Vous êtes sur la page 1sur 73

GESTION DE PORTEFEUILLE

UNE APPROCHE QUANTITATIVE


Pierre Clauss
Mars - juin 2010
Essec - Cnam
2
OBJECTIF DE LENSEIGNEMENT
Ce cours de 25h est compos de 10 sances de 2h30 dont 4 sances de cours magistral, 5 sances datelier
sur des projets en groupe, et pour nir 1 sance de bilan des projets et dvaluation via un quiz.
Ce cours de Gestion de Portefeuille a pour objectif de donner les cls pour comprendre et assimiler les
outils quantitatifs daide la gestion de portefeuille. Pour cela, 5 projets seront proposs pour des groupes
de 4 tudiants appliquant pour la majorit des techniques quantitatives sur des donnes relles laide
du logiciel Excel et de la programmation en Visual Basic for Applications (VBA). Le but est donc trs
oprationnel et permettra aux tudiants dhorizons divers (Essec, Cnam) de postuler des mtiers de grants
de fonds, analystes produits, sales en Asset Management mais aussi dans les Banques de Financement et
dInvestissement.
Laspect quantitatif est essentiel aujourdhui en nance de march. Ce cours prsentera les fondements pour
grer un portefeuille laide de modles quantitatifs mais naura pas la prtention de former des ingnieurs
quantitatifs. Nanmoins, les connaissances dveloppes pendant ce cours permettront dutiliser certaines de
leurs techniques pour grer les actifs nanciers plus efcacement.
TABLE DES MATIRES
INTRODUCTION 4
1 RISQUES FINANCIERS ET PERFORMANCE DINVESTISSEMENT 5
1.1 Capitalisme nancier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 volution dans les annes 70 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 La culture du risque dans nos socits contemporaines . . . . . . . . . . . . . . . 10
1.2 Mesurer les risques nanciers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.1 valuation dune action . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.2 Modles facteurs de risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.3 Mesure synthtique du risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Mesurer la performance dinvestissement . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.3.1 Une premire mesure synthtique . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.3.2 Mesures de rentabilit ajuste du risque . . . . . . . . . . . . . . . . . . . . . . . 33
2 ALLOCATION 35
2.1 Allocation efciente de Markowitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.1.1 Critres de rentabilit et de risque pour la slection dun portefeuille . . . . . . . . 35
2.1.2 Principe de la diversication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.1.3 Construction dun portefeuille optimal . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2 Allocation tactique Black-Litterman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.1 Principe gnral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.2 Mise en place pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3 Allocation dun portefeuille par simulations Monte Carlo . . . . . . . . . . . . . . . . . . 45
2.3.1 Principe de lallocation Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3.2 Modlisations probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3 STRATGIES DINVESTISSEMENT 52
3.1 Stratgies buy-and-hold et constant mix . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.1.1 Stratgies buy-and-hold . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.1.2 Stratgies constant mix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2 Stratgies de couverture du risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2.1 Produits drivs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2.2 Couverture en delta statique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2.3 Assurance de portefeuille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3 Stratgies de cration de performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.1 Stratgies actions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.2 Stratgies sur dautres classes dactifs . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.3 Hedge funds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
CONCLUSION 71
3
INTRODUCTION
Ce cours de Gestion de Portefeuille sadresse des tudiants ayant des backgrounds quantitatifs diversis.
Pour intresser autant les tudiants ayant des connaissances basiques en statistiques que ceux ayant une
formation en mathmatiques pousse, nous avons pris le parti de dvelopper un cours faisant appel bien
entendu la thorie mais sacriant ses hypothses scientiques rigoureuses, pour gagner, nous lesprons,
en intuition pratique.
Le plan du cours rete aussi cette exigence. Nous allons ainsi commencer par des rexions globales sur
la gestion de lpargne nancire et la nance contemporaine pour en comprendre les enjeux, pour terminer
par ouvrir la bote noire des problmatiques du grant pour crer son portefeuille. Ce cheminement ne suivra
pas toujours la chronologie des dcouvertes de la recherche scientique : par exemple, nous expliciterons
le Capital Asset Pricing Model (CAPM) avant les dcouvertes de Markowitz posant les bases du CAPM.
Le cours sera compos de 3 parties.
La premire tentera de faire acqurir les fondements lvaluation du risque et de la performance des
portefeuilles grs. A la n de cette partie, il sera possible de grer un portefeuille, dactions plus spci-
quement, laide doutils simples mais trs fortement utiliss en pratique. Outre cette premire mise en
pratique, nous initierons la premire partie en dveloppant succinctement les enjeux de la nance moderne
et lintrt toujours grandissant pour grer efcacement les actifs nanciers.
Aprs avoir compris comment valuer un portefeuille, il va falloir tudier la manire dont on le cre. Tout
dabord, il sera ncessaire de dterminer comment on alloue notre investissement aux diffrentes classes
dactifs notre disposition. La deuxime partie exposera rigoureusement certaines mthodes quantitatives
pour allouer une richesse de manire efciente. Trois mthodes seront prsentes : lallocation originelle de
Markowitz, lallocation de Black et Litterman et lallocation par simulations Monte Carlo.
Aprs avoir dni une allocation optimale, il faudra rchir la stratgie nancire que le grant pourra
dvelopper, savoir si linvestisseur souhaite couvrir le risque pris ou au contraire faire le plus de per-
formance possible. Nous introduirons les techniques dassurance de portefeuille ainsi que de cration de
performance via des stratgies quantitatives dans la troisime et dernire partie.
Enn, la plupart des sections donnera lieu un conseil pratique de gestion de portefeuille.
4
CHAPITRE 1
RISQUES FINANCIERS ET
PERFORMANCE DINVESTISSEMENT
1.1 Capitalisme nancier
Cette premire section prsente les volutions du capitalisme nancier depuis les annes 70 partir de trois
axes principaux : linstabilit des marchs et lutilisation de produits drivs ; lapparition des investisseurs
institutionnels et dimportants montants dpargne collective grer ; et le dveloppement dune culture du
risque dans toutes les sphres de notre socit, et en particulier la sphre nancire.
Nous entendons par capitalisme nancier lvolution du capitalisme dans nos socits actuelles et dont
Aglietta et Rebrioux [2] prcisent les drives. Depuis le milieu des annes 70, nombreux saccordent
dire que les marchs nanciers ont fortement volu avec une liquidit de plus en plus abondante et
des marchs de plus en plus englobants, ainsi que lapparition de fonds dinvestissement dont le pouvoir
nancier na cess de crotre. La nanciarisation actuelle de lconomie a de grandes consquences sur la
socit elle-mme.
Avant den dcrire les grandes lignes, explicitons succinctement la dnition classique dun march nan-
cier : on considre souvent les marchs nanciers comme le lieu de rencontre entre capacits de nancement
et besoins de nancement. Traditionnellement, on rduit ce lien celui liant pargne et investissement. En
effet, si les agents conomiques assuraient entirement leurs besoins de nancement laide de leurs res-
sources propres, les marchs nanciers nauraient aucune utilit.
Voici un point de vue paru dans Ouest France le 17 octobre 2008.
"Bon" et "mauvais" capitalisme
Nicolas Sarkozy sest lev plusieurs re-
prises contre le capitalisme nancier, compos
de "spculateurs" et de "rentiers" pour se faire
le dfenseur du capitalisme d"entrepreneurs".
Quest ce que signie vouloir en nir avec
la capitalisme nancier ? Est-ce raliste ?
Quelles en seraient les consquences ?
Il faut se rappeler quen aot 2007, le chef de
lEtat tait lorigine de la loi vote en faveur
du travail, de lemploi et du pouvoir dachat
(TEPA). Celle-ci a supprim les droits de suc-
cession pour exonrer la majorit des hri-
tages, si ce nest tous, laide des diffrentes
donations possibles. Or supprimer ces droits
peut favoriser la formation dune socit blo-
que de rentiers. Les milliardaires amricains,
tels Georges Soros, Warren Buffet, les hri-
tiers Rockefeller entre autres, lavaient bien
compris en 2001 en sopposant Georges W.
Bush, qui alors voulait supprimer les droits
de succession. Ces milliardaires, ayant pour
beaucoup construit leur fortune sur les mar-
5
6 Risques Financiers et Performance dInvestissement
chs nanciers, afrmaient par leur ptition
que lenrichissement ne doit pas tenir de lh-
rdit mais du mrite.
Le dbat entre les pourfendeurs et les admira-
teurs du capitalisme nancier nest pas rcent.
Les dnonciateurs de la spculation, lori-
gine de la dstabilisation des marchs nan-
ciers et ensuite de lconomie relle, nont pas
attendu cette crise pour slever. Les chantres
des marchs nanciers et de la spculation
qui optimise les changes non plus. Alors que
penser ?
Un grand conomiste qui a vcu lautre grande
crise, celle de 1929, peut nous clairer. En ef-
fet, Keynes dveloppe une analyse subtile de
la spculation dans le chapitre 12 de la Tho-
rie Gnrale de lEmploi, de lIntrt et de
la Monnaie. Outre le fait dtre lun des plus
grands conomistes du XXme sicle, Keynes
tait aussi un n spculateur. Son analyse de
la spculation et de son impact sur lconomie
nen est que plus intressante. Il dnit cette
activit de manire peu glorieuse. Quelques
extraits sufsent pour nous en convaincre :
"[Les spculateurs] se proccupent, non de la
valeur vritable dun investissement pour un
homme qui lacquiert an de le mettre en por-
tefeuille, mais de la valeur que le march, sous
linuence de la psychologie de masse, lui at-
tribuera trois mois ou un an plus tard. [...]
Telle est la consquence invitable de lexis-
tence de marchs nanciers conus en vue de
ce quon est convenu dappeler la "liquidit"
(Payot)."
Pourtant Keynes ajoute que cette liquidit
est ncessaire aux marchs nanciers pour
quils puissent exister et drainer des investis-
sements nouveaux. Liquidit signie uidit
des changes. Ainsi il faut bien des acheteurs
lorsque tout le monde vend. Et ces acheteurs
ne peuvent tre que des spculateurs, ces in-
vestisseurs "clairs" qui, selon Keynes, ont
pour objectif de "prvoir la psychologie du
march". Lattrait des marchs nanciers se-
rait rduit nant si lpargnant ne pouvait re-
tirer son argent quand il le souhaite, car dans
ce cas, il le placerait ailleurs.
Opposer deux capitalismes nest donc pas une
solution. La spculation malgr ses aspects
choquants, peut savrer trs utile aux mar-
chs nanciers. La considrer comme un au
serait contre-productif. Cela reviendrait ban-
nir les marchs nanciers, tout de mme utiles
aux investissements de nos conomies.
En revanche, dnir un code thique du sp-
culateur au niveau mondial qui lobligerait
reverser une partie de ses bnces la lutte
contre dautres aux comme la faim dans
le monde, les maladies, la pollution ne serait
peut-tre pas inutile... en vitant de supprimer
la sacro-sainte liquidit, ce que la taxe Tobin
sur les transactions montaires est malheureu-
sement susceptible de dtruire.
1.1.1 volution dans les annes 70
Croissance de la liquidit et des transferts de risque
Les annes 70 sont caractrises par lapparition de fortes incertitudes nancires : lination saccrt, en
mme temps que le dveloppement de la volatilit des taux, ainsi quune importante instabilit des taux de
change et des produits nergtiques avec les deux chocs ptroliers, et enn lendettement croissant des pays
en voie de dveloppement. Ces vnements se sont accompagns dune croissance des marchs nanciers
pour faciliter les transferts de risques entre entreprises ou tats. Ces derniers ont eu pour consquence une
augmentation de la liquidit, via la multiplication des marchs de drivs.
Remarquons que ce mouvement est inverse celui daprs la crise de 1929, qui avait vu Roosevelt suppri-
mer les marchs de drivs. Comment expliquer cette volution ? Il faut rappeler que les crises nancires
aboutissent en majorit des crises de liquidit. Cela est appuy par limage dpinal des pargnants pris
de panique allant retirer leur argent en faisant la queue devant les banques lors de crises comme celle de
1929 par exemple. Une crise nancire peut avoir de multiples causes, qui sont souvent des bulles spcu-
latives, mais se termine toujours par un dfaut de liquidit et donc la faillite de rmes, dtats ou encore
de mnages. Le fait de faciliter les transferts de liquidit via les produits drivs permet dviter la conta-
gion toutes les entreprises dune mme place nancire. Et les outils dvelopps dans les annes 70 ont
permis aussi de faciliter leur change : valuation dun call par Black et Scholes et amlioration des outils
Capitalisme nancier 7
informatiques entre autres.
Il en est ainsi galement de la crise des subprimes de lt 2007 : suite la faillite de mnages amricains
sur-endetts dont les emprunts se retrouvaient dans des portefeuilles de crdit sophistiqus dans les banques
internationales, il devint difcile de trouver des acheteurs de ces produits devenus alors illiquides. Sans
lutilisation de produits assurantiels et lintervention des banques centrales ajoutant de la liquidit sur les
marchs nanciers, peut-tre que la crise aurait eu, en tout cas au dbut, des consquences encore plus
graves.
Mais cette remarque en implique une autre sur lautre face de Janus des marchs nanciers autrement moins
souriante : la facilitation des transferts de risque a t favorise par des produits drivs et des innovations
nancires complexes contigus, augmentant les apptits des spculateurs y trouvant des sources de prot
simples et rapides. Ces produits drivs ont ainsi certes permis une croissance de la liquidit ncessaire
pour viter la faillite, mais lopacit les accompagnant a augment les risques sous-jacents, en facilitant
la spculation et linstabilit nancire. La crise de 2007-2008 est entre autres cause par un manque de
conance dans les produits de crdit complexes, innovants mais difciles valuer. La bulle spculative sur
les prix des matires premires du printemps 2008 est aussi rvlatrice de lapptit des spculateurs faire
des prots rapides. Ceci explique certainement pourquoi Roosevelt avait voulu la suppression des marchs
de drivs dans les annes 1930.
Sur la crise des subprimes, voici un point de vue paru dans Ouest France le 3 octobre 2008.
Un an aprs la crise des subprimes
Avec le recul de lanne passe, peut-on faire
lanalyse de la crise nancire des "sub-
primes", ces crdits immobiliers accords aux
mnages amricains modestes et peu sol-
vables ? Et comprendre comment on a pu
aboutir lImplosion du capitalisme nan-
cier que dcrit Paul Jorion (Fayard), et que
conrme la mise en faillite de Lehman Bro-
thers ?
Tout dabord, la conjoncture conomique a
t, aux Etats-Unis en particulier, trs favo-
rable ces dernire annes : un taux demprunt
bas et un march de limmobilier en trs forte
hausse. Et comme souvent dans ce cas, les
gens perdent la mmoire et pensent que si a
monte, a va continuer de monter. Lorsque
lon ajoute une culture de fort endettement,
propre aux amricains notamment, les choses
se compliquent. En effet, un amricain, lors-
quil reoit 100, dpense 101 : dune part il
npargne pas et dautre part il emprunte.
Cest ici quintervient la responsabilit des
banques et des instituts prteurs qui ont abus
dune part de prts des mnages non sol-
vables et dautre part sen sont dcharg sur
dautres investisseurs, via la sophistication de
la titrisation. Une technique qui consiste
transfrer des investisseurs des actifs, tels
que des crances, en les transformant en titres
nanciers. Ainsi sest opre une dissociation
entre la distribution du crdit et la gestion de
son nancement.
Manque de transparence
Prsentons ce mcanisme complexe de ma-
nire plus simple. Une banque amricaine va
prter chacun de ses 100 clients 100 mille
dollars pour acheter une maison. Parmi ces
100 mnages, certains ont achet une maison
avec piscine de 300 m
2
en Californie avec des
revenus insufsants : ce sont ces mnages que
lon appelle les emprunteurs " subprimes ",
(littralement "en dessous" des emprunteurs
solvables dits "prime"). Mais comme ils ont la
possibilit de rembourser seulement les int-
rts, variables la plupart du temps, pendant la
priode du prt et le capital in ne, la lourdeur
de lemprunt est amoindrie. En outre, avec un
bien qui ne perd pas de sa valeur, lemprun-
teur pourra rembourser laide de la revente
de sa maison. Cette logique est viable lorsque
les taux sont faibles et que le march de lim-
mobilier ne chute pas.
Mais revenons la banque amricaine. Elle a
une crance de 10 millions de dollars. Au lieu
de supporter ce poids de dette, elle va don-
ner la "patate chaude" dautres investisseurs
(les fonds de pension, les fonds spculatifs,
voire mme le gestionnaire dune SICAV mo-
8 Risques Financiers et Performance dInvestissement
ntaire dune banque franaise). Ainsi, le prt
fait ces 100 mnages, dont certains "sub-
primes", se retrouve tre support non plus par
la banque amricaine mais par de multiples
acteurs dissmins partout dans le monde. La
dilution des 10 millions de dollars semble
tre la garantie la non-perte de ce capi-
tal. Lavantage pour les investisseurs est quils
peroivent alors un taux dintrt lev. Car
lorsque lon prte des individus sans fort ca-
pital, on leur demande un taux dintrt plus
lev. Ce systme satisfaisait tout le monde.
Seulement lorsque les taux ont mont et que le
march de limmobilier a chut, les mnages
amricains qui se croyaient tre devenus pro-
pritaires se sont retrouvs la rue.
Le problme non rsolu ce jour est le
manque de transparence des marchs nan-
ciers. En effet, cest sur leur opacit que se
sont fait la valeur des contrats titriss rali-
ss ces dernires annes. Leur valeur aurait
due tre beaucoup plus faible si lvaluation
avait pris en compte le risque de baisse de
limmobilier. Il faut donc viter de penser que
le pire est toujours derrire nous lorsque la
conjoncture samliore. Cela vitera peut-tre
de croire que lon peut faire de largent sans
crer de valeur.
Capitalisme actionnarial et apparition des "zinzins"
Outre la croissance de la liquidit et des transferts de risque, les annes 70 voient lapparition dune nouvelle
forme de gouvernance des entreprises. Le capitalisme managrial va ainsi tre dtrn par un capitalisme
o le contrle et la proprit (Berle et Means [4]) ne sont plus spars, o le principal, lactionnaire, va
pouvoir avoir un contrle sur lagent, le manager. Ainsi, la capitalisme va devenir actionnarial et loutsider
quest lactionnaire va avoir un impact trs important sur la gouvernance dentreprise et sur linsider que
reprsente le manager. Le capitalisme actionnarial a transform en profondeur nos entreprises en rduisant
lasymtrie dinformation existant par dnition entre le propritaire de la rme et son dirigeant.
Cette volution de lactionnariat est favorise par lapparition de nouveaux acteurs collectant une pargne de
plus en plus importante : les investisseurs institutionnels ou "zinzins". Ce nouvel actionnariat va prendre de
nombreux visages : fonds de pension, mutual funds (fonds communs de placement), hedge funds, assureurs
ou encore les fonds souverains, dont les activits font lactualit rcente.
Les consquences sont autant sociales quconomiques. La presse relate en effet trs rgulirement les
dcisions des actionnaires dlocalisant les industries par exemple pour diminuer les cots et augmenter
la valeur actionnariale de lentreprise. Nous tudierons plus bas la dnition de laction comme instrument
nancier et nous comprendrons la relation proportionnelle entre la valeur de laction et les bnces pouvant
tre retirs dune rme : plus les bnces anticips seront importants, plus laction augmentera sa valeur.
Nous comprenons donc pourquoi lorsque des licenciements sont annoncs, la valeur de laction augmente.
Et ceci nest pas d la malveillance des actionnaires mais leur volont de maximiser leur investissement
dans la rme : une vague de licenciements rduira les cots et augmentera les bnces futurs. Tout le dbat
est alors de savoir si ces cots court-terme nauraient pas pu tre aussi des bnces long-terme... Mais
aujourdhui le bnce social nest pas intgr dans la valeur actionnariale.
Mais revenons aux "zinzins". Ils ont aujourdhui une pargne considrable grer. Ce besoin ncessite une
professionnalisation de plus en plus importante des techniques de gestion. Lintermdiation est alors rendue
ncessaire par lasymtrie dinformation qui existe entre un particulier ou un fonds de pension et le grant
professionnel. Et cette gestion doit intgrer deux objectifs paradoxaux : ne rien perdre tout en gagnant le
plus possible ! Cette double exigence va demander, outre un contrle de plus en plus accru sur la gouver-
nance dune entreprise, le dveloppement doutils quantitatifs aidant la gestion efcace de cette pargne
satisfaisant au mieux le client, qui vit dans une socit de plus en plus imprgne par la matrise du risque.
Voici un point de vue paru dans Ouest France le 3 novembre 2008.
Les fonds, nouveau visage du capitalisme nancier
Depuis le dbut de la crise nancire, on a voqu des prises de position hasardeuses des
Capitalisme nancier 9
banques qui leur ont fait perdre des sommes
gigantesques. Une des raisons ces droutes
est lloignement des banques de leur m-
tier historique, qui est de nancer lconomie,
vers celui dinvestisseurs plus agressifs, qui
sont souvent appels "fonds". Or cette dno-
mination englobe une diversit dacteurs.
Un fonds est une socit ayant du capital -
nancier grer pour le compte dautres indi-
vidus ou institutions. Ces socits crent alors
un ou plusieurs fonds qui vont investir dans
une entreprise ou dans des titres nanciers. Par
abus de langage, on dnomme le tout, la so-
cit de gestion, par sa partie, le ou les fonds.
Tout dabord, les fonds de pension les plus
dcris, dtruisant ici des emplois, rapportant
l-bas (cest moins vrai) de belles pensions
aux retraits. Ces socits sont des collecteurs
dpargne pour la retraite de leur client. En
France, la retraite est en majorit issue du
