un portefeuille particulier, portefeuille de marché.
– Qu’il y ait ou non un actif sans risque, les portefeuilles efficients sont toujours somme
de deux portefeuilles efficients particuliers et réciproquement. Si actif sans risque il y a
c’est un de ces deux portefeuilles, sinon ce sera le protefeuille de variance minimale.
– En quantités ou en poids, l’allocation optimale sera homogène au produit de l’inverse

d’une matrice de variance-covariance et d’un vecteur de rendements particulier.
2.2 Analyse moyenne-variance

Reprenons le même problème sous d’autres termes. Cette section présente le cadre d’ana-
lyse moyenne-variance en quantités investies et s’inspire très fortement de la modélisation
de ?, choisie pour son exhaustivité et sa précision. Une présentation en français, en pro-
portions, et probablement plus didactique est disponible dans ?. Le principe ne change
cependant pas pour autant et est une reprise théorique des concepts présentés auparavant.
2.2.1 Principe
Nous nous plaçons à la date t, et l’on cherche à définir une stratégie d’investissement sur
la période à venir [t; t + 1]. Le montant investi sur cette période est noté wt . Sur le marché
existe un actif sans risque de rendement connu rt , ainsi que n actifs risqués, de rendements
aléatoires yi,t+1 = 1 + ri,t . On fait l’hypothèse suivante sur ces rendements :
Hypothèse 2.2.1. Conditionnellement à l’information disponible à la date t, les quantités
yi,t+1 sont d’espérance µ et de variance Ω.
Remarquons que nous n’effectuons pas d’hypothèse sur la nature de la loi des rende-
ments (bien que ne fixer que les deux premiers moments soit historiquement relié à la
modélisation gaussienne comme nous l’avons précédemment exprimé). On notera IEt et Vt
les opérateurs d’espérance et de variance conditionnels à l’information disponible en t.
Un portefeuille est caractérisé par un vecteur de quantités d’investissement : (a0 , a1 , . . . , an ),

où a0 est l’investissement en actif sans risque, a = (a1 , . . . , an ) l’investissement en actifs
risqués. Le portefeuille est compatible avec le montant initial investi si : a0 + a0 pt = wt .
On note pt le vecteur de prix des actifs risqués à la date t. A la date t + 1 la valeur du
portefeuille est :
Vt+1(a0 ,a) = a0 (1 + rt ) + a0 diag(pt )yt+1
ce qui en incluant la contrainte de de budget initiale, fournit :
Vt+1 (wt , a) = wt (1 + rt ) + a0 diag(pt )[yt+1 − (1 + rt )e]
2.2. ANALYSE MOYENNE-VARIANCE 33
Ainsi :
IEt [Vt+1 (wt , a)] = wt (1 + rt ) + a0 diag(pt )[µ − (1 + rt )e] (2.3)

0
Vt [Vt+1 (wt , a)] = a diag(pt )Ωdiag(pt )a (2.4)
Définition 2.2.1. Soient deux portefeuilles de même valeur initiale, de caractéristiques :

(1) (2) (1)
(a0 , a(1) ) et (a0 , a(2) ). Pour un investisseur de type “moyenne-variance”, (a0 , a(1) ) est
(2)
préférable à (a0 , a(2) ) si :
(1) (2)
– IEt [Vt+1 (a0 , a(1) )] ≥ IEt [Vt+1 (a0 , a(2) )]
(1) (2)
– Vt [Vt+1 (a0 , a(1) )] ≤ Vt [Vt+1 (a0 , a(2) )]
Il n’existe pas de relation d’ordre total dans IR2 : sans autre critère, un portefeuille est
donc préférable à un autre si son rendement espéré à la période suivante est supérieur,
et ce avec un risque inférieur, modélisé par la variance. Toute autre considération appelle
l’introduction d’un critère supplémentaire impliquant par exemple une aversion au risque
qui quantifie la manière dont l’investisseur est prêt à accepter plus de risque pour un ren-
dement plus élevé.
La donnée des moments ne suffit pas à caractériser la loi de la valeur du portefeuille en

t + 1, il faudrait pour cela spécifier la loi des rendements 4 . Si ce n’est pas le cas (ce qui
serait trop restrictif), pour qu’un investisseur dit “moyenne-variance” puisse comparer
deux portefeuilles, il est alors nécessaire de définir une relation d’ordre faisant intervenir
ces deux moments ; mais il est difficile d’intégrer plus d’information. Intuitivement, on
comprend bien cependant que l’espérance de rendement est un proxy de la performance
“pure” d’un portefeuille, et que la variance est une première tentative de modélisation du
risque d’un portefeuille.
2.2.2 Frontière d’efficience