principe de rpartition, cest--dire que la g-
nration au travail paye la retraite des plus de
60 ans. Aux tats-Unis, la ralit est autre :
chacun pargne durant son travail pour sa re-
traite. Et cette pargne est collecte par des so-
cits travaillant faire fructier le plus pos-
sible sans perdre largent de leurs futurs re-
traits. La somme dtenue par ces fonds est
colossale. Le problme est que dans 20 ans,
cause du papy boom, il y aura plus de retraits
dargent que dentres ce qui pousse ces fonds
demander une performance de leurs investis-
sements plus importante.
Les nouveaux agressifs
Pour crer de la performance, plusieurs soci-
ts proposent leur service, les fonds de pen-
sion dlguant la gestion active de leur argent.
Tout dabord, les fonds mutuels sont les plus
traditionnels : ils investissent sur les marchs
avec les outils classiques (actions, obligations)
et une certaine expertise mais un contrle des
risques les amenant ne pas faire nimporte
quoi. En France, ce sont les SICAV (Socits
dInvestissement CApital Variable) ou en-
core les FCP (Fonds Communs de Placement)
que les banques proposent par exemple au
sein dun PEA (Plan dpargne en Actions).
Leur gestion classique subit de plus en plus la
concurrence de gestionnaires plus agressifs.
Les fonds de private equity
1
ont fait leurs
premier pas en France avec par exemple
lachat du PSG par Colony Capital, ou en-
core Legrand par KKR et la famille franaise
Wendel. Ces fonds vont investir dans des en-
treprises non cotes ou des entreprises cotes
quils retirent de la Bourse. Ils deviennent les
propritaires de ces entreprises et leur objectif
est de rationaliser la gestion, lamliorer, pour
les revendre avec une plus-value importante.
Pour en devenir propritaire, ces fonds font
appel des emprunts colossaux. Les fonds de
pension peuvent faire partie alors des prteurs
potentiels ce type dachat, appel LBO : Le-
verage Buy-Out. En misant peu de sous et en
ralisant une large plus-value, ces fonds ont
attir de nombreux investisseurs avides de ren-
dements importants. Lenqute passionnante
de Godeluck et Escande Les pirates du Capi-
talisme (Albin Michel, 2008) en explique le
fonctionnement.
Les seconds fonds "agressifs" sont les fonds
spculatifs qui ne vont pas agir hors de la
Bourse, mais au contraire utiliser les anoma-
lies de prix des actifs nanciers pour crer de
la performance. Ils peuvent aussi sintresser
rendre plus performant le management dune
entreprise en achetant une minorit dactions
et en poussant de manire agressive le mana-
gement se transformer lors des assembles
gnrales.
Dernire catgorie de fonds, les fonds souve-
rains : ils ont lapparence de fonds de pension
mais sont beaucoup plus opaques sur leurs in-
tentions. Ils se sont dvelopps laide des
fortes rserves dargent que les tats expor-
tateurs ont pu accumuler, soit par le ptrole,
comme la Norvge ou les mirats Arabes
Unis, soit par les biens de consommation
exports et les rserves de change induites,
comme la Chine. Ils ont t ces derniers mois
de grands pourvoyeurs de liquidit en inves-
tissant dans les banques affaiblies par la crise.
Et Nicolas Sarkozy vient de lancer la cration
dun fonds franais.
Le dveloppement de ces nouveaux acteurs
est li la crise que lon vit actuellement :
une pargne excessive investie dans des actifs
existants et non innovants, comme limmobi-
1
"Private equity" soppose en anglais "public equity" qui signie "capital issu de la Bourse", donc public par la large information
diffuse sur les entreprises cotes.
10 Risques Financiers et Performance dInvestissement
lier, crant alors une bulle. Et les banques qui
ont voulu participer cette euphorie en co-
piant les fonds spculatifs par exemple ont pu
perdre normment.
Ces nouveaux acteurs du capitalisme peuvent
peser sur nos conomies de faon parfois d-
sastreuse. Non pas parce que ces acteurs sont
ptris de mauvaises intentions mais parce quil
manque des contre-pouvoirs ces fonds qui
viteraient de les rendre trop puissants. A
quand la mise en place dune Organisation
Mondiale des Marchs Financiers ?
1.1.2 La culture du risque dans nos socits contemporaines
En nance, les crises boursires ne viennent pas juste dapparatre. Les deux prcdents sicles en sont
emplis. La considration du risque sur les marchs nanciers et sa modlisation, sa mesure et sa gestion
sont pourtant plus rcents. Les crises des annes 90 (Barings, NatWest, LTCM) pourraient expliquer le
besoin qui sest fait ressentir ce moment-l de sintresser plus rigoureusement depuis 20 ans au risque
avec notamment la mise en place du Comit de Ble permettant de rguler les activits des institutions
nancires.
Une autre raison peut tre aussi chercher dans les progrs accomplis dans la puissance des outils informa-
tiques ainsi que ceux faits en mathmatiques commencer par le pricing du call europen de Black-Scholes.
Nanmoins, nous ne pensons pas quil ny ait que cela. Il faut pour le comprendre ne pas se concentrer
seulement sur la sphre nancire mais tudier les volutions de la socit dans sa globalit. En effet, la
mutation de nos socits occidentales ces 20 dernires annes peuvent aussi tre un lment dexplication
quil ne faudrait pas ngliger. Et cette mutation, facteur essentiel de lvolution actuelle des marchs nan-
ciers, est lmergence dune socit du risque.
Le mot risque a pour tymologie le latin resecum signiant "ce qui coupe" et caractrisant donc une menace.
Ce mot est apparu dans son sens actuel au XIV sicle dans les assurances maritimes italiennes. Aujourdhui,
ce terme se retrouve dans presque tous les vnements qui touchent nos socits allant des risques techno-
logiques, cologiques, sanitaires la circulation automobile et linscurit de nos villes.
Pour apprhender ces risques, les experts chiffrent leur danger. Patrick Peretti-Watel [29] illustre cela
laide de lpisode de lexplosion dun racteur chimique produisant des herbicides Seveso en Italie le 10
juillet 1976. Les dangers sur les femmes enceintes ntant pas ngligeables, les habitants voulurent alors
absolument savoir quel tait le pourcentage de femmes pouvant avoir des squelles. Des situations similaires
dans le pass nexistant pas, il savrait impossible de quantier ce danger. Or les habitants demandaient de
manire insistante un chiffre, qua ni par leur donner un expert avec le pourcentage 30%. Malgr le peu
de fondement que reprsentait ce chiffre, il rassura les habitants.
Ainsi, pour maitriser un danger, le fait de le quantier permet de le grer mme si dans certains cas le chiffre
donn ne signie rien car la situation nest pas probabilisable. Peretti-Watel dcrit lexemple du patron de la
marque de whisky Cutty Stark qui avait propos une norme rcompense celui qui dcouvrirait le monstre
du Loch Ness. Bien sr celui-ci nexiste pas. Mais certainement par paranoa, il se couvrit de la dcouverte
de ce monstre en souscrivant une assurance chez Lloyds. La prime de cette assurance a d tre difcile
dterminer sachant quelle se fondait sur un vnement impossible.
Enn, pour grer les risques, il faut faire des choix politiques. En effet, de nombreux seuils vont tre
dtermins pour savoir si une situation prsente un danger ou pas. Il en est ainsi de la dtection de la
trisomie par amniocentse qui demande des examens trs lourds pour la femme enceinte et assez risqus :
des mthodes de dpistage sanguin ont pu tre dvelopps mais avec une incertitude. Le seuil dni est
donc issu dun choix politique dune responsabilit importante. A la n des annes 80, ce principe du seuil,
sous-jacent au principe de prcaution, a connu un fort succs. Et ce principe a t fortement dvelopp dans
de nombreux domaines comme la sant, lenvironnement, la gntique, la scurit au travail ou encore la
nance : ainsi le comit de Ble a dni les premiers accords de rglementations bancaires Ble I en 1988
laide dun ratio dterminant un montant de rserve permettant aux institutions nancires de se couvrir
contre un risque de perte leve. La difcult fut alors de dnir ce montant ou ce seuil de perte potentielle.
Capitalisme nancier 11
Ces diffrentes rglementations sont donc difciles quantier scientiquement car fondes sur des proba-
bilits extrmes. Le ratio du comit de Ble subit une incertitude relativement importante. Et ces rgulations
ne permettent pas dviter toutes les crises : durant lt 2007, la crise des subprimes na pas pu tre vite
malgr les prcautions normalement dictes. Mais comme la ncessit de la mesure, nous lavons vu, est
essentielle dun point de vue socitale, il faut en accepter les limites. La science a tout de mme progress
et applique aujourdhui les rsultats de thories probabilistes (thorie des valeurs extrmes, thorie des co-
pules) pour obtenir des mesures des risques extrmes plus prcises. Malheureusement, ces techniques ne
sont pas encore assez dveloppes.
Nos socits contemporaines ont donc dvelopp une importante culture du risque. Selon Giddens [14],
le risque est mobilis par tout individu comme mode de reprsentation du quotidien. La socit est en
effet davantage oriente vers le futur et moins ancre dans le pass et les individus mettent en oeuvre une
rationalit probabiliste pour valuer les consquences de leurs actions. Le futur devient donc un territoire
coloniser.
Beck [3], un autre sociologue travaillant sur ces problmatiques, a montr les volutions de lindividu de
nos socits : il doit se projeter dans le futur en essayant de le contrler et en refusant le dterminisme.
La socit industrielle traditionnelle tait caractrise par le lutte souvent collective contre la pauvret et le
dclin. Aujourdhui, lindividu est livr lui-mme faisant face une multitude de risques.
Les marchs nanciers sont aussi le miroir de cette culture du risque imprgnant nos socits contempo-
raines. Les krachs boursiers font peur et peuvent affecter lexistence de tout un chacun. En outre, les agents
de ces marchs "crent le futur quils tentent de coloniser" selon Peretti-Watel : effectivement, entretenant
eux-mmes la volatilit des marchs nanciers, ils crent les risques nanciers imprvisibles quil leur fau-
dra valuer et grer.
Voici un point de vue paru dans Ouest France le 16 dcembre 2008.
Climat, nance, mme combat
En attendant lengagement de lquipe Obama
dans la lutte contre le rchauffement clima-
tique, la confrence de Poznan a montr que
les bases dun accord international taient dif-
cile runir.
Or les erreurs lorigine de la crise nancire
doivent nous convaincre de lurgence mettre
en place des mesures courageuses contre le
changement climatique. Ces erreurs ont dj
t nonces : dsengagement de lEtat provi-
dence, laisser-aller sur les marchs nanciers,
excs dinnovations nancires ne crant pas
ou peu de valeur, endettement excessif, spcu-
lation non rgule. Une ide relie ces volu-
tions : celle dune faible perception du risque.
Si par exemple les responsables ont laiss
lEtat providence disparatre peu peu, cest
entre autres cause dune perception de lave-
nir sans embches : sinon, pourquoi se doter
dun systme de redistribution des richesses
performant, car la pauvret serait un risque
loign ? Autre exemple : si les prteurs am-
ricains ont t gnreux avec les mnages sub-
primes, cest parce-que le risque de baisse de
la valeur de limmobilier tait peru comme
improbable. Aujourdhui, ces deux percep-
tions se sont inverses.
Pourtant, nos socits avaient dvelopps de-
puis la n des annes 80 (le livre de Beck
publi en 1986 La socit du risque : sur
la voie dune autre modernit est trs clai-
rant) une perception relle du risque collec-
tif la suite de drames, comme Tchernobyl,
ou, dun point de vue nancier, aprs le krach
doctobre 1987. Les politiques avaient mis en
place de rgulations.
Dans le domaine nancier, les premiers ac-
cords de Ble ont vu le jour en 1988 avec
lobjectif afch dviter la contagion de
faillites bancaires tout le systme nancier,
en contraignant les banques conserver une
partie de leurs fonds propres en rserve. Mal-
heureusement, on constate lchec de ce sys-
tme de rgulations. Pourquoi ? Car la percep-
tion aige du risque dveloppe dans les an-
nes 80 a t dlaisse au prot des rende-
12 Risques Financiers et Performance dInvestissement
ments court-terme, proposs par les innova-
tions nancires des annes 90, ainsi que ceux
des bulles technologique et immobilire des
annes 2000.
Ce qui empche de percevoir le risque, cest
la rentabilit attendue. En nance, on a lha-
bitude de parler de couple rendement-risque
pour dire que le risque volue avec le rende-
ment. Le problme, trs bien dcrit par Fr-
dric Lordon dans son dernier livre Jusqu
quand ? Pour en nir avec les crises nan-
cires, est que le risque se mesure seulement
aprs quon a ralis linvestissement : il est
difcile en effet de prvoir le risque encouru.
Lauteur va jusqu afrmer que "le contrle
des risques est une chimre".
Dans les banques, valuer le risque engag est
complexe ; cest nanmoins possible si lon
comprend que risque et rendement sont deux
notions non relies dans le temps : le rende-
ment est une notion de court-terme et le risque
une notion de long-terme. Admettre cela per-
met de poser des rgles : augmenter la rserve
de fonds propres des banques lorsque lenvi-
ronnement conomique est favorable (rende-
ment bon et perception faible du risque) pour
pouvoir la diminuer dans le cas contraire (ren-
dement mauvais et perception forte du risque).
De telles rgles auraient permis aux banques
de moins participer la bulle et de pouvoir r-
pondre aux pertes actuelles sans faire appel
lEtat.
Revenons au changement climatique. La per-
ception des risques est encore faible, alors que
les rendements retirs de la consommation du
ptrole par exemple sont levs pour nos so-
cits. Il apparat urgent que les politiques d-
nissent des rgles plus volontaires dcono-
mies dnergie, certes contraignantes aujour-
dhui, mais qui nous permettront dviter le
pire dans quelques annes. Forcer les banques
moins investir dargent pendant la bulle au-
rait t salvateur... Et cest le rle du Politique
de dnir les conditions ncessaires aujour-
dhui pour bien vivre ensemble.
Conseil pratique de gestion
Cette introduction aux enjeux de la nance contemporaine permet de mettre en vidence la ncessit de
grer efcacement lpargne collective en insistant sur le risque pris. Le premier conseil de gestion est
donc dtudier rigoureusement le contexte conomique et avoir un recul sur les diffrents acteurs de la
nance, les outils disposition, et lincertitude inhrente tout projet dinvestissement.
Mesurer les risques nanciers 13
1.2 Mesurer les risques nanciers
Nous allons dans cette section nous intresser la mesure du risque et plus prcisment le risque de march.
Trois risques principaux peuvent tre distinguer en nance de march : le risque de variation dun actif
nancier (risque de march), le risque de dfaillance dun metteur de dette (risque de crdit), et le risque
induit par des oprations de march comme les erreurs de saisie, les fraudes, etc. (risque oprationnel).
Cette section sera ddie la mesure du risque de variation du prix dun actif et plus prcisment, pour
des raisons pdagogiques, celui de laction. Nous dnirons laction et dterminerons lvaluation de son
prix. Notre intrt se portera alors sur la prime de risque associe au prix de laction. Deux voies seront
alors explores pour mesurer le risque de variation : les sensibilits de la prime de risque des facteurs de
risque et les mesures synthtiques du risque de variation du prix dune action.
1.2.1 valuation dune action
Une action est un titre de proprit reprsentant une fraction du capital dune socit. Gnralement, cette
valeur mobilire est cote en Bourse et a une liquidit normalement assure. En outre, elle confre son
acqureur des droits sur lentreprise, tant donn quil en devient propritaire. Une action donne droit un
vote au sein de lassemble gnrale des actionnaires. Lors de cette assemble, il est discut de la gestion
de lentreprise pour laquelle les actionnaires sont responsables.
Nous pouvons distinguer pour un actionnaire ses droits montaires de ses droits non montaires. Pour les
premiers, nous avons principalement :
Le droit au dividende : le solde bnciaire des comptes annuels dune entreprise, gal aux recettes aux-
quelles on soustrait les charges, est rparti entre les rserves de la socit, servant son autonancement,
et les dividendes, affects aux actionnaires. Ceux-ci sont variables puisquils dpendent des rsultats
dune rme. Ce dividende peut soit tre pay lactionnaire soit transform en actions nouvelles gratuites.
Le payout ratio correspondant au ratio entre les dividendes et les bnces nets est variable suivant les
socits : celles de secteurs mtures vont distribuer des dividendes plus importants que celles de secteurs
en croissance, qui veulent crotre plus rapidement et allouer donc plus de capitaux linvestissement.
Le droit sur lactif social : les actionnaires ont un droit proportionnel la quantit dactions quils pos-
sdent sur le patrimoine de lentreprise, dduction faite des dettes
2
. Ainsi, lors dune augmentation de
capital, les actionnaires ont une priorit sur les actions nouvellement mises.
Pour les seconds, nous pouvons distinguer :
Le droit linformation : ils ont accs tous les documents relatifs lactivit et aux rsultats de la
socit.
Le droit de vote, permettant lors de lassemble gnrale annuelle de xer les dividendes, prendre des
dcisions de gestion, dlibrer sur les comptes de la socit.
Le droit dexercer en justice : les actionnaires mcontents de la gouvernance de lentreprise peuvent
poursuivre les administrateurs en justice. Prcisons que ces derniers, lus par les actionnaires lors de
lassemble gnrale, nomment le directeur gnral qui a en charge la gestion de la socit.
valuation comptable
Pour valuer une action, nous avons tout dabord la valeur comptable simple, appele valeur boursire ou
de march :
Action =
Capitalisation Boursire
Nombre total dactions existantes
Cette valeur est value sur le march par les diffrents acteurs qui estiment la valeur de lactif net de la
rme.
2
Lors dune faillite, les actionnaires ne sont ddommags quaprs remboursement des cranciers qui sont prioritaires.
14 Risques Financiers et Performance dInvestissement
Comment ces derniers estiment la valeur de la rme ? Le processus dvaluation peut tre modlis laide
de la thorie de lefcience des marchs que nous dcrivons ici.
Efcience des marchs nanciers
La thorie des marchs efcients a atteint son point dacm dans la recherche nancire autour des annes
70. Cest au mme moment la prdominance de la thorie des anticipations rationnelles en conomie. Cette
dernire est en partie ne de linsatisfaction croissante ressentie par de nombreux conomistes lgard des
anticipations adaptatives dveloppes par Milton Friedman.
En 1960, John Muth avance que la prvision des agents est "parfaite", sans tre forcment exacte ; elle
est fonde sur des lois de probabilit effectivement suivies par les phnomnes tudis. Si des erreurs se
produisent, elles ne peuvent pas tre systmatiques car sinon les agents rationnels sen apercevraient et
lintgreraient dans leurs calculs.
Les anticipations rationnelles supposent lquilibre permanent et lautoralisation de la croyance des agents.
Le concept dautoralisation signie que lagent reprsente lconomie sous la forme dun modle, ce der-
nier tant lorigine dactions qui engendrent les situations quil dcrit. Ainsi, les croyances des agents, de
type walrassiens, sont-elles considres comme un paramtre que se donne a priori le modlisateur.
Robert Lucas introduit lhypothse des anticipations rationnelles au dbut des annes 70. Les grands cou-
rants de pense conomique, les nouveaux classiques, les montaristes et quelques keynsiens ont adopt
cette thorie.
Cette revue rapide de la thorie conomique de cette priode est importante pour comprendre lengouement
de lintroduction des mathmatiques (cest en effet ce moment aussi que Black et Scholes, en 1973 plus
prcisment, font lhypothse que les volutions des prix des actifs suivent une marche alatoire) et des
prvisions parfaites en thorie nancire, sur lesquelles se fonde la thorie de lefcience.
En effet, lHypothse dEfcience des Marchs (HEM) nanciers nonce lide que les prix spculatifs
des actifs (comme les actions) incorporent toujours et sans friction la meilleure information des valeurs
fondamentales (prvision de bnces, etc.) et les volutions des prix ne sont dues qu des changements
dans cette information. Linformation peut prendre diffrentes formes (srie des prix passs, information
publique ou prive), mais dans tous les cas, elle est entirement et instantanment intgre par les prix.
Dans les annes 80 et 90, des doutes ont commenc poindre sur lhypothse defcience et les modles tra-
ditionnels dvaluation des actifs, tels le Capital Asset Pricing Model (cf. section 1.2.2). Mais, les chantres
de cette dernire avanaient et avancent toujours que cette thorie a certes, comme toute thorie, des hypo-
thses restrictives mais elle permet dapprhender au mieux lunivers des marchs nanciers ; les carts
cette thorie ne sont que des anomalies. Parmi ces anomalies, nous pouvons citer la prsence sur les marchs
actions dautocorrlations positives et stables entre les rentabilits daujourdhui et celles du pass proche
(phnomne de momentum), ainsi que des autocorrlations ngatives dans le long terme (phnomnes de
retour la moyenne des prix).
Fama [12], auteur dun modle plus rafn dvaluation des actifs dans le cadre de lefcience (modle
de Fama-French [13], cf. section 1.2.2), nonce bien lenjeu : "Suivant la loi traditionnelle de la Science,
lefcience des marchs peut tre seulement remplace par un meilleur modle". Et ce dernier doit satisfaire
des critres rigoureux : "il doit spcier ce qui dans la psychologie de linvestisseur permet dexpliquer
simultanment les causes de sous-raction certains types dvnements et de sur-raction dautres. [...]
Et la thorie alternative doit avoir des hypothses rigoureusement dnies, elles-mmes potentiellement
rejetables par des tests empiriques".
Des auteurs sont ainsi parvenus llaboration de cadres thoriques o les anomalies de lefcience des
marchs y sont les fondements, comme les phnomnes de sous et sur-raction la diffusion de linforma-
tion par exemple. Nous nallons pas les tudier ici mais utiliser leurs rsultats pour crer de la performance
dans la section 3.3.
Mesurer les risques nanciers 15
Valeur fondamentale dune action
LHEM stipule que le prix observ dun titre nancier, quel quil soit, est gal sa valeur fondamentale,
dnie comme le ux des revenus futurs actualiss auquel le titre donne droit. Ainsi, en supposant que les
dividendes intgrent toute linformation sur les fondamentaux conomiques du cours des actions, la valeur
V
i
0
du titre de la socit i est dnie par la somme actualise de ses ux futurs gnrs, les dividendes D
t
,
jusqu la n de sa vie (considre comme innie) :
V
i
0
=
+