Revenons au cadre moyenne-variance (ou alternativement dans la suite rendement-risque).
On représente d’ordinaire les portefeuilles dans un plan moyenne-variance. Ce point de vue
équivaut à considérer chaque portefeuille comme un objet statistique, caractérisé par son
espérance et sa variance (relativement à une unité de temps). On voit que dans ce plan,
tous les portefeuilles ne seront pas dignes d’intérêt.
Définition 2.2.2. La frontière d’efficience est l’ensemble des portefeuilles qui ne sont pas
dominés au sens de la relation d’ordre définie en 2.2.1.
On voit que comme deux paramètres sont libres (espérance et variance), on ne peut
déterminer cette frontière qu’à partir d’un montant initial w et en contraignant le niveau
de risque comme étant égal à v. Les portefeuilles efficients sont donc ceux de rendement
maximal pour un niveau de risque fixé. Ainsi, il faut trouver le vecteur a tel que :
maxa IEt [Vt+1 (w, a)] sous contrainte Vt [Vt+1 (w, a)] = v
Ayant toujours les expressions de 2.3 et 2.4, on peut écrire le Lagrangien du problème :
A
L = IEt [Vt+1 (w, a)] − Vt [Vt+1 (w, a) − v]
2
4. C’est du reste l’avantage de la loi gaussienne, totalement connue dès que l’on dispose de ses deux
premiers moments.
L’exploitation de la condition du premier ordre donne la proposition suivante :
Proposition 2.2.1. La frontière efficiente est constituée par les portefeuilles dont la com-
position en actif risqué a∗ est :
1
a∗ = diag(pt )−1 Ω−1 [µ − (1 + rt )e]
A
Le multiplicateur de Lagrange A, est contraint par le niveau de variance accepté v qui
est le niveau de risque auquel on se place pour l’étude. Lorsque v tend vers zéro, A tend
vers l’infini, ce qui signifie que l’aversion au risque du détenteur du portefeuille augmente.
Lorsqu’au contraire, v tend vers l’infini, A tend vers zéro, ce qui signifie que l’investisseur
tend vers la neutralité au risque. Enfin la quantité d’actif sans risque est déterminée par
la contrainte de budget : a∗0 = w − a∗ pt .
Lorsque v varie, on se déplace schématiquement sur l’axe de variance. Pour une valeur de
v correspond une valeur de A, et un portefeuille (portefeuille atteignable, de rendement
maximal, le seul à être non dominé par les autres portefeuilles). A paramétrise donc la
frontière efficiente. On a l’espérance et la variance (dépendant de A) qui sont alors (en
remplaçant a par a∗ dans 2.3 et 2.4) :
1
m(A) = w(1 + rt ) + [µ − (1 + rt )e]0 Ω−1 [µ − (1 + rt )e]
A
1
σ 2 (A) = [µ − (1 + rt )e]0 Ω−1 [µ − (1 + rt )e]
A2
En utilisant ces deux équations, on peut éliminer A et dès lors obtenir une expression
directe liant le rendement espéré et la variance des portefeuilles de la frontière efficiente :
[m − w(1 + rt )]2
σ2 =
[µ − (1 + rt )e]0 Ω−1 [µ − (1 + rt )e]
Proposition 2.2.2. Dans le repère moyenne-variance, la frontière efficiente est représentée

par une demi-parabole de sommet le portefeuille sans risque, et de courbure liée à la quan-
tité :
[µ − (1 + rt )e]0 Ω−1 [µ − (1 + rt )e]
qui est la performance de Sharpe du marché.
La performance de Sharpe du marché est la norme des excès de rendements par rapport
à l’actif sans risque relativement à la métrique Ω. Nous avons vu que dans le cas général,
il était difficile de classer deux portefeuilles quelconques. Nous devons donc étendre la
notion de performance, présentée auparavant pour les actifs financiers, et trouver un critère
agrégé, scalaire, pour résumer la notion de performance du portefeuille. Elle doit donc
mêler la prise en compte du risque et celle du rendement.
Définition 2.2.3. La performance de Sharpe d’un portefeuille a, à la date t est définie

par :
[a0 diag(pt )[µ − (1 + rt )e]]2
St∗ (a) =
a0 diag(pt )Ωdiag(pt )a
2.2. ANALYSE MOYENNE-VARIANCE 35
On peut montrer que la performance de Sharpe d’un portefeuillle efficient est égale à celle
du marché exprimée à la proposition 2.2.2.
Considérons un portefeuille investi à hauteur de a0 en actif sans risque, et a en actif risqué,

et définissons à la date t :
[IEt [Vt+1 (a0 , a)]]2
St (a0 , a) =
Vt [Vt+1 (a0 , a)]
Supposons que l’on cherche a qui permettre de maximiser St (a0 , a) et notons a∗ la solu-
tion de ce problème. Notons v ∗ le niveau de variance atteint par ce portefeuille : vt∗ =
Vt [Vt+1 (a0 , a∗ )]. Le portefeuille a∗ maximise donc IEt [Vt+1 (a0 , a)]]2 sous contrainte que
Vt [Vt+1 (a0 , a∗ )] = vt∗ . Le portefeuille a∗ est donc un portefeuille efficient. Le critère de
performance défini ci-dessus est pratique car il agrège à la fois la notion de risque et celle
de performance. Malheureusement, on ne peut caractériser qu’un portefeuille efficient, et
non toute la frontière efficiente car on s’est placé à nieau de variance fixé.
Conclusion : cette construction reste très généraliste. On pourra trouver dans d’autres
présentations une approche en deux temps où on ne considère dans un premier temps que
les actifs risqués et on rajoute dans un second l’actif sans risque. Il est aussi fréquent de
travailler en proportions plutôt qu’en quantités. Dans ce cas, les formules pour l’allocation
optimale sont inchangées pour a∗ qui devient α∗ mais où le facteur d’aversion au risque
est contraint par le niveau de variance toléré, mais on a de plus α0 + e0 α∗ = 1.
2.2.3 En pratique : quelques mesures de performance célèbres