t=1
D
t
(1 +r
f
+
i
)
t
avec r
f
le taux sans risque et
i
la prime de risque ncessite par la rme i : cette dernire est gale en fait
la rentabilit de laction laquelle on soustrait le taux sans risque.
Nous verrons dans la section 1.2.2 quelle peut tre explique par des facteurs de risque valus sur le
march sur lequel est traite laction correspondante. Si lefcience des marchs est vrie, ces derniers
expliqueront totalement la prime de risque de laction et la valeur V
i
0
dnira le juste prix ou fair price de
laction.
En effet, si la prime de risque est intgralement explique par les facteurs de risque, le march lvaluera de
manire juste. Dans le cas chant, la vraie prime de risque sera soit plus faible soit plus leve que celle
price par le march, ce qui signiera que la valeur fondamentale sera soit plus leve soit plus faible et
donc laction sera soit sous-value soit sur-value.
Et dans ces cas, des possibilits darbitrage et de crer de la performance se prsenteront donc. Nous re-
viendrons plus prcisment sur ces mcanismes darbitrage dans la suite du cours.
Une prcision importante est faire sur ce point. Il faut en effet souligner que la prime de risque est quiva-
lente (au taux sans risque prs) au cot issu de la dtention du capital. Ce cot est ex-ante, et donc pas encore
ralis. Si le cot observ
obs
se rvle sur-valu par les acteurs du march par rapport au cot thorique