Il existe différentes mesures utilisées en pratique pour attester de la performance et “clas-
ser” entre eux des actifs financiers (fonds, actions, etc.). Supposons donc que nous dispo-
sions d’une série de rendements (r1 , . . . , rT ). La première mesure, qui découle de ce qui
vient d’être dit est le Sharpe Ratio :
(IE[R] − r)
Sharpe Ratio = p
V[R]
qui est donc égal à l’excédent de l’espérance de rendement par rapport au taux sans risque,
divisé par l’écart-type de la loi de rendements du portefeuille (si l’on prend un taux sans
risque constant sur la période). On trouvera aussi souvent utilisé le Sortino Ratio dont la
définition est :
R − RC
Sortino Ratio =
DR
où RC est un rendement cible pour la stratégie considérée, et DR est le downside risk et
en notant f la densité de la loi de rendements :
sZ
RC
DR = (RC − u)2 f (u)du.
−∞
Enfin on voit de plus en plus l’émergence de mesures de performance basées sur une
quantité statistique nommée L-Moments, mais qui dépasse le cadre de ce cours. On pourra
se référer pour cela à ?.
2.3 Le CAPM
Originellement, le Capital Asset Pricing Model (CAPM - MEDAF pour l’affreux acronyme
français pour Modèle d’Evaluation Des Actifs Financiers) a été développé par William
Sharpe dès les années 60. Il a reçu pour cela le prix Nobel en 1990. A ce titre, il est conseillé
de lire son Nobel Prize lecture où il détaille son approche au grand public (voir ?). Le but
du CAPM est de s’intéresser aux aspects centraux de l’équilibre dans les marchés de capi-
taux. Sa proposition centrale, comme détaillé au-dessus, est que le portefeuille de marché
est efficient au sens de Markowitz. De nombreuses améliorations et versions existent et ont
été proposées. Lintner, Brennan, Merton, Black, Kraus, Breeden, Rubinstein, Litzenberger
ont ainsi travaillé sur le sujet au cours des années 70 et 80.
2.3.1 Hypothèses
Commençons par le jeu d’hypothèse élémentaire nécessaire à l’élaboration du modèle. On
suppose :
1. les investisseurs n’ont pas d’autre choix d’investissement que d’investir dans les stocks
et l’actif sans risque ;
2. il n’y a pas de taxe ;
3. on peut vendre à découvert sans restriction ;
4. tous les investisseurs s’accordent sur une même vue et une même estimation des
risques et des rendements ;
5. les investisseurs ont des préférences de type moyenne-variance.
On notera que les deux dernières hypothèses sont excessivement restrictives et restent des
hypohtèses fortes mais qui permettent de relativiser la portée du modèle. Une nuance se
glisse alors (et c’est Sharpe qui le souligne) : alors que les modélusations des préférences
de Markowitz sont normatives, le CAPM se veut descriptif. Cette distinction s’illustre
notamment dans le fait que le CAPM suppose que les investisseurs suivent les préférences
de type Markowitz. La force de cette modélisation, bien que simple et “myope” (myopic
en anglais - c’est à dire que l’optimisation se fait période par période) est de capturer
l’essentiel de l’objet d’itnérêt des investisseurs (risque et rendement).
Quantitativement, l’essentiel qu’il y a à retenir du modèle est qu’à l’équilibre (lorsque

l’offre rencontre la demande), il existe une relation linéaire entre les primes de risque des
stocks et du marché. En d’autres termes, l’espérance de rendement des stocks est une
fonction linéaire de leurs beta (voir plus bas), et ces beta suffisent à decrire ces espérances
au niveau global.
Dans ce qui précède, nous avons vu que l’analyse moyenne variance conduit à une analyse
affine des portefeuilles, qu’elle soit avec ou sans actif sans risque, et ce via le théorème de
spéaration des fonds. On peut considérer que le CAPM étend cette vision pour passer à
l’analyse individuelle des fonds et actions.
2.3. LE CAPM 37
2.3.2 Capital Market Line

Revenons un peu en arrière et considérons un marché constitué de N actions. On note
R̄ = (R̄1 , ..., R̄N ) leur vecteur de rendement et leur matrice de variance-covariance Σ =
(Σi,j )i,j∈[1;N ] = (ρi,j σi σj )i,j∈[1;N ] . Un portefeuille est un ensemble de poids w = (w1 , ..., wn )
qui sont des allocations pour chaque titre. Son rendement est alors R̄N = w0 · R̄ et sa va-
riance VN = w0 · Σ · w. La frontière efficiente est plus difficile à obtenir que dans le cas à
deux actions comme auparavant, elle est cependant solution du problème de minimisation
suivant :
min w0 · Σ · w
w
sous les contraintes :

w0 · 1 = 1

w0 R̄ = µ
On cherche là encore à minimiser la variance de notre portefeuille à espérance de rende-
ment donnée.
On complète ensuite le marché par un actif sans risque (prêt/emprunt) de taux Rf . L’en-
semble des portefeuilles admissibles est dans le cône de sommet (0, Rf ) et passant par
tous les points de l’hyperbole. Le cône est délimité supérieurement par la capital market
line tangente à la frontière efficiente, qui est l’ensemble des portefeuilles optimaux sur le
marché incluant Rf . Elle est tangente au tronçon d’hyperbole en wM , pondération corres-
pondant au portefeuille de marché. Tout les agents ont donc la même allocation en action,
caractérisée par wM , qui est connu par observation de tout le marché, par observation des
positions de tous les agents. Si Vi désigne la capitalisation boursière de l’actif i, alors la
composante correspondante du portefeuille wM est donnée par
Vi
(wM )i = PN
j=1 Vj
Ce qui différencie les agents est leur position sur cette “capital market line“. Dès que de
l’actif sans risque est utilisé avec le portefeuille de marché (qui rappelons le peut être
vu comme une action synthétique), on se place sur cette droite (alors que si tout est
placé en actions, on se déplacera uniquement sur l’hyperbole). Ceci introduit une nouvelle
problématique qui est de savoir quel est le comportement d’une action vis à vis du marché.
2.3.3 Modèle quantitatif associé

Le CAPM est directement issu du cadre de pensée qui précède mais se focalise plus parti-
culièrement sur la vision d’une action individuelle plongée au sein du marché. Soit i une
action donnée, et examinons le sous-marché composé de cette action i, du portefeuille de
marché M donné précédemment, et de l’actif sans risque Rf . On supposera que a désigne
la pondération en action relative à l’actif i, et de fait 1 − a étant la pondération en le
portefeuille de marché M . Son rendement et sa matrice de variance sont :
σi2 ρiM σi σM
R̄a = a(R̄i − R̄M ) + R̄M et Σ= 2
ρiM σi σM σM
σi2 ρiM σi σM
Σ= 2
ρiM σi σM σM
Pour alléger les notations on notera σi,M = ρiM σi σM . On obtient (voir la démonstration
en 2.5.4) le modèle suivant :
σiM
R̄i = RF + (R̄M − RF ) 2 (2.5)
σM
Nous obtenons un modèle de rendement moyen par l’intermédiaire de l’expression de

l’excès de rendement :
σiM
R̄ − R = (R̄M − RF )
| i {z F} | {z } σM2
excès de rendement sur i excès de rendement sur M |{z}
coefficient βi
Le coefficient βi est très important, il est la plupart du temps désigné comme étant le
beta de l’action par rapport au marché. Il relie les deux excès de rendement et quantifie
la sensibilité de l’action par rapport au marché.
Le point important de ce modèle est que l’on considère une action face au marché et qu’il
permet de justifier la demande de titre par d’autres composantes que le rendement. On
peut réécrire l’équation précédente sous la forme :
R̄i − RF R̄M − RF
=
ρiM σi σM
Le terme R̄M − RF /σM est la prime de risque du marché. Le terme R̄i − RF /ρiM σi signifie
que la prime de risque est payée à hauteur de ρiM σi < σi ce qui signifie que le marché ne
rémunère pas toute la variance. La partie non rémunérée (qui est (1 − ρiM )σi ) est la partie
non corrélée au marché, elle est appelée variance spécifique. Elle est dite diversifiable
car au sein d’un portefeuille composé d’un grand nombre d’actions, ce terme disparaı̂t en
moyenne.
Illustration
Si on prend un rendement gaussien et que l’on considère un modèle de rendement aléatoire :
σiM
q
Ri = RF + (RM − RF ) 2 + (1 − ρ2iM )σi2 i où i ∼ N (0, 1)
σM | {z }
| {z }
risque spécifique
risque systématique
rémunéré par la prime de risque, et le risque spécifique est diversifiable, non rémunéré, et
indépendant du marché. Comme la somme des risques spécifiques sur l’ensemble des titres
s’annule en espérance ils n’apparaı̂tront pas par la suite.
On notera que l’on pourrait tout à fait envisager un coefficient βi négatif ce qui signifierait
que le rendement de l’action i est inférieur à celui de l’actif sans risque. On pourrait penser
qu’il y a un paradoxe à première vue, si un tel titre a un rendement faible, on pourrait
penser qu’elle ne soit pas cotée. Or elle fait effectivement partie du marché, compte des
2.3. LE CAPM 39
actionnaires, et fait partie du portefeuille de marché. Une action de ce type est en fait très
recherchée car elle permet de diminuer la variance du portefeuille (NB : un tel titre est
appelé super-diversificateur ). Si l’action était seule dans le marché elle disparaı̂trait. Mais
immergée dans l’ensemble du marché, elle contribue à diminuer la variance globale. Elle
diminue le risque du portefeuille d’où la demande pour cette action.
Security Market Line

Dans le plan (β, R̄) le CAPM prévoit que tous les couples (R̄i , βi ) sont sur une droite
passant par les points (0, RF ) et (1, R̄M ). On nomme cette droite security market line.
La réalité est qu’il y a la possibilité d’un léger écart au CAPM. On achète les actions
situées au dessus de cette droite (les rendements effectifs sont supérieurs aux prévisions du
CAPM). Ceci crée une demande, ce qui signifie que le prix augmente, donc le rendement
diminue. On peut effectuer le raisonnement inverse pour les actions situées en dessous. En
conclusion, on retrouve le CAPM comme un modèle d’équilibre. Sharpe reprécise que le
CAPM relie les espérances de rendement au risque de marché et non au risque total.
2.3.4 Arbitrage Pricing Theory

Sharpe distingue également les motivations des différents modèles économiques de valo-
risation d’actifs : certains utilisent le cadre de l’espérance d’utilité, d’autres le principe
d’arbitrage. Nous avons vu auparavant le premier aspect ; le second implique que les prix
des actifs se forment de sorte à corriger les imperfections du marché et à faire disparaı̂tre
les arbitrages (un arbitrage étant un gain strictement positif à coût nul et ce avec une
probabilité différente de zéro).
C’est aussi le thème de l’Arbitrage Pricing Theory : dûe à Stephen Ross en 1976, l’APT
stipule que l’espérance de rendement d’un actif financier peut etre modélisé comme une
fonction linéaire de divers facteurs : ces facteurs sont des variables macro-économiques ou
des indices de marché théoriques. L’idée initiale de Ross était de proposer une alternative
au CAPM. Ainsi pour un actif i :
E[Ri ] = rf + βi,1 I1 + ... + βi,n In

où rf est le taux sans risque et les Ii sont les primes de risque des différents indices, c’est à
dire leur espérance de rendement corrigées du sans-risque. Moins restrictif que le CAPM,
ce modèle n’est pas “statistique” mais veut résolument “explicatif”. On voit facilement
que le CAPM peut être vu comme un cas particulier de l’APT. Mais contrairement au
CAPM, l’APT ne “révèle” pas de manière endogène le nombre et la nature des facteurs du
modèle qui peuvent donc varier d’un étude à l’autre. Quels sont ces facteurs ? Ils peuvent
être des taux d’intérêt courts ou longs, les rendements des commodities (pétrole, matières
premières, métaux), de l’or, des taux de change, des indices de type action, etc.
Enfin, rappelons un élément important. Les β du CAPM et de l’APT se ressemblent

mais philosophiquement, ce n’est pas tout à fait la même chose. Comme dans l’APT, en
régressant les rendements d’un actif sur un rendement d’indice de marché, on obtiendra
une estimation statistique du β du CAPM. Mais dans le modèle du CAPM, le β est issu
d’une vue probabiliste ex ante des rendements futurs.
2.4 Faits stylisés et efficience