th
, alors il va diminuer pour tendre vers
th
, ce qui va faire augmenter la valeur de laction et donc la ren-
tabilit ex-post. Le cot du capital sassimile donc (au taux sans risque prs) une prime de risque ex-ante
et la rentabilit de laction (au taux sans risque prs) une prime de risque ex-post. Malheureusement, dans
la pratique, les deux primes de risque sont confondues car le cot du capital ex-ante est difcile estimer
(cf. modles facteurs de risque, section 1.2.2). On suppose donc que la rentabilit historique rvle aussi
le comportement futur du cot du capital. Si aujourdhui, la prime de risque ex-post est sur-value, le cot
du capital ex-ante appliqu pour lactualisation sera sur-valu, diminuera donc pour obtenir une rentabilit
leve, ce qui est cohrent avec la prvision pralable dune prime de risque ex-post importante.
Ratio nancier dvaluation
Pour apprcier lcart la valeur fondamentale, nous pouvons utiliser un ratio nancier dvaluation. Clas-
siquement, il est utilis soit le Dividend-Price Ratio, soit le Price-Earning Ratio PER. Ce dernier va tre
prfr car le Dividend-Price Ratio est trs inuenc par les politiques nancires des entreprises (rachat
dactions par exemple augmentant les dividendes distribus). Le PER dun actif nancier se dnit comme
le rapport du cours de lactif au bnce annuel quil rapporte. Il exprime donc le dlai de rcupration de
cet actif, cest--dire le nombre dannes de bnces sur lesquelles on valorise lactif. Le prix dun titre
sera alors le produit du PER avec les bnces. Cest un indice tout dabord danticipation de croissance
dune socit : plus les anticipations de croissance forte sont leves, plus le PER sera important. Et, cest
un indicateur de chert dune socit au sein dun mme secteur : en effet, une socit ayant un PER plus
faible que le PER moyen du mme secteur sera considre comme peu chre. Cest donc un indicateur de
valorisation : nous pouvons alors savoir si le PER dune socit est lgitime ou non par rapport un PER
juste. Le processus des PER est souvent caractris par un phnomne de retour la moyenne.
Modle de Gordon-Shapiro
Enn, il faut remarquer quil est difcile de calculer un prix partir du modle dactualisation des di-
videndes : effectivement, il se fonde sur des ux de revenus futurs alatoires et difciles estimer. Les
16 Risques Financiers et Performance dInvestissement
investisseurs doivent en consquences les anticiper sur la base des informations dont ils disposent. Le cal-
cul de la valeur fondamentale va donc supposer des hypothses rductrices. Le modle le plus clbre est
celui de croissance perptuelle dni par Gordon et Shapiro en 1956.
Ils supposent que le taux de croissance annuel des dividendes g est constant, ainsi que le cot des fonds
propres, ou cost of equity CE de la socit, r. Ce dernier est la rentabilit minimum que les actionnaires
pensent pouvoir retirer de leur investissement dans laction de la socit. En outre, g < r pour viter que la
valeur de lentreprise soit innie. En consquence, nous avons :
V
0
=
+

t=1
D
t
(1 +r)
t
= D
0
+

t=1
_
1 +g
1 +r
_
t
= D
0
1+g
1+r
1
1+g
1+r
convergence dune srie gomtrique de raison |q| < 1
= D
0
1 +g
r g
=
D
1
r g
Daprs ce modle, laction a une valeur fondamentale dautant plus leve que la part du bnce distribu
est importante et que le cot du capital est faible, toutes choses gales par ailleurs. Ce modle est nanmoins
irraliste : nous allons alors utiliser non plus des modles dvaluation partir de lactualisation des divi-
dendes mais partir du cot du capital. Ce dernier rsume en effet lincertitude concernant la distribution
des dividendes : plus le cot des fonds propres est lev, plus lincertitude est importante et plus la valeur
fondamentale est faible. Les nanciers vont alors sattacher apprcier si le march value sa juste valeur
le CE, et plus prcisment la prime de risque de laction gale au CE auquel on soustrait le taux sans risque.
Le problme de lvaluation de la valeur fondamentale dune action va se dplacer sur celui de lvaluation
de la prime de risque.
Conseil pratique de gestion
Cette introduction lvaluation du prix dune action donne quelques indications quantitatives pour g-
rer un portefeuille actions en pratique : laide par exemple du PER, il est possible dacheter dans son
portefeuille des actions sous-values et de vendre des actions sur-values.
Mesurer les risques nanciers 17
1.2.2 Modles facteurs de risque
Les modles facteurs vont permettre dvaluer la prime de risque dune action. La mesure du risque induit
par la possession dune action va alors se prciser.
Capital Asset Pricing Model
Le Capital Asset Pricing Model (CAPM) ou Modle dquilibre des Actifs Financiers (MEDAF) a t
dvelopp par Sharpe en 1964 [32], Lintner en 1965 [23] et Mossin en 1966 [27]. Les hypothses de ce
modle sont les suivantes :
1. les investisseurs exigent une rentabilit dautant plus forte que le risque est lev : il existe donc une
relation croissante entre rendement et risque,
2. un actif sans risque est disponible,
3. les anticipations sont identiques pour tous les investisseurs.
Daprs ces hypothses, nous pouvons exprimer lesprance de la rentabilit R
i
dun portefeuille ou dun
actif risqu i en fonction de celle de lactif sans risque r
f
et de celle du portefeuille de march R
M
, qui est
celui que tous les investisseurs possdent :
E(R
i
) = r
f
+
i
[E(R
M
) r
f
] avec
i
=
cov(R
i
, R
M
)

2
(R
M
)
avec (.) la volatilit de lactif correspondant et cov(.,.) la fonction covariance. Pour des raisons pdago-
giques, nous nentrons pas dans la dmonstration de ce modle mais expliquons les consquences empi-
riques et pratiques de cette modlisation de la prime de risque.
Nous pouvons aussi rcrire ce modle de la manire suivante :

i
= E(R
i
) r
f
=
i
[E(R
M
) r
f
] (1.1)
pour faire apparatre la prime de risque
i
. Ainsi, plus les investisseurs seront exposs au portefeuille de
march, plus ils prendront de risque et plus leur rmunration conscutive potentielle sera thoriquement
leve.
Ce modle explique donc la prime de risque dun actif ou dun portefeuille dactifs i par sa sensibilit
i
par rapport au portefeuille de march. Cette dernire dnote le caractre plus ou moins agressif dun actif
relativement au portefeuille de march. Ainsi, si
i
> 1, lactif est dit "offensif", et si
i
< 1, il est dit
"dfensif" relativement au march considr (
i
= 1 correspond une prise de risque similaire celle prise
par le portefeuille de march). Lindicateur est trs utilis par les praticiens car simple dutilisation.
Cependant, outre les hypothses restrictives du modle dquilibre, il possde aussi quelques limites de
mise en oeuvre empiriques.
Tout dabord, il est difcile de dterminer prcisment le portefeuille de march. Souvent, il est rduit
lindice phare de la place nancire dans laquelle est valu lactif ou le portefeuille. Seulement, ces
indices nintgrent pas tous les actifs risqus de lunivers dinvestissement, comme le voudrait la thorie,
puisquil se restreint aux actions.
Les poids allous aux actions dans ces indices varient suivant les places nancires. Ils peuvent tre relatifs :
la valeur des titres : cest le cas du plus vieil indice fond en 1884, le Dow Jones Industrial Average
compos de 30 entreprises amricaines importantes,
aux capitalisations boursires,
et au ottant, dni comme la part de la capitalisation que lon peut changer sur les marchs (infrieur le
plus souvent la capitalisation boursire totale), traduisant donc la liquidit du titre. La pondration par
le ottant est le cas de la plupart des indices aujourdhui. Ainsi, le CAC 40 lest depuis le 1er dcembre
2003, aprs avoir t pondr par les capitalisations.
18 Risques Financiers et Performance dInvestissement
Les crances bancaires, limmobilier, le capital humain manquent donc dans la composition de ces indices
et sont difciles mesurer prcisment.
En outre, la seconde limite concerne lestimation des . Le modle de rgression sous-jacent au CAPM
scrit :

i
= R
i
r
f
=
i
+
i
[R
M
r
f
] +
i
Le premier problme qui apparat est linstabilit des
i
suivant les priodes destimation. En effet, ils
peuvent voluer trs fortement. Quelles mthodes destimation utiliser alors pour viter linstabilit des
? Quelle priode considrer ? Lune des solutions la plus intressante est lutilisation du ltre de Kalman
(dont ltude dpasse le cadre de ce cours) permettant de calibrer des trs ractifs : cette technique permet
de sexonrer de linertie propre au Moindres Carrs Ordinaires. Nous renvoyons la section 3.3 pour des
prcisions sur les techniques de rgression.
Le second problme est la signicativit possible de
i
. Thoriquement, le CAPM implique lAbsence
dOpportunit dArbitrage (AOA) entre les actifs, cest--dire quen thorie la relation (1.1) est toujours
vrie. Si cela nest pas le cas, lactif est mal valu et selon lHEM, lanomalie sera rsorbe rapidement
par les arbitrageurs et ne devrait pas perdurer. Nanmoins, dans la ralit, des
i
signicativement non nul
perdurent plus longtemps que prvu par lHEM. Cela peut alors signier deux choses :
Soit le modle nest pas remettre en cause et alors la prime de risque observe, assimile au cot du
capital moins le taux sans risque,
obs
i
est arbitrable mais les arbitrageurs de la thorie ne sont pas aussi
efcaces que prvu. Alors une rentabilit gratuite apparat dans le cas o
i
est par exemple positif :

obs
i
=
i
+
th
i

th
i
=
obs
i

i
. Le modle est suppos bon, donc la prime de risque ex-ante
obs
i
devrait diminuer pour atteindre la prime de risque thorique
th
i
et donc le prix de laction augmenter.
Laction est bien sous-value. Le march est alors inefcient pour lactif i considr. La rentabilit sera
leve puisquune partie gratuite
i
est prsente.
Soit la prime de risque nest pas entirement dcrite par sa seule sensibilit au portefeuille de march.
Dautres facteurs de risque sont certainement valus par les intervenants des marchs. Fama et French
ont ainsi propos un modle dquilibre plus raliste compltant le CAPM des autres facteurs de risque
pouvant tre rmunrs par la prime de risque.
Conseil pratique de gestion
Le CAPM introduit la gestion stylise : en effet, un grant peut segmenter sa gestion suivant la sensibilit
des actions au portefeuille de march. Il pourra ainsi crer un portefeuille dactions dfensives, cest--dire
infrieurs 1, et un portefeuille dactions offensives, suprieurs 1.
En outre, le fait de dterminer des anomalies au CAPM, via des non nuls, peut lui permettre de faire
un stock picking plus efcace en slectionnant des valeurs dont la prime de risque est sous-value par le
CAPM et donc par le march (en supposant que les comportements de ce dernier sont bien dcrits par le
CAPM).
Mesurer les risques nanciers 19
Modle de Fama-French
Le modle de Fama et French [13] dvelopp en 1993 correspond un rafnement du Capital Asset Pricing
Model. Il explique la rentabilit espre dun portefeuille ou dune action E(r
i
) en excs du taux dintrt
sans risque r
f
par la sensibilit de sa rentabilit lesprance de trois facteurs de risque non diversiables :
1. la rentabilit en excs dun portefeuille de march R
M
r
f
(correspondant au facteur de risque du
CAPM),
2. la diffrence entre la rentabilit dun portefeuille dactions de petite taille, la taille tant value par
la capitalisation boursire, et la rentabilit dun portefeuille dactions de grande taille (SMB, Small
Minus Big),
3. la diffrence entre la rentabilit dun portefeuille dactions faible valorisation, la valorisation tant
value par le ratio nancier book-to-market
3
, ces actions sont alors caractrises de Value, et la
rentabilit dun portefeuille dactions importante valorisation nancire, ces actions sont alors ca-
ractrises de Growth (HML, High Minus Low).
Formellement, nous avons lexpression de la prime de risque suivante :