De nombreux articles de recherche (voir en particulier les papiers de ? et ?) infirment les
hypothèses et les conclusions du CAPM. Un des principaux problèmes est que le porte-
feuille de marché est difficile à définir. Les tests qui découlent de l’utilisation d’un proxy
pour le portefeuille de marché sont forcément partiels car un tel proxy ne peut se substituer
à une notion complète de “marché”.
Au delà, on peut s’intéresser aux faits stylisés observés sur les marchés. Diverses lectures
vous seront particulièrement utiles pour appréhender ces phénomènes. En particulier on
pourra citer ?, ou ?.
2.4.1 Faits stylisés

Les références sont nombreuses, selon que l’on s’intéresse aux faits empiriques des rende-
ments, des volumes, des marchés de taux, des marchés de produits dérivés, de la fréquence
d’observation, etc. Nous ne pourrons donc par la suite que donner un aperçu incomplet de
ces faits stylisés. Mais tout d’abord il convient de définir ce qu’est un fait stylisé. Un fait
stylisé est une propriété statistique, empirique, fréquemment observée, dans des conditions
de marché usuelles (...quoique nous définissions par pour autant ce qu’est une condition
usuelle de marché !). Cependant, il ne relève pas d’une vérité absolue et il est toujours
possible d’observer des “contre-exemples” dans des conditions de marché différentes.
Non-gaussianité
Le premier fait stylisé remarquable est la non-stationnarité (définie au chapitre précédent)
des séries financières. En effet, leurs propriétés statistiques évoluent au fil du temps et ne
sont pas constantes.
En premier lieu, l’hypothèse de log-normalité des rendements (les rendements logarith-

miques suivent une loi normale, comme supposé par une dynamique de Black-Scholes par
exemple) est fausse et non vérifiée en pratique. Losque l’on observe la distribution des
rendements, il s’avère que les queues de ces distributions sont plus épaisses que ce que
supposerait une loi log-normale. Ceci se vérifie en calculant l’exposant de queue eq des
distributions. Sa définition pour une variable aléatoire Y est la suivante :
¯ E[Y q ] < +∞}
eq = supq {q ∈ IR|I
Une distribution à queue épaisse est obtenue lorsque cet exposant est fini. Cela signifie que
la décroissance de la distribution dans les queues est équivalente à une loi de puissance 5 .
Enfin les distributions empiriques des rendements sont asymétriques et leptokurtiques.
Le fait stylisé le plus important de cette section tient certainement dans le fait que “les
évènements rares ne le sont pas tant !” Cependant, l’échelle temporelle de calcul
des rendements reste importante car ces propriétés peuvent fortement en dépendre. Ainsi
lorsque le pas de temps augmente entre l’observation de deux prix pour le calcul des ren-
dements, on peut dire que schématiquement ces derniers tendent à devenir “de plus en
plus gaussiens”.
5. Lorsque cette décroissance s’effectue comme une fonction exponentielle, on est dans le cas d’une
distribution à queue légère et l’exposant de queue est infini.
2.4. FAITS STYLISÉS ET EFFICIENCE 41
Mémoire longue et corrélations

On appelle phénomène de mémoire longue le fait que lorsqu’on calcule l’auto-corrélation
d’une série de rendements élevés au carré ou pris en valeur absolue, cette corrélation à
l’ordre h décroisse comme :
Γ(h) ∼ ch−α
où α prend souvent une valeur faible, typiquement de l’ordre de 0.2 ou 0.4.
Entre actifs, la corrélation inter-stocks semble augmenter dans les périodes de fortes vo-
latilités. De plus, lorsque l’on regarde la matrice de variance-covariance des actifs, une
analyse de son spectre montre que peu de valeurs propres s’avèrent informatives et que
la majorité peut s’apparenter à du bruit. Pour ce type d’étude, la théorie des matrices
aléatoires (random matrix theory en anglais) est de plus en plus utilisée.
Volatilité et “Volatility Clustering”

De nombreux faits stylisés ont été mis à jour sur la volatilité (nous supposerons ici, pour
simplifier que la volatilité est calculée comme étant l’écart-type des rendements). Un pre-
mier fait stylisé parfois souligné est par exemple la corrélation qui peut exister entre la
volatilité et les volumes.
Un phénomène célèbre sur les marchés reste sans conteste le “volatility clustering” (une
traduction possible en français étant accumulation des volatilités). Ceci traduit qu’en pra-
tique les périodes de volatilité faible, forte, ou moyenne, s’accumulent par “paquets”. Ces
paquets, ou “clusters” n’ont cependant pas de longueur typique ou caractéristique.
Un autre fait stylisé célèbre sur la volatilité est l’effet de levier. Ceci traduit le fait que les
rendements sont négativement corrélés avec les variations de leur volatilité. La volatilité
augmente suite à des rendements négatifs (de mauvaises nouvelles) mais diminue dans le
cas contraire. Nous reviendront plus tard sur ce fait stylisé qui motive notamment l’utili-
sation du modèle de Heston.
2.4.2 Efficience de marché

“The supposed omniscience and perfect efficacy of a free market stems from economic
work in the 50s and 60s, which with hindsight looks more like propaganda against
communism than a plausible scientific description.” (J.P. Bouchaud - ?)
Une définition malaisée

L’efficience des marchés est à la fois une hypothèse nécessaire pour bon nombre de développements
théoriques (telle que la valorisation des options), un postulat de bon sens, une supposi-
tion invérifiable et... un concept fondamental pourtant difficilement définissable ! Il est
impératif d’en connaı̂tre les bases même si l’efficience est un aspect de marchés de plus
en plus mis à mal par les faits comme par les théories. Le but de cette section n’est pas
de convaincre le lecteur du bien fondé de ces hypohtèses, ni de prendre position (encore
que...) mais juste de les exposer, ainsi que le cheminement qui a permis d’y arriver. Tentez
dans un premier temps de considérer l’efficience en tant que concept.
En substance, l’hypothèse des marchés efficients (efficient markets hypothesis en anglais)

suppose que les prix de marchés reflètent à tout instant toute l’information disponible.
Les premières contributions théoriques sur l’efficience de marché datent de 1900 et des tra-
vaux de Bachelier. Elles trouveront un écho dans les études empiriques de Cowles (1933).
En 1965, les travaux de Paul Samuelson marquent le début de la théorie moderne. La

définition statistique d’un marché efficient est malaisée. On peut dire dans un premier
temps qu’un marché financier est efficient si les mouvements de prix sont imprévisibles,
dès que l’on incorpore dans la prévision l’ensemble des informations de tous les partici-
pants. Cette propriété est cependant difficile à tester en pratique.
Eugene Fama reprend ce formalisme dans ses travaux en 1963, 1965 puis 1970 : il développe
les tests d’efficience, en s’efforçant de résoudre le débat entre analyse technique et analyse
fondamentale. Il donne la définition précisée ci-dessus, stipulant qu’un marché est efficient
si les prix à la date t reflètent l’ensemble de l’information disponible à la même date. Il est
alors nécessaire de définir un modèle donnant le prix théorique en fonction de l’information.
Un corollaire de bon sens mais quelque peu contre-intuitif est que les opportunités d’ar-
bitrage ne sont pas sensées exister en pratique dans un maché efficient. En effet, elles
disparaissent aussitôt que les agents les repèrent et les exercent, utilisant toute informa-
tion potentiellement en leur avantage. Lorsque ces corrections s’effectuent instantanément,
on dit que le marché est “sans friction” (frictionless en anglais).
Tests d’efficience
“Pour transformer un perroquet en analyste financier averti, il n’y a qu’un pas,
l’arbitrage.” (Stephen Ross)
En pratique, il est difficile de tester l’efficience. On étend donc l’efficience au corollaire

suivant : il est impossible de faire des profits, si l’on utilise pour notre investissement la
même information que le marché. Ceci est la base de nombreux travaux empiriques sur
l’efficience des marchés.
Dans une première approche, les tests envisagés peuvent se baser sur les résultats des
stratégies employées, à savoir les profits engendrés par les intervenants professionnels. Si
le gérant ou le trader bat invariablement le marché, alors c’est que le marché n’est pas effi-
cient pour l’information de l’intervenant. L’avantage immédiat de cette vision est que l’on
se base sur des données réelles et clairement observables. Sa limite est la définition précise
de ce qu’est l’information du gérant ou du trader, qui n’a toujours pas été précisément
mathématiquement définie.
On peut aussi choisir de procéder à des tests basés sur des stratégies fictives qui utilisent
une information spécifique. Le problème du choix de l’ensemble d’information se pose alors
(les prix passés ? un ensemble d’information publique ? d’information privée ?) La limite est
alors que l’on utilise seulement pour notre analyse des comportements fictifs, non observés.
2.4. FAITS STYLISÉS ET EFFICIENCE 43
Une limite qui peut cependant être formulée à ces définitions est qu’elles ne font pas clai-
rement la distinction entre le mécanisme qui permet d’aboutir à la formation
des prix, et le contenu effectif de “l’information” utilisée. Tout test sur l’efficience
de marché devrait en théorie prendre cela en compte.
Critiques
Sans aller jusqu’à un test sophistiqué, des décalages, des écarts, et des opportunités d’ar-
bitrage s’observent en permanence sur les marchés. Lorsque des agents la repèrent, il tente
de l’exercer. Finalement, lorsque cette “inefficacité” est portée à la connaissance des agents
au désavantage desquels elle se fait, cette opportunité disparaı̂t ou est en théorie corrigée.
Mais quelle peut-être l’origine de tels décalages ?
Tout d’abord, les agents réagissent peut-être de manière idiosyncratique et/ou inappro-
priée à l’information (performance positive ou négative, selon l’aversion au risque, crash-
o-phobia). Ensuite, les effets de ces décalages peuvent éventuellement être atténués par
la présence de frictions, c’est à dire les latences, procédures et frais de transaction. De
plus, les agents peuvent croire qu’ils voient de l’information là où il n’y en a pas. En effet,
les stratégies de trading basées sur de l’analyse technique peuvent ne reposer que sur de
la chance : les réponses du marché à certains patterns ne sont peut-etre que purement
fortuites...
Les critiques sur l’efficience des marchés sont nombreuses. Dès 1980, Grossman et Siglitz
vont plus loin en affirmant que des marchés efficients ne peuvent exister ( !) car si les
marchés l’étaient, il n’y aurait aucun profit à collecter de l’information, auquel cas l’ac-
tivité même de trading n’aurait aucune raison d’être. Mais si personne ne la collectait,
comment le prix pourrait-il la refléter. Il serait dès lors plus juste de quantifier le degré d’in-
efficience du marché. Pour le quantifier, il faudrait procéder à une analyse coût/rendement
des intervenants du marché en fonction de l’information disponible. Ceci est probablement
derrière l’idée de l’existence des noise traders, des agents persuadés d’utiliser une infor-
mation qui n’en est en fait pas une...
Quelles conclusions tirer ?