i
= E(R
i
) r
f
=
i
(E(R
M
) r
f
) +s
i
SMB +h
i
HML
Le modle de rgression correspondant scrit :

i
= R
i
r
f
=
i
+
i
(R
M
r
f
) +s
i
SMB +h
i
HML +
i
Les facteurs sont dtermins empiriquement de manire viter loverlapping. Dans ce but, il va falloir
construire six portefeuilles :
< Mdiane Capitalisation Mdiane Capitalisation
dcile 70% book-to-market Small Value Big Value
Small Neutral Big Neutral
< dcile 30% book-to-market Small Growth Big Growth
TAB. 1.1 Six portefeuilles Fama-French
Ainsi, nous pouvons calculer les rentabilits des portefeuilles SMB et HML partir de celles de ces six
portefeuilles :
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)
Ce modle parvient empiriquement expliquer, souvent entirement, la prime de risque dun portefeuille.
Il amliore donc le CAPM. Nanmoins, dans certaines situations, il est possible de crer des portefeuilles
dont les primes de risque chappent lexplication du modle de Fama-French : il reste alors encore un
i
signicatif. De la mme manire que pour le CAPM, cette anomalie peut signier une inefcience dva-
luation de lactif ou une remise en cause du modle. Dans ce dernier cas, Carhart [8] a ainsi dvelopp un
3
Les actions faible valorisation nancire sont alors celles ayant un fort book-to-market.
20 Risques Financiers et Performance dInvestissement
modle dvaluation incorporant le momentum de prix dun actif (cette anomalie clbre sera expose plus
prcisment dans la section 3.3.1).
Pour terminer cette section sur les modles facteurs, nous allons tudier dans la suite un modle dvalua-
tion sexonrant de lhypothse dAOA du CAPM : le Modle dvaluation par Arbitrage ou Asset Pricing
Theory (APT).
Conseil pratique de gestion
Le modle de Fama-French enrichit la gestion stylise en ajoutant deux segmentations supplmentaires des
actions, en plus du , trs utilises en pratique : la gestion par capitalisation et celle suivant la valorisation
des actions.
Des portefeuilles dactions vont ainsi tre forms suivant la capitalisation en distinguant les petites capita-
lisations (Small Cap) et les grandes capitalisations (Large Cap).
La valorisation va aussi distinguer les actions matures ou de rendement (Value) faisant partie de secteurs
dont la croissance future est relativement faible mais les dividendes distribus levs, et les actions de
croissance (Growth), de secteurs dont lesprance de rendement futur est important.
Mesurer les risques nanciers 21
Asset Pricing Theory
Ross [31] en 1976 proposa un modle dvaluation des actifs saffranchissant des hypothses de normalit et
de mesure du portefeuille de march des modles prcdents. Ce modle contrairement au CAPM sappuie
sur mais nimplique pas lAbsence dOpportunit dArbitrage (AOA). Cest donc une autre approche de
lvaluation des actifs, complmentaire.
Le modle lie formellement lesprance de la rentabilit dun titre ou dun portefeuille i R
i
m facteurs de
risque systmatiques de prime de risque pour chaque facteur j E(R
j
) r
f
:
E(R
i
) = r
f
+
m

j=1

ij
(E(R
j
) r
f
)
Les facteurs sont non corrls entre eux et le modle statistique fait apparatre le risque idiosyncratique
i
:

i
= R
i
r
f
=
m

j=1

ij
(R
j
r
f
) +
i
Le problme est alors de dnir les facteurs communs. Deux faons peuvent tre voques : celle exogne,
explicitant des facteurs macro-conomiques ou nanciers a priori, et celle endogne extrayant des facteurs
inobservables ou latents.
La premire est celle par exemple dorganismes nanciers comme BARRA. Le souci est alors lhypothse
de non-corrlation entre les facteurs : pour rsoudre cela, des mthodes statistiques, comme lAnalyse en
Composantes Principales (ACP) sur les facteurs exognes, peuvent tre alors mises en oeuvre.
La seconde utilise directement les mthodes statistiques comme lACP sur lunivers des titres pour en ex-
traire les facteurs communs. A la diffrence des autres modles tudis prcdemment, les facteurs de risque
sont alors implicites ou latents.
LAnalyse en Composantes Principales en thorie
Nous allons prsenter ici de manire formelle lACP. Rappelons tout dabord les dveloppements originels
de cette mthode pour comprendre ainsi lintrt de lutilisation de cet outil pour valuer les actifs nanciers.
Cet outil statistique sest dvelopp grce la psychomtrie. En effet, dans ce domaine, les variables ex-
plicatives (contrairement lconomtrie) sont rares ; mettre des chiffres derrire le comportement dun
individu subjectif nest pas chose aise. Pour rsoudre ce problme et tout de mme construire des mo-
dles mathmatiques, on suppose que le comportement dun individu est rgi par des facteurs quantitatifs
latents mais difcilement observables. Cest prcisment lobjectif de lAPT : il est difcile de quantier
les comportements nanciers valuant les actifs et lalternative est donc dutiliser des facteurs statistiques.
Lobjectif essentiel de lAnalyse en Composantes Principales (ACP) est dexpliquer les corrlations entre
un nombre lev de variables quantitatives par un nombre plus restreint de facteurs latents ou composantes
principales, qui reprsentent des variables inobservables (cf. [20] et [24]). LACP consiste donc transfor-
mer les p variables dorigine x
1
, . . . , x
p
en p nouvelles variables f
1
, . . . , f
p
(les composantes principales)
de variance maximale, non corrles deux deux et qui sexpriment comme combinaison linaire des va-
riables dorigine.
Soit x le vecteur compos des p variables dtude de la population considre. Nous travaillons sur les
donnes x que nous centrons et qui ont pour matrice de variance-covariance .
La mthode de lACP consiste diagonaliser . Nous obtenons alors =

avec la matrice carre


compose des p vecteurs propres
j
(en colonne) et la matrice diagonale des p valeurs propres
j
.
Lobjectif est de classer les p diffrentes valeurs propres suivant leur ordre de grandeur : le vecteur propre

1
associ la plus grande valeur propre
1
permet alors de construire la premire composante principale
captant la plus importante variabilit.
Les composantes principales (CP) sont donnes par :
f =

x
22 Risques Financiers et Performance dInvestissement
o f est le vecteur des p facteurs latents ou composantes principales f
i
. La variance de la CP i est gale
la valeur propre i.
Nous obtenons au nal le modle factoriel suivant :
x = f
_

_
x
1
.
.
.
x
p
_

_ =
_

11
. . .
1p
.
.
.
.
.
.

p1
. . .
pp
_

_
_

_
f
1
.
.
.
f
p
_

_
Pour chaque variable, nous avons :
x
i
=
p

j=1

ij
f
j
i = 1, . . . , p
Les
ij
reprsentent aussi ce que nous appellerons les factor loadings. Reprsenter ces derniers en fonction
des variables dorigine ou reprsenter les composantes principales revient aux mmes types dinterprtation.
Par souci de parcimonie, nous nallons conserver que les k premiers facteurs avec k < p et nous supposerons
que pour chaque variable, nous avons :
x
i
=
k

j=1

ij
f
j
+
i
i = 1, . . . , p (1.2)
avec
i
=
p

j=k+1

ij
f
j
les rsidus ngligeables.
Ceci nous permet de rduire lensemble des donnes un ensemble plus restreint de facteurs reprsentant
au mieux leur variabilit.
Limites de lAPT
La seule contrainte dans lAPT est donc la linarit entre la rentabilit dun actif et les facteurs de risques
systmatiques non corrls entre eux. Nanmoins, plusieurs problmes apparaissent dans la mise en place
de cette mthode dvaluation.
Dune part, cette mthode nimplique pas lAOA et donc est plus limite que le CAPM pour fournir un
cadre danalyse la prsence ou non darbitrages.
En outre, les facteurs communs sont souvent trs difciles interprter car inobservables. Rgulirement,
lACP va extraire plusieurs facteurs latents dont linterprtation est seulement aise pour le premier facteur,
alors assimilable au portefeuille de march dans le CAPM : la variabilit des titres de lunivers est en
premier lieu relative un facteur commun tous les titres reprsentant la moyenne du march. En effet,
dans lACP, le premier facteur est souvent un facteur de niveau dterminant une moyenne pondre de tous
les actifs. Lobjectif de lAPT de sexonrer du portefeuille de march ne semble donc pas atteint.
Dans la pratique, lAPT peut tre utilise dans la dtermination de facteurs communs parcimonieux mais ne
supplante pas le CAPM, malgr ses hypothses irralistes, car ce dernier propose, contrairement lAPT,
un cadre danalyse de lquilibre rigoureux.
Conseil pratique de gestion
LAPT est dun intrt pratique moins vident que les autres modles facteurs. Les facteurs inobservables
ne permettront pas de styliser la gestion mais seront utiles pour essayer de diversier le portefeuille et ne
pas investir toute sa richesse sur un seul facteur de risque.
Ce souci de diversication sera prcis dans la partie sur lallocation et nous verrons que lAPT pourra
tre utile dans le dtermination de matrices de variance-covariance des actifs ayant de bonnes proprits
mathmatiques.
Mesurer les risques nanciers 23
1.2.3 Mesure synthtique du risque
Les modles facteurs de risque que nous venons dtudier ont un intrt essentiel pour dcrire les sen-
sibilits dun actif nancier ou dun portefeuille un (CAPM) ou trois facteurs de risque (Fama-French).
Linconvnient est la difcult de ces modles apprcier le risque global dun portefeuille compos dac-
tifs htrognes, nayant par exemple pas le mme portefeuille de march : dans ce cas, il est trs difcile
dagrger les diffrentes sensibilits. Il est alors prfrable de dterminer une mesure synthtisant le risque
global du portefeuille. Cette mesure synthtique sera alors issue de la distribution des rentabilits
4
du por-
tefeuille. Lune de ces mesures, trs usite par les praticiens, est la volatilit.
La volatilit
Soit R le vecteur des rentabilits de lactif ou du portefeuille considr. La volatilit note correspond
lcart-type de ces rentabilits :
=
_
E[(R E(R))
2
]
Avant dvaluer ce critre, il faut prciser une spcicit de calcul. Nous observerons dans la suite les vo-
lutions des rentabilits dindices boursiers de priodicit hebdomadaire
5
. Il nous faut pouvoir les comparer
des volatilits calcules sur des priodicits diffrentes, puisque la volatilit augmente avec lintervalle de
temps not dni entre les rentabilits.
Ces dernires sont calcules de la manire suivante. Soit V
P
t
la valeur en t du portefeuille et V
P
t+
la valeur
en t + , alors la rentabilit du portefeuille R
P
t|t+
calcule sur lintervalle de temps est gale :
R
P
t|t+
=
V
P
t+
V
P
t
1.
Ainsi, intuitivement, nous pouvons vrier, comme annonc plus haut, que plus lintervalle de temps va
augmenter, plus les rentabilits auront une valeur absolue importante et donc la volatilit va crotre.
Sous lhypothse de normalit et dindpendance des rentabilits, nous pouvons calculer une volatilit an-
nuelle partir de nimporte quelle priodicit : il suft de multiplier la volatilit par un facteur gal la
racine carre de linverse de lintervalle de temps considr.
Ce dernier vaut suivant les priodicits :
Priodicit Facteur
Quotidienne
1
261

261
Hebdomadaire
1
52

52
Mensuelle
1
12

12
TAB. 1.2 Facteur multiplicatif suivant la priodicit
Le facteur appliqu la priodicit quotidienne est diffrent suivant la zone gographique considre : en
effet, le nombre de jours fris, et donc non trads, diffre suivant le pays.
4
Nous expliquerons lintrt dutiliser les rentabilits dans la section 1.3.1.
5
Cette priodicit est la plus intressante car les donnes quotidiennes possdent trop de bruit et celles mensuelles ne sont pas assez
reprsentatives de la dispersion relle des rentabilits car elles sont alors dmesurment lisses.
24 Risques Financiers et Performance dInvestissement
Un simple exemple va nous permettre dapprhender lintrt de cette mesure. Observons sur un mme
graphique les volutions entre le 8 janvier 1999 et le 8 juin 2007 de lindice europen MSCI Europe et du
taux dintrt Euribor 3 mois, ainsi que de leurs rentabilits hebdomadaires.
6
0
8
0
1
0
0
1
2
0
I
n
d
i
c
e
s
2000 2002 2004 2006
MSCI Europe
Euribor 3 mois
FIG. 1.1 volutions des indices du MSCI Europe et de lEuribor 3 mois
Nous remarquons sur les Figures 1.1 et 1.2 que la variation des indices et la dispersion des rentabilits sont
plus importantes pour le MSCI Europe que pour lEuribor 3 mois. Ceci va donc se rpercuter automatique-
ment sur lindicateur statistique de dispersion que reprsente la volatilit.
En effet, la volatilit annualise du MSCI Europe sur la priode observe est de 16.99% et celle de lEuribor
3 mois de 0.12%. Il ne fait alors aucun doute que le MSCI Europe est plus risqu que lEuribor 3 mois.
Cette conclusion aurait pu tre tire de la connaissance de ces deux indices : en effet, le MSCI Europe est
compos dactions alors que lEuribor 3 mois est un taux dintrt ayant un risque quasi-nul de perte. Etant
donn quun portefeuille dactions peut subir des pertes potentielles importantes contrairement lEuribor 3
mois, il tait vident que lon aboutisse la conclusion prcdente. Mais la volatilit a permis de quantier
la diffrence de risque de perte des deux indices. A laide de cet indicateur synthtique, nous pouvons
donc hirarchiser les deux indices et dterminer leur niveau de risque de pertes potentielles. Ceci aurait t
difcile raliser avec le CAPM par exemple et sa sensibilit : quel portefeuille de march commun
ces deux indices ? Et quand bien mme ce portefeuille de march aurait t dni, aurait-on t certain des
prsupposs thoriques du CAPM? En effet, dautres facteurs de risque omis nauraient-ils pas t valus
dans la prime de risque ? La volatilit calibre sur les donnes historiques vite ces problmes de modle.
Mesurer les risques nanciers 25

0
.
1
0

0
.
0
5
0
.
0
0
0
.
0
5
0
.
1
0
R
e
n
t
a
b
i
l
i
t

s
2000 2002 2004 2006
MSCI Europe
Euribor 3 mois
FIG. 1.2 volutions des rentabilits du MSCI Europe et de lEuribor 3 mois
Nanmoins, elle nest pas exempte de tout inconvnient. Effectivement, lorsque les donnes viennent
manquer, il va devenir difcile de calculer une volatilit robuste. Il va falloir alors modliser les rentabilits
des actifs considrs laide dune loi de probabilit (la loi Normale par exemple) ou dun modle sta-
tistique (ARMA-GARCH par exemple). Si nous souhaitons crer un produit nancier nayant pas encore
dexistence et dont nous voulons valuer le risque, il va falloir le modliser pour en dterminer la volatilit.
Le risque de ne pas utiliser un modle adquat entre alors en jeu.
Enn, un dernier dfaut est rvl par la Figure 1.3.

0
.
1
0

0
.
0
5
0
.
0
0
0
.
0
5
0
.
1
0
R
e
n
t
a
b
i
l
i
t

s
2000 2002 2004 2006
MSCI Europe
Euribor 3 mois
Indice 3
FIG. 1.3 volutions des rentabilits du MSCI Europe, de lEuribor 3 mois et de lindice 3
Nous pouvons observer nouveau les volutions des rentabilits du MSCI Europe et de lEuribor 3 mois
mais aussi dun actif dont la dispersion est plus originale. Les volatilits nous feraient conclure un risque
plus lev de pertes pour le MSCI Europe car la volatilit annualise de lIndice 3 est plus faible et vaut
9.38%. Or il est vident partir de la Figure 1.3 quinvestir dans lIndice 3 est plus dangeureux car des
26 Risques Financiers et Performance dInvestissement
pertes trs fortes peuvent apparaitre avec une probabilit signicative.
Nous observons aussi ces caractristiques partir du graphe des distributions empiriques des deux indices
nanciers MSCI Europe et Indice 3 de la Figure 1.4. Nous avons dtermin, au lieu des histogrammes, les
densits estimes non-paramtriquement par un noyau gaussien. Ainsi, la queue des pertes est plus paisse
pour lindice 3 ce qui est un inconvnient lorsque lon dtermine le risque par la seule volatilit qui est un
indicateur du risque moyen et ne capte donc pas cela.
0.10 0.05 0.00 0.05
0
2
0
4
0
6
0
8
0
1
0
0
MSCI Europe
Indice 3
FIG. 1.4 Densits des rentabilits du MSCI Europe et de lindice 3
Cet inconvnient va nous permettre de crer une autre mesure synthtique du risque pouvant hirarchiser
les 3 indices plus correctement, cest--dire reconnaissant dans lindice 3 lactif nancier le plus risqu
en termes de pertes potentielles. Cette mesure est le quantile de perte maximale que peut subir lactif ou
le portefeuille avec une probabilit doccurrence faible mais non ngligeable pour linvestisseur : on la
dnomme la Value-at-Risk ou VaR. Ainsi, pour nos trois indices, nous avons les VaR suivantes dnies
avec une probabilit 1% en comparaison des volatilits annualises :
Indice Volatilit annualise VaR 1%
Euribor 3 mois 0.12% 0.04%
MSCI Europe 16.99% 5.77%
Indice 3 9.38% 7.85%
TAB. 1.3 Volatilits et VaR des trois indices
Cela prouve bien que la VaR dtermine une hirarchie correcte du risque de pertes dun actif nancier,
contrairement la volatilit.
Mesurer les risques nanciers 27
La Value-at-Risk
La VaR reprsente une perte potentielle dont il faut dnir la probabilit doccurrence, appele aussi
niveau de conance, ainsi que lhorizon h de dure dinvestissement. Par exemple, une probabilit de 1%
pour un horizon h de un jour revient accepter que la perte potentielle ne dpasse la VaR que 2 3 fois par
an (1 an = 251 jours ouvrs). Lhorizon reprsente la dure sur laquelle nous estimons le risque, cest--dire
le temps ncessaire pour couvrir la position du portefeuille : 1 jour en trading, 1 mois en gestion.
Soit V
P
t
la valeur en t du portefeuille et V
P
t+h
la valeur lhorizon h. La rentabilit du portefeuille R
P
t|t+h
investi la date t et dtenu sur un horizon de dure h a pour expression t 1 :
R
P
t|t+h
=
V
P
t+h
V
P
t
1.
Supposons que R
P
t|t+h
est issu dune variable alatoire note R
P
. La VaR(h, ) est alors dnie par :
P[R
P
VaR(h, )] =
cest--dire la probabilit que la rentabilit du portefeuille soit infrieure la VaR sur un horizon h est gale

6
.
Notons F la fonction de rpartition de la variable alatoire R
P
des rentabilits du portefeuille de priodicit
h. La Value-at-Risk de probabilit doccurrence et dhorizon dinvestissement h est alors le quantile dni
par :
VaR(h, ) = F
1
() (1.3)
Il nous reste alors caractriser la forme de F. De nombreuses formulations sont possibles. Nous nous
intresserons seulement aux plus classiques malgr leurs limites.
La premire solution consiste estimer F par sa distribution empirique : nous obtenons la VaR histo-
rique. Nous estimons alors F non-paramtriquement par sa distribution empirique

F. Supposons que nous
disposons dun historique de T observations des rentabilits. La distribution empirique

F des rentabilits
du portefeuille est alors caractrise partir du vecteur (

R
P
1|1+h
, . . . ,

R
P
T|T+h
)

et

F
1
() correspond au
quantile de probabilit de (

R
P
1|1+h
, . . . ,

R
P
T|T+h
)

.
Lavantage de cette mthode est donc de ne pas imposer dhypothse sur la loi de distribution des rentabili-
ts. Mais le problme qui se pose est la longueur T de lhistorique qui, si elle est trop faible, ne fournit pas
un calcul prcis de la VaR. Nous pouvons alors utiliser la technique du r-chantillonnage ou bootstrap (cf.
Efron [10]).
Nous construisons pour cela une version alatoire de mme taille du vecteur (

R
P
1|1+h
, . . . ,

R
P
T|T+h
)

dans
laquelle les rentabilits du portefeuille peuvent apparatre pour certaines aucune fois, pour dautres une fois,
pour dautres encore deux fois, etc. Ce nouveau vecteur est une version r-chantillonne ou bootstrap du
vecteur dorigine. Nous pouvons alors dterminer la VaR historique de cet chantillon. Nous ralisons B
rplications bootstrap et la VaR historique bootstrap correspond la moyenne des B VaR historiques.
Linconvnient dune VaR historique est aussi lover-tting ou encore la dpendance trop forte lchan-
tillon sur lequel elle a t dtermine, et donc la difcult de cette VaR tre robuste dans le temps.
Pour rsoudre cela, nous allons proposer une deuxime solution ajustant sur les rentabilits un modle
statistique : on parle alors de VaR paramtrique. De manire classique, le choix du modle paramtrique
se porte sur la loi Normale. Supposons donc que les rentabilits du portefeuille R
P
t|t+h
sont issues dune
variable alatoire gaussienne : ainsi, F est dnie par N(,
2
) avec lesprance des rentabilits et
2
la
variance des rentabilits.
6
Les praticiens peuvent aussi dnir le niveau de conance par 1 qui correspond de mme au quantile de probabilit : ainsi,
une VaR 99% par exemple correspond au quantile de probabilit = 1 99% = 1%.
28 Risques Financiers et Performance dInvestissement
Nous obtenons ainsi partir de lquation (1.3) :

_
VaR(h, )

_
=
avec la fonction de rpartition de la loi Normale centre rduite. Nous avons donc :
VaR(h, ) = +
1
()
Nous nallons pas dvelopper dautres modlisations dans ce cours mais il nous parat intressant dintro-
duire les limites de la modlisation gaussienne. En effet, cette mthode repose sur des hypothses irralistes
pour modliser les rentabilits des actifs nanciers puisque trois faits styliss caractrisent leur distribution
et ne sont pas capts par la modlisation gaussienne :
1. lasymtrie : loccurrence de pertes extrmes est plus forte que celle de prots extrmes,
2. les queues paisses,
3. le clustering : par exemple, les rentabilits leves en valeur absolue sont suivies par des rentabilits
leves en valeur absolue.
Les deux premiers faits styliss peuvent sobserver sur la Figure 1.5 laide des QQ-plot et densit de la
queue des pertes de lindice de march franais CAC 40 relativement la loi Normale. Le troisime est
rvl par les grappes de volatilit de la Figure 1.2.
6 4 2 0 2 4 6

1
0

5
0
5
QQplot
Gaussian Quantiles
S
a
m
p
l
e

Q
u
a
n
t
i
l
e
s
12 10 8 6 4
0
.
0
0
0
0
.
0
0
2
0
.
0
0
4
0
.
0
0
6
0
.
0
0
8
Losses tail
CAC 40
Gaussian
FIG. 1.5 QQ-plot et distribution de la queue des pertes du CAC 40 relativement la loi Normale
Nous terminons cette section sur la VaR par les techniques pour valuer sa justesse. Lvaluation dune VaR
peut se faire de deux manires :
ex-ante, travers les tests dadquation statistiques des modlisations adaptes aux rentabilits nan-
cires (dans le cas de VaR paramtriques),
ex-post, via les backtests : pour les raliser, nous calculons la VaR sur un chantillon dapprentissage et
nous dterminons le nombre dexceptions (rentabilits infrieures la VaR) sur lchantillon de backtest.
Pour que le VaR soit adquate aux donnes de march, il faut que le pourcentage dexceptions soit proche
du niveau de la VaR.
Mesurer les risques nanciers 29
Conseil pratique de gestion
La volatilit et la VaR sont les deux mesures synthtiques du risque les plus utilises en gestion. Un grant
pourra ainsi dterminer le risque global de variation de son portefeuille et le comparer trs rapidement
aux portefeuilles concurrents ayant un style de gestion par exemple similaire.
En outre, un grant pourra aussi distinguer dans son portefeuille les diffrentes contributions des actifs la
volatilit ou VaR globales du portefeuille. Il pourra ainsi peut-tre supprimer un actif dont la contribution
au risque global est trop forte.
30 Risques Financiers et Performance dInvestissement
1.3 Mesurer la performance dinvestissement
Outre le risque essentiel estimer et quantier, il faut aussi, lorsque lon ralise un investissement, mesurer
sa performance : en fait ceci est ce qui intresse en premier lieu tout investisseur. Mais comment mesurer
cette performance ?
1.3.1 Une premire mesure synthtique
Performance dun indice actions
Observons sur la Figure 1.6 lvolution mensuelle de lindice amricain Standard & Poors entre dcembre
1927 et juillet 2007.
0
200
400
600
800
1000
1200
1400
1600
1930 1940 1950 1960 1970 1980 1990 2000
S
&
P

5
0
0
FIG. 1.6 volution de lindice S&P 500
Fin dcembre 1927, cet indice a une valeur de 17.66 et termine n juillet 2007 1455.27, o il commence sa
baisse avec la crise des subprimes. Si un investisseur avait plac 1 dollar dans cet indice en dcembre 1927,
il aurait accumul jusquen juillet 2007 1455.27/17.66 = 82.40 dollars : il aurait donc multipli sa richesse
initiale par 82.40. Nous pouvons considrer un autre chiffre plus utilis dcrivant non plus la multiplication
du capital initial mais la richesse relative ajoute la richesse initiale (et non pas la seule diffrence de
richesse, mesure absolue, qui sera dautant plus importante que la richesse initiale est leve). Ici ce chiffre
serait gal (82.40 1)/1 = 8140%. Il correspond en fait la rentabilit de linvestissement de 1 dollar en
dcembre 1927. Nous pouvons donc conclure nouveau laide de ce chiffre une performance importante
de linvestissement.
Formellement, si nous notons W
0
la richesse initiale et W
T
la richesse nale, la rentabilit R est gale :
R =
W
T
W
0
W
0
=
W
T
W
0
1
Cette expression est appele rentabilit arithmtique. Lorsque la rentabilit arithmtique est faible et proche
de 0 (ceci est le cas lorsque les donnes sont de priodicit courte, comme des donnes quotidiennes), ce qui
revient ce que le quotient
W
T
W
0
soit proche de 1, nous pouvons utiliser la rentabilit logarithmique, appele
aussi log-rentabilit ou encore rentabilit gomtrique. En effet, nous avons partir dun dveloppement
limit lordre 1 lapproximation suivante :
ln
W
T
W
0

W
T
W
0
1 = R pour
W
T
W
0
1
Mesurer la performance dinvestissement 31
Nanmoins, linconvnient des log-rentabilits est le fait que la log-rentabilit dun portefeuille nest pas
gale la somme des log-rentabilits des actifs le composant, contrairement la rentabilit arithmtique.
Enn, nous avons rduit le taux de rentabilit dun titre au taux de gain en capital. Or il faudrait y ajouter
le taux de rmunration du titre dni par le dividend yield, rapport dividendes sur prix, ce qui donne
lexpression relle de la rentabilit R

suivante :
R

=
W
T
W
0
+D
W
0
= R +
D
W
0
avec D les dividendes sur la priode dinvestissement.
Or le dividend yield peut tre considr comme ngligeable par rapport au taux de gain en capital pour des
priodicits courtes ; cest pour cela que lon rduit souvent la rentabilit ce seul taux.
Justication statistique de lutilisation de la rentabilit
Ce paragraphe intressera les tudiants ayant des connaissances en statistiques labores.
La justication de lutilisation de la rentabilit peut se faire aussi de manire statistique. En effet, tudions
la srie temporelle de lindice S&P 500. Nous y appliquons au pralable la transformation de Box-Cox et
plus particulirement celle du logarithme, dans le but de stabiliser la variance des donnes. Nous pouvons
conclure tout de mme la non-stationnarit de lindice amricain. En effet :
1. la Figure 1.7 rvle une tendance globale la hausse,
2. elle rvle aussi la dcroissance lente des autocorrlations signicativement non nulles de la srie
temporelle des valeurs du S&P 500,
3. et enn le test statistique de Dickey-Fuller augment conclue la prsence dune racine unitaire dans
le processus de lindice et donc sa non-stationnarit. En effet, pour nimporte quel ordre de retard
et pour les trois diffrents modles (cf. Lardic et Mignon [22] pour plus de prcisions), nous avons
des p-value de test trs suprieures 0.9 : on accepte donc lhypothse nulle de prsence de racine
unitaire quivalent la non-stationnarit du processus.
Il nous faut donc stationnariser les donnes en les diffrenciant une fois. Ces nouvelles donnes se rvlent
alors stationnaires :
1. pas de tendance dans la srie temporelle des diffrences premires des logarithmes du S&P 500 (cf.
Figure 1.8),
2. lautocorrlogramme de la Figure 1.8 ne rvle pas de dcroissance lente des autocorrlations,
3. et le test de Dickey-Fuller augment ne rvle pas la prsence dune racine unitaire.
Les diffrences premires de la srie des logarithmes du S&P 500 sont quivalentes aux log-rentabilits.
Nous comprenons alors pourquoi les rentabilits seront des objets adquats la modlisation statistique,
puisquelles se rvlent tre stationnaires en moyenne.
32 Risques Financiers et Performance dInvestissement
1
2
3
4
5
6
7
8
1930 1940 1950 1960 1970 1980 1990 2000
S
&
P

5
0
0

(
l
n
)
-1
-0.5
0
0.5
1
0 5 10 15 20 25
retard
ACF pour S&P 500
+- 1,96/T^0,5
-1
-0.5
0
0.5
1
0 5 10 15 20 25
retard
PACF pour S&P 500
+- 1,96/T^0,5
FIG. 1.7 volution de lindice S&P 500 en log et autocorrlogrammes
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
1930 1940 1950 1960 1970 1980 1990 2000
l
o
g

r
e
n
t
a
b
i
l
i
t

s

S
&
P

5
0
0
1
0.5
0
0.5
1
0 5 10 15 20 25
retard
ACF pour logrentabilits S&P 500
+ 1,96/T^0,5
1
0.5
0
0.5
1
0 5 10 15 20 25
retard
PACF pour logrentabilits S&P 500
+ 1,96/T^0,5
FIG. 1.8 volution des diffrences premires lindice S&P 500 en log et autocorrlogrammes
Mesurer la performance dinvestissement 33
1.3.2 Mesures de rentabilit ajuste du risque
La rentabilit est donc une trs bonne mesure de la performance. Mais seule elle nest pas sufsante pour
juger de la bonne ou mauvaise performance dun investissement.
Supposons deux investissements A et B ayant au mme horizon dun an une rentabilit semblable. Nan-
moins, le risque pris par linvestisseur pour linvestissement A est relativement faible (volatilit ou VaR
faible) alors que celui pris par linvestisseur B est beaucoup plus lev. Ce dernier ne va donc pas tre
satisfait de la performance de son investissement puisquil aurait pu prendre moins de risque pour le mme
gain avec linvestissement A.
Une judicieuse mesure de la performance doit donc prendre en compte le risque rmunr par la rentabilit
de linvestissement. Cest ainsi que nous allons utiliser des mesures de la rentabilit ajuste du risque.
Nous avons plusieurs possibilits suivant que linvestisseur mesure sa performance de manire absolue ou
relative un benchmark.
Mesure absolue
Ces mesures valuent la performance sans rfrence un benchmark. Nous prsentons deux ratios :
1. Le ratio de Sharpe S
i
pour un portefeuille i, dni par Sharpe en 1966, mesure la rmunration par
linvestissement, en excs du taux sans risque r
f
, dune unit de risque, mesur par la volatilit :
S
i
=
E(R
i
) r
f
(R
i
)
. Une alternative au ratio de Sharpe peut tre propose avec le risque non plus
mesur par la volatilit mais la VaR (en rentabilit) : S

i
=
E(R
i
) r
f
|VaR
i
|
.
2. Le ratio de Treynor mesure le rapport entre lexcs de rentabilit de linvestissement et son risque
systmatique dtermin par le issu du CAPM : T
i
=
E(R
i
) r
f

i
.
Mesure relative
Ces mesures valuent la performance en rfrence celle dun benchmark. Nous proposons dans ce cours
deux ratios :
1. Lalpha de Jensen
i
pour un portefeuille i, dni par Jensen en 1968, est gal la constante du
modle de march :
i
= [E(R
i
) r
f
] [
i
(E(R
B
) r
f
])]. Cet indicateur mesure donc la part de
la rentabilit non prvue par le CAPM et que lon peut accrditer linvestisseur grant son capital,
qui, si
i
> 0, a pu battre son benchmark de rentabilit R
B
. Le ratio de Black-Treynor

i

i
permet de
comparer des investissements de benchmarks diffrents.
2. Le ratio dinformation sapparente un ratio de Sharpe sur les rentabilit et risque rsiduels en excs
du benchmark : IR
i
=
E(R
i
) E(R
B
)
(R
i
R
B
)
. Le dnominateur est appel tracking-error volatility et par
abus de langage tracking-error ou TE : une valeur faible de la tracking-error signie que le risque
de linvestissement est proche de celui de son benchmark. Lobjectif pour un grant benchmark est
bien entendu davoir un IR lev, ce qui signie prendre des risques similaires au benchmark tout en
ayant une rentabilit plus leve. Tout le problme est de savoir si le benchmark est efcient : dans le
cas contraire, le battre serait relativement ais !
Ces diffrents ratios peuvent avoir des insufsances comme le fait dtre dpendants pour certains du CAPM
dont nous avons vu les limites plus haut. Nanmoins, ils restent trs utiliss par les grants pour dterminer
la performance de leurs investissements.
34 Risques Financiers et Performance dInvestissement
Conseil pratique de gestion
Le ratio de Sharpe et la ratio dinformation sont les mesures les plus utilises par les grants. Avoir un
ratio de Sharpe par exemple de 1 signie une performance du portefeuille importante.
Cette partie sur le risque et la performance a ainsi pu dvelopper certaines techniques de style de gestion,
et de mesure du risque et de la performance. A ce stade des connaissances, il est possible de grer un
portefeuille de manire relativement efcace. Nanmoins, pour amliorer cette gestion, il va falloir porter
un intrt non ngligeable la construction de lallocation.
CHAPITRE 2
ALLOCATION
2.1 Allocation efciente de Markowitz
Bernstein [5] afrme que "lintuition la plus clbre de lhistoire moderne de la nance et de linvestisse-
ment se trouve dans un court article intitul Portfolio Selection". Cet article [25] est crit par Markowitz en
1952. Il pose les bases de la Thorie Moderne du Portefeuille (cf. Aftalion, Poncet et Portait [1], Viviani
[33], et Fabozzi, Focardi et Kolm [11] pour une revue de la TMP).
Nous allons dans cette section tudier de manire assez quantitative mais claire, en donnant chaque fois
toutes les tapes des dmonstrations mathmatiques, la construction de portefeuilles suivant les prceptes
de Markowitz. Avant dentrer dans le calcul proprement dit de lallocation optimale, nous allons introduire
les principes essentiels daversion au risque et de diversication.
2.1.1 Critres de rentabilit et de risque pour la slection dun portefeuille
La thorie de Markowitz est une thorie normative, cest--dire quelle dcrit le comportement que devrait
suivre sous certaines hypothses un investisseur rationnel pour construire un portefeuille dans un univers
incertain. Il conclut quun investisseur optimise le couple rentabilit-risque de son portefeuille.
Pourtant, la premire intuition est de choisir un portefeuille dactifs qui a lesprance de rentabilit la plus
leve : ce principe est appel le critre de Pascal. Une telle hypothse est en ralit trop simpliste car le
risque de perte dun portefeuille est primordial dans le choix de linvestisseur. Ceci a dj t introduit dans
la section 1.3.2 sur les mesures de performance.
Mais nous pouvons lillustrer aussi par le clbre paradoxe de Saint-Ptersbourg imagin par Bernoulli au
18
ime
sicle. Une pice non truque est lance autant de fois i quil est ncessaire pour que le ct face
apparaisse. Lorsque le ct face sort, le jeu sarrte et le joueur reoit 2
i
euros. Quelle est la mise initiale
pour que le jeu soit quitable ? Si nous calculons ce droit dentre sur la seule esprance E de gain du jeu,
alors la participation devient prohibitive puisquelle est innie.
En effet, le jeu est compos dun nombre inni dnombrable de gains x = [2, 2
2
, . . . , 2
i
, . . .] qui ont
les probabilits doccurrence correspondantes =
_
1
2
,
1
2
2
, . . . ,
1
2
i
, . . .
_
. Selon le critre de Pascal, le cot
dentre serait gal lesprance de gain du jeu :
E =
+

i=1

i
x
i
=
+

i=1
1
2
i
2
i
=
+

i=1
1 = +
Personne naccepterait de donner cette somme innie ! Or, le droit dentre la plupart du temps propos
ce jeu est une petite somme. Cela signie que dautres facteurs, autre que lesprance de rentabilit,
interviennent dans la dcision du joueur.
35
36 Allocation
Nous avons recours alors la notion de fonction dutilit, intgrant la dcroissance de lutilit marginale
(fonction dutilit concave) : 1000 euros de plus lorsque lon possde dj 1000 euros nest pas 2 fois plus
utile au joueur et donc il ne sera pas prt sacrier en droit dentre la mme somme plus le jeu progressera.
Laversion au risque est une notion essentielle pour comprendre la dcision du joueur.
Ainsi, il en est de mme pour un investisseur qui slectionnera le portefeuille qui lui procurera lesprance
dutilit la plus leve. Cette esprance dutilit sera une fonction de lesprance de rentabilit et du risque
induit par le portefeuille.
2.1.2 Principe de la diversication
Le principe de la diversication dans la slection dun portefeuille relve du vieil adage : "Ne jamais mettre
tous ses oeufs dans le mme panier". Un exemple simple mais rducteur des bienfaits de la diversication
peut tre donn lorsque nous calculons la variance dun portefeuille compos dactifs indpendants. Soit
R
P
la rentabilit dun portefeuille qui-pondr compos de N actifs risqus de rentabilit R
i
non corrls.
Nous avons R
P
=
1
N
N

i=1
R
i
. La variance V(R
P
) du portefeuille, que nous utiliserons comme mesure du
risque
1
, a pour expression daprs le Thorme Central Limite :
V(R
P
) =
1
N
2
N

i=1
V(R
i
) =
1
N
2
N
2
=

2
N
0 pour N +.
Plus le nombre dactifs crot, plus la variance du portefeuille diminue. Le risque dcrot avec la diversica-
tion. Nanmoins, dtenir un nombre inni dactifs non corrls est irraliste.
Mais tant donn que leur corrlation nest souvent pas parfaite (cest--dire gale 1), il est possible de
diminuer son risque en diversiant son investissement. En effet, soient X et Y 2 variables alatoires dont
le coefcient de corrlation linaire est (1 1). Si nous mesurons le risque par la volatilit, nous
avons :

2
X+Y
=
2
X
+
2
Y
+ 2
X

Y
= (
X
+
Y
)
2
+ 2( 1)
X

Y
Ainsi,
X+Y

X
+
Y
. Si les actifs varient trs diffremment suivant les volutions des marchs, il est
possible de construire un portefeuille de risque plus faible que la somme des risques des actifs le composant.
Nous allons voir dans la suite comment dterminer le portefeuille optimal avec un nombre ni N dactifs
partir de lesprance de rentabilit et du risque (critre moyenne-variance).
2.1.3 Construction dun portefeuille optimal
Dans la multiplicit de choix proposs linvestisseur en termes de rentabilit et variance de portefeuille,
Markowitz introduit la notion de portefeuille efcient. "Qui ne risque rien na rien" : pour obtenir une
esprance de rentabilit plus leve, il faut accepter un risque plus important. Le risque est leffort ncessaire
lobtention dune rentabilit. Un portefeuille efcient est celui qui offre la rentabilit attendue la plus forte
pour un niveau de risque donn, ou qui a le risque le plus faible pour une rentabilit attendue donne.
Lensemble des portefeuilles efcients de lunivers dactifs considr forme la Frontire Efciente.
Nous allons distinguer deux cas pour dterminer la frontire efciente suivant la prsence ou non dun
actif sans risque. Nous nous inspirons de larticle de Merton [26] de 1972 pour les dmonstrations qui vont
suivre.
1
Nous avons vu prcdemment que la variance ntait pas une bonne mesure des risques extrmes. Le dveloppement de slection
de portefeuille partir de la VaR est envisageable mais nest pas lobjet de cette section.
Allocation efciente de Markowitz 37
Avant tout voici quelques brefs rappels mathmatiques :
V(AX) = AV(X)A

V(A+X) = V(X)
X

A
X
= A
X

AX
X
= 2AX si A est symtrique
(AB)

= B

= D si D est un scalaire
AB = C A
1
AB = A
1
C B = A
1
C si A est inversible
Absence dun actif sans risque
Frontire efciente
La dtermination des poids optimaux se fait suivant la minimisation de la variance du portefeuille sous la
contrainte dune rentabilit objectif
p
et le fait que la somme des poids est gale 1. Formellement, nous
avons :
min

sous les contraintes :

=
p

e = 1
avec le vecteur de poids des actifs composant le portefeuille, le vecteur des rentabilits des actifs, la
matrice de variance-covariance des rentabilits des actifs, symtrique et dnie positive
2
, et e = [1 1 . . . 1]

.
Rsoudre ce problme de minimisation nous permet de dnir lquation de la frontire efciente dnie
par Markowitz. Nous dterminons pour cela le lagrangien :
L =

+
1
(
p

) +
2
(1

e)
avec
1
et
2
les multiplicateurs de Lagrange. La condition doptimalit du premier ordre scrit :
L

= 2
1

2
e = 0 =

1
2

1
+

2
2

1
e (2.1)
En combinant avec les 2 contraintes, nous avons :
_

=
p

e = 1

_

=
p
e

= 1

_

1

1
+
2

1
e = 2
p

1
e

1
+
2
e

1
e = 2
Nous posons les constantes suivantes :
A = e

1
=

1
e, B =

1
, et C = e

1
e.
Le systme rsoudre en
1
et
2
devient :
_

1
B +
2
A = 2
p

1
A+
2
C = 2
Nous obtenons nalement les expressions des multiplicateurs de Lagrange suivants :
BC
1
A
2

1
= 2C
p
2A
1
= 2
C
p
A
D
A
2

2
BC
2
= 2A
p
2B
2
= 2
B A
p
D
2
est dnie positive signie que x R
n
, x

x 0 et x

x = 0 x = 0. Comme elle est en outre symtrique, nous


pouvons rduire cette dnition au fait que toutes ses valeurs propres doivent tre strictement positives.
38 Allocation
avec D = BC A
2
. Enn, en substituant les expressions des multiplicateurs dans lquation (2.1), nous
obtenons les poids du portefeuille de variance minimum
p
suivants :

p
= g +h
p
avec g =
1
D
[B(
1
e) A(
1
)] et h =
1
D
[C(
1
) A(
1
e)].
Il est commode de reprsenter la frontire efciente, cest--dire lensemble des portefeuilles efcients,
dans le plan (
p
,
p
) avec (cf. Figure 2.1
3
) :

p
=
_

p
=

1
2

1
+

2
2
e

1
_

p
=
_

1
2

p
+

2
2
e

p
=
_

1
2

p
+

2
2
=
_
1
D
_
C
2
p
2A
p
+B
_
La partie de la frontire efciente situe en-dessous du point o lcart-type est minimum (correspondant,
nous le verrons dans le paragraphe suivant, au portefeuille GMV) nest bien entendu pas optimale puisquil
est possible dobtenir, pour un mme risque, une rentabilit plus leve.
Portefeuille global de variance minimum
Outre cette quation dnissant lensemble des portefeuilles efcients, nous pouvons dterminer le porte-
feuille ayant la variance la plus faible. Nous lappelons le portefeuille global de variance minimum (Global
Minimum Variance ou GMV). Il se calcule partir du programme doptimisation suivant :
min

sous la seule contrainte :

e = 1
Le lagrangien scrit alors :
L =

+(1

e)
La premire condition doptimalit nous donne la relation suivante :
L

= 2 e = 0 =

2

1
e (2.2)
En la combinant avec la contrainte, nous obtenons :

2
e

1
e = 1 =
2
C
Ainsi, nous avons les poids du portefeuille GMV
g
suivants :

g
=
1
C

1
e
Nous avons aussi les expressions de la rentabilit moyenne
g
et de lcart-type
g
du portefeuille GMV
suivantes :

g
=

g
=
A
C

g
=
_

g
=
_
1
C
3
Les frontires efcientes de la Figure 2.1 sont dtermines laide dun cas particulier issu de loptimisation dun portefeuille
compos de 3 indices actions.
Allocation efciente de Markowitz 39
Prsence dun actif sans risque
Frontire efciente
Avec la prsence dun actif sans risque, la contrainte de somme des poids gale 1 nest plus ncessaire
puisquil sera investi (1

e) dans lactif sans risque. Le programme doptimisation dterminant le porte-


feuille de variance minimum avec comme rentabilit objectif
p
est dni de la manire suivante :
min

sous la contrainte :

+ (1

e)r
f
=
p
avec r
f
la rentabilit de lactif sans risque. Le lagrangien scrit :
L =

+(
p

(1

e)r
f
)
Nous diffrencions L par rapport et annulons cette drive 0 :
L

= 2 ( r
f
e) = 0 =

2

1
( r
f
e) (2.3)
En combinant avec la contrainte, nous avons :

+ (1 e

)r
f
=
p


2

1
( r
f
e)

2
e

1
( r
f
e)r
f
=
p
r
f


2
=

p
r
f
( r
f
e)

1
( r
f
e)
Ainsi, nous avons daprs lquation (2.3) les poids du portefeuille de variance minimum
p
gaux :

p
=

p
r
f
( r
f
e)

1
( r
f
e)

1
( r
f
e) = c
p

1
( r
f
e)
Et si nous dnissons les notations suivantes : = r
f
e,

A = e

1
,

B =

1
, nous obtenons :

p
=

p

1
(2.4)
avec c
p
=

p

B
.
Lcart-type de ce portefeuille a pour expression :

p
=
_

p
=


2
p

B
=
_
1

B
|
p
|
ce qui nous donne lquation de la frontire efciente. Nous remarquons que cette dernire est une droite
croissante lorsque
p
> r
f
et dcroissante lorsque
p
< r
f
. Ce second cas nest bien entendu pas optimal
puisque pour un mme risque, nous pouvons obtenir un rendement plus lev.
La frontire efciente (cf. Figure 2.1) se rduit ainsi la tangente croissante la frontire efciente des
actifs risqus et ayant pour origine le taux sans risque. Nous appelons cette droite la Capital Market Line.
Nous pouvons observer que lintroduction de lactif sans risque amliore sensiblement le ratio de Sharpe
des portefeuilles puisque pour un mme risque, il est possible dobtenir un rendement plus lev.
40 Allocation
Portefeuille tangent
Dans lensemble des portefeuilles efcients avec la prsence dun actif sans risque, il existe un portefeuille
uniquement compos dactifs risqus. Ce portefeuille est lintersection de la frontire efciente dtermine
avec labsence dun actif sans risque avec celle dtermine prcdemment avec la prsence dun actif sans
risque. tant donn que cette dernire est une droite, le portefeuille compos uniquement dactifs risqus,
appel portefeuille de march, est le portefeuille tangent. Nous ajoutons lquation (2.4) donc la contrainte
de somme des poids gale 1 pour obtenir lexpression de ses poids.
Ainsi, ses poids
q
sont tels que :

q
e = 1 e

q
= 1
c
q
e

1
= 1
c
q
=
1

A
Ainsi,

q
=
1

1

Et lesprance de rentabilit en excs du taux sans risque et lcart-type du portefeuille tangent ont pour
expression :

q
=

q
=

q
=
_

q
=

A
2
Il est intressant de prciser pour conclure que ce portefeuille tangent est celui qui a le ratio de Sharpe
maximum, parmi les portefeuilles composs uniquement dactifs risqus, gal :
S
q
=

q

q
=
_

B
En effet, le portefeuille tangent appartient bien la droite la plus pentue, parmi celles issues de lorigine r
f
et coupant la frontire efciente des actifs risqus.
0.00 0.05 0.10 0.15 0.20 0.25 0.30
0
.
0
0
0
.
0
5
0
.
1
0
0
.
1
5
0
.
2
0
Ecarttype
E
s
p

r
a
n
c
e
GMV
Tangent
Rf
Sans actif sans risque
Avec actif sans risque
FIG. 2.1 Frontires efcientes
Allocation efciente de Markowitz 41
Frontire efciente avec un paramtre daversion au risque
Il est possible aussi de construire la frontire efciente des actifs risqus laide dune formulation diff-
rente mais trs utilise en pratique. Nous allons alors tenter de maximiser lutilit dun investisseur rationnel
qui sera caractris par un paramtre daversion au risque >0
4
.
Le portefeuille ainsi obtenu est le portefeuille optimal qui maximise lesprance de lutilit de linvestisseur
E[U(W)] avec W la richesse de linvestisseur. Dans le cadre thorique de Markowitz, il est utilis une
fonction dutilit quadratique. Maximiser cette fonction objectif revient maximiser, par rapport , la
fonction doptimisation de moyenne-variance :
max

E[U(W)] max

_
Nous remarquons que plus lindividu est averse au risque ( crot), plus le risque du portefeuille optimal
pnalise son esprance de rentabilit : le portefeuille maximis est donc moins risqu. La maximisation sans
contraintes de cette fonction a pour solution les poids optimaux

=
1

1

Ces derniers sont dtermins laide de la rsolution de loptimisation dune fonction quadratique qui
annule la drive premire en et a une drive seconde ngative, ce qui implique sa maximisation.
Le portefeuille tangent est dtermin pour une aversion au risque : =

A = e

1
.
Des contraintes peuvent tre ajoutes et les poids optimaux son alors obtenus laide de mthodes de
maximisation numriques de lutilit. Des exemples de contraintes sont linterdiction de vente dcouvert,
les poids ne peuvent alors pas tre ngatifs, ou encore limpossibilit de recourir leffet de levier, cest-
-dire que linvestissement est auto-nanc et le poids dans lactif sans risque ne doit donc pas tre ngatif
(pas demprunt).
Limites de loptimisation de Markowitz
Nous allons prsenter 4 limites loptimisation de portefeuille suivant Markowitz qui nous semblent essen-
tielles :
1. La premire concerne la modlisation statistique sous-jacente loptimisation moyenne-variance :
effectivement, rduire les actifs leur moments dordre 1 (moyenne) et 2 (variance) revient mod-
liser les actifs du portefeuille optimal par une loi gaussienne. Or certains actifs ne sont pas gaussiens
et peuvent avoir des prols de distribution trs diffrents : loptimisation de Markowitz fournira alors
des rsultats peu cohrents avec la ralit. Nous pensons aux actions risques mais aussi aux titres de
crances qui devraient tre modlises plus prcisment.
2. La deuxime est la dpendance de loptimisation de Markowitz lestimation des rendements moyens.
Ces rendements estims pour une priode dallocation peuvent voluer court-terme : or un change-
ment trs faible de la moyenne des rendements aura des consquences dmesurment importantes sur
lallocation, ce qui semble ennuyeux dans la pratique. Loptimisation est donc relativement instable.
3. La troisime survient lorsque le nombre dactifs prols similaires est trs importants. Alors la ca-
ractristique dnie positive de la matrice de variance-covariance peut tre mise mal. Des mthodes
dextraction de facteurs communs (ACP) ou de shrinkage peuvent alors dterminer une matrice de
variance-covariance plus facile utiliser. LAPT (section 1.2.2) peut ainsi tre utilise pour dter-
miner les facteurs latents et calculer une matrice de variance-covariance sur ces facteurs de risque
orthogonaux.
4
La calibration de cette aversion nest pas vidente. Elle diffre fortement entre les individus. Nous pouvons nanmoins dterminer
un coefcient moyen. Considrons le portefeuille de march de rentabilit en excs du taux sans risque R
M
r
f
et de volatilit
M
.
Alors, nous dnissons =
R
M
r
f

2
M
.
42 Allocation
4. La dernire limite est oprationnelle : en effet, les optimisations tudies prcdemment donnent des
solutions simples mais dans la ralit les contraintes sur les poids sont plus nombreuses et rendent
loptimisation difcile. En effet, rgulirement, un investisseur peut vouloir mettre des limites dachat
ou de vente sur certaines classes dactifs (on peut penser par exemple aux actions des pays mergents
qui sont plus risques et dont on peut vouloir limiter lallocation). Les contraintes vont alors inuencer
fortement les allocations qui ne seront alors plus si optimales que prvues...
Nous allons prsenter dans la suite deux mthodes dallocation innovantes permettant de dpasser ces li-
mites de loptimisation de Markowitz.
La premire va permettre dviter la deuxime limite de dpendance de lallocation lestimation des
rendements moyens : Black et Litterman ont ainsi propos une modlisation plus robuste lestimation des
rendements, que nous prsentons en section 2.2.
La deuxime mthode est une mthode probabiliste dont nous allons prsenter succinctement les enjeux en
section 2.3. Nous pourrons alors amliorer loptimisation en ralisant des simulations Monte Carlo laide
de modlisations des actifs du portefeuille optimiser plus adquates que la loi gaussienne.
Conseil pratique de gestion
La mthodologie de Markowitz, dans des conditions de normalit des actifs, permet au grant de xer les
poids de son portefeuille selon la contrainte quil sest xe dobjectif de rentabilit par exemple. Ainsi, il
est possible de combiner les connaissances pratiques de la premire partie avec lallocation efciente de
Markowitz : dans la gestion stylise par exemple dactions dfensives, nous allons pouvoir dterminer les
poids optimaux entre toutes les actions ayant un infrieurs 1 qui ont t slectionnes. Cette allocation
que lon appelle stratgique, dtermine sur un horizon de moyen-terme, sera certainement ajuste suivant
les conditions de march : ce sera lallocation tactique, dont nous allons prsenter un outil quantitatif dans
la section suivante.
Allocation tactique Black-Litterman 43
2.2 Allocation tactique Black-Litterman
Tout dabord, dnissons lallocation tactique relativement lallocation stratgique. La diffrence entre
ces deux types dallocation est dordre temporel. Plus prcisment, lallocation stratgique va tre dnie
pour un horizon de temps relativement long (1 3 ans) et lallocation tactique pour un horizon plus court (1
3 mois). Cette dernire sera donc un ajustement de lallocation stratgique aux conditions conjoncturelles
du march.
Loptimisation de Markowitz tant trs sensible aux volutions mmes faibles des estimations des ren-
dements moyens, Black et Litterman ont propos une version plus robuste de loptimisation moyenne-
variance.
2.2.1 Principe gnral
Black et Litterman ont dvelopp en 1990 un modle dallocation quantitatif exible sur lequel nous
pouvons affecter des vues de sur ou sous-valuation sur les actifs. Les poids optimaux qui en ressortent
conjuguent donc le portefeuille stratgique original (considr comme portefeuille dquilibre) et le porte-
feuille issu des vues.
Lapproche Black-Litterman dallocation tactique est intressante diffrents niveaux :
1. cest une approche originale, exible et scientiquement robuste dallocation tactique, qui conjugue
portefeuille stratgique et vues tactiques.
2. il est possible de la complter par des contraintes propres au processus dallocation tactique.
Les inputs principaux ncessaires la dtermination du portefeuille tactique sont les vues (issues des cono-
mistes ou de modles quantitatifs de prvision) sur les actifs composant le portefeuille stratgique ainsi que
lallocation stratgique du portefeuille. A partir de cette dernire, nous calculons les rentabilits implicites
correspondantes, en excs du taux sans risque :
=

avec le paramtre daversion au risque, la matrice de variance-covariance des actifs, et

les allocations
stratgiques du portefeuille.
Les vues que nous obtenons sur les diffrents actifs vont faire dvier les rentabilits implicites dans le sens
appropri. Ceci dtermine alors ce que nous appelons les rentabilits mixtes de Black-Litterman, qui ont
pour expression
5
:
=
_
()
1
+P

1
P

1
_
()
1
+P

1
PQ

=
A
A+B
+
B
A+B
Q
est un paramtre de conance dans les vues : plus est faible, plus nous aurons conance dans le por-
tefeuille stratgique et moins dans les vues. La matrice P dtermine la prsence dune vue sur un actif et
nous dcidons de la dnir comme une matrice identit : nous faisons donc lhypothse que nous avons
pour chaque actif une vue, et que cette dernire peut-tre neutre. contient les incertitudes attaches aux
notes (homogne la variance de lactif) et