Force de constater que cette hypothèse, quoique sujette à caution, a la vie longue. Ses
ramifications dans la vie quotidienne des places boursières et financières sont cependant
nombreuses (comme cela est très justement et très bien expliqué dans ?, à qui bon nombre
de citations sont ici empruntées). De cette hypothèse découle entre autres le CAPM et l’at-
trait frénétique pour les indices. Le glissement entre l’obtention d’un rendement maximal
(qui devrait, selon Sir Templeton, définir l’objectif initial d’un investissement) et la situa-
tion actuelle est frappant. Beaucoup (beaucoup !) de produits vendus tentent de suivre,
reproduire, répliquer des indices. Des produits dits innovants fondent leur originalité sur
les pondérations modifiées d’indices modifiés.
De plus, les comparaisons entre investisseurs et entre produits sont satisfaisantes lorsque
l’investisseur arrive à un comportement moyen. Des performances mêmes négatives, de-
viennent argument commercial dès qu’elles se démarquent positivement du reste du marché.
L’exemple le plus frappant est probablement la réplication de Hedge Funds qui tente de
reproduire des rendements d’indices de Hedge Funds (donc des performances “moyennes”)
à base de facteurs qui eux, sont disponibles depuis toujours. Pourquoi une telle cible, sa-
chant que les rendements des meilleurs Hedge Funds ne pourront jamais être reproduits
de la sorte ? En fait, il apparaı̂t que face à un manque d’originalité et d’innovation, un
fonds redevient un produit de marge, quasi “industriel”.
“Il vaut mieux, pour sa réputation, échouer avec les conventions, que réussir contre
elles.” (J. Keynes)
En conclusion, le débat est loin d’être fini. Une hypothèse récente change de paradigme et
utilise une approche sociologique ainsi que des théories comportementalistes. Ceci dépasse
largement le cadre de cet exposé mais il s’agit peut-être d’une direction de recherche
intéressante. Pour faire le point et aller plus loin sur ces concepts, les travaux de ? consti-
tueront une référence solide.
Figure 2.4 – Une opportunité d’arbitrage ?

2.5. ANNEXE : PREUVES 45
2.5 Annexe : preuves

2.5.1 Démonstration de l’expression de l’allocation du portefeuille op-
timal
Le portefeuille de variance minimale s’obtient en cherchant la valeur de a qui permet de
minimiser σa2 , donc en tentant d’annuler sa dérivée.
∂σa2
= 0 ⇐⇒ 2aσY2 − 2(1 − a)σX
2
+ 2(1 − a)ρσX σY − 2aρσX σY
∂a
2
⇐⇒ a(σX + σY2 − 2ρσX σY ) = σX
2
− ρσX σY
2 − ρσ σ
σX X Y
⇐⇒ ã = 2 2 (2.6)
σX + σY − 2ρσX σY
2.5.2 Démonstration de l’expression de l’allocation fournissant une va-

riance minimale
On utilise donc une fonction d’utilité : u(x) = 1 − exp(−γx) dont la maximisation en
espérance revient à la maximisation de m − 21 γσ 2 . On cherche dans le plan (σ 2 , m) une
courbe d’utilité tangente à la frontière efficiente (les portefeuilles atteignables). On rappe-
lait p. 26 que la courbe d’iso-utilité était la courbe telle que m − 21 γσ 2 est une constante.
On doit donc avoir pour a = a∗ :
∂m
− γσa∗ = 0
∂σ
soit encore :
∂m
− γσa∗ = 0.
∂σa∗
Le premier terme peut se réécrire :
∂m (∂m/∂a)
= .
∂σ (∂σ/∂a)
Essayons de calculer ce terme qui est la pente de la frontière efficiente dans le plan (σ, m), à
un point de la frontière correspondant à une pondération a, est égale à (∂m/∂a)/(∂σa /∂a).
Pour calculer cette quantité on remarque que :
∂σa2 ∂σa
= 2σa
∂a ∂a
Or on a aisément :
∂σa2
= 2a(σY2 + σX
2 2
− 2ρσX σY ) − 2(σX − ρσX σY )
∂a
d’où
∂σa 2 − 2ρσ σ ) − (σ 2 − ρσ σ )
a(σY2 + σX X Y X X Y
=
∂a σa
Il est trivial de s’assurer que (∂m/∂a) = (R̄Y − R̄X ). Ainsi on peut conclure que :
(∂m/∂a) (R̄Y − R̄X )σa

=
(∂σ/∂a) a(σY2 + σX
2 − 2ρσ σ ) + ρσ σ − σ 2
X Y X Y X
En égalisant la quantité précédente avec l’expression de la pente d’iso-utilité on trouve

que :
(R̄Y −R̄X ) 2 − ρσ σ )
∗ γ + (σX X Y
a = 2 2
σY + σX − 2ρσX σY
Ceci peut se réécrire :
R̄Y − R̄X
a∗ = ã +
γ(σY2 + σX2 − 2ρσ σ )
X Y
2.5.3 Démonstration de l’expression de l’allocation du portefeuille de

marché
Nous cherchons la composition du portefeuille de marché. aM est la pondération en Y de
ce portefeuille, 1 − aM est celle en X (portefeuille synthétique en actions). Ce portefeuille
est pondéré à hauteur de a∗ en quantité, le reste étant investi en actif sans risque. Son
espérance de rendement est R̄M et sa volatilité σM .
Comme nous l’avons vu auparavant, la pente de la courbe d’iso-utilité au point (σM , R̄M )
est γσa∗ . La courbe est tangente à la demi-droite passant par (0, Rf ) et (σM , R̄M ), la pente
de cette droite vaut donc (R̄M − Rf )/σM . Ainsi :
RM − Rf RM − Rf
(σa∗ )γ = (a∗ σM )γ = =⇒ a∗ = 2
σM γσM
a∗ , relatif à la possession d’actif risqué dépend encore de γ, ce qui était attendu car le
rapport entre le rendement de l’actif risqué et celui de l’actif sans risque dépend de la
sensibilité au risque des agents. Il nous reste à trouve l’expression de la pondération du
portefeuille de marché. Utilisant que R̄M = aM R̄Y + (1 − aM )R̄X et que la pente de
la droite d’efficience doit être égale à la dérivée de l’hyperbole (voir les calculs effectués
précédemment) en aM :
R̄M − Rf (∂m/∂a) (R̄Y − R̄X )σM

= = 2 2 2 − ρσ σ )
σM (∂σ/∂a) aM (σX + σY − 2ρσX σY ) + (R̄Y − R̄X )(σX X Y
Finalement on trouve bien une expression qui ne dépend pas de l’aversion au risque γ :
(R̄Y − R̄X )σX2 + (R̄ − R )(σ 2 − ρσ σ )

X f X X Y
aM = 2 + σ 2 − 2ρσ σ ) + (R̄ − R̄ )(σ 2 − ρσ σ )
(R̄X − Rf )(σX Y X Y Y X X X Y

2.5. ANNEXE : PREUVES 47
2.5.4 Démonstration de l’expression du CAPM

Le CAPM est obtenu en réécrivant la tangence de la frontière d’efficience avec le tronçon
d’hyperbole en wM (correspondant à a = 0).
RM − RF ∂ R̄a /∂a
=
σM ∂σa /∂a a=0

Dans un premier temps on a aisément que :
∂ R̄a /∂a = R̄i − R̄M
De plus, comme précédemment, on obtient que :

∂σa
2σa = 2aσi2 − 2(1 − a)ρiM σi σM − 2aρiM σi σM
∂a
Ainsi :
∂σa 2 2
σM = σiM − σM
∂a a=0

D’où :
R̄M − RF 2 2
R̄i − R̄M = 2 (σiM − σM )
σM
On a donc finalement :
σiM
R̄i = RF + (R̄M − RF ) 2
σM


Introduction À La Gestion de Portefeuille

Transféré par

Informations du document

Titre original

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

Introduction À La Gestion de Portefeuille

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2

Nous allons définir dans ce chapitre le cadre de l’analyse moyenne-variance. 1 . En un sens,

Mais commençons par la définition des préférences au sens de Markowitz et la qualification

2.1 Tracé de la frontière efficiente

1. On parlera souvent d’analyse “moyenne-variance” cependant les plans de représentation auront le

2.1.1 Modélisation des préférences des agents

2.1.2 Marché à deux actions

Figure 2.1 – Portefeuilles admissibles en fonction de la corrélation dans le plan (σa , ma )

σa2 = (aσY + (1 − a)σX )2 = (σX + a(σY − σX ))2 )

σa2 = (aσY − (1 − a)σX )2 = (−σX + a(σY − σX ))2 )

Portefeuille de variance minimale

Considérons la fonction d’utilité : u(x) = 1 − exp(−γx) dont la maximisation en espérance

Une démonstration est disponible en section 2.5.1. L’expression de la pondération en Y

2.1.3 Introduction de l’actif sans risque

a pondération en action synthétique A (décomposée en aM en actif Y , 1 − aM en actif X),

Proposition 2.1.1. L’ensemble des portefeuilles admissibles dans le nouveau marché

Théorème 2.1.1. Le théorème de séparation des fonds de Tobin et Markowitz

On pouvait se douter de cette conclusion ! En effet, étant donnée l’allocation α∗ opti-

lité/rendement (droite) ou dans le plan variance/rendement (parabole).

Portefeuille de marché Nous cherchons désormais à connaı̂tre précisément la composi-

Finalement on trouve une expression qui ne dépend pas de l’aversion au risque γ :

2.1.4 Un exemple numérique

Figure 2.3 – Frontière efficiente dans le plan (σa , ma )

2.1.5 “En bref, ce qu’il faut retenir...”

– En quantités ou en poids, l’allocation optimale sera homogène au produit de l’inverse

2.2 Analyse moyenne-variance

Un portefeuille est caractérisé par un vecteur de quantités d’investissement : (a0 , a1 , . . . , an ),

IEt [Vt+1 (wt , a)] = wt (1 + rt ) + a0 diag(pt )[µ − (1 + rt )e] (2.3)

Définition 2.2.1. Soient deux portefeuilles de même valeur initiale, de caractéristiques :

La donnée des moments ne suffit pas à caractériser la loi de la valeur du portefeuille en

2.2.2 Frontière d’efficience

L’exploitation de la condition du premier ordre donne la proposition suivante :

Proposition 2.2.2. Dans le repère moyenne-variance, la frontière efficiente est représentée

Définition 2.2.3. La performance de Sharpe d’un portefeuille a, à la date t est définie

Considérons un portefeuille investi à hauteur de a0 en actif sans risque, et a en actif risqué,

2.2.3 En pratique : quelques mesures de performance célèbres

Quantitativement, l’essentiel qu’il y a à retenir du modèle est qu’à l’équilibre (lorsque

2.3.2 Capital Market Line

sous les contraintes :

2.3.3 Modèle quantitatif associé

Nous obtenons un modèle de rendement moyen par l’intermédiaire de l’expression de

Security Market Line

2.3.4 Arbitrage Pricing Theory

E[Ri ] = rf + βi,1 I1 + ... + βi,n In

Enfin, rappelons un élément important. Les β du CAPM et de l’APT se ressemblent

2.4 Faits stylisés et efficience

2.4.1 Faits stylisés

En premier lieu, l’hypothèse de log-normalité des rendements (les rendements logarith-

Mémoire longue et corrélations

Volatilité et “Volatility Clustering”

2.4.2 Efficience de marché

Une définition malaisée

dans un premier temps de considérer l’efficience en tant que concept.

En substance, l’hypothèse des marchés efficients (efficient markets hypothesis en anglais)

En 1965, les travaux de Paul Samuelson marquent le début de la théorie moderne. La

En pratique, il est difficile de tester l’efficience. On étend donc l’efficience au corollaire

Quelles conclusions tirer ?

Figure 2.4 – Une opportunité d’arbitrage ?

2.5 Annexe : preuves

2.5.2 Démonstration de l’expression de l’allocation fournissant une va-

(∂m/∂a) (R̄Y − R̄X )σa

En égalisant la quantité précédente avec l’expression de la pente d’iso-utilité on trouve

2.5.3 Démonstration de l’expression de l’allocation du portefeuille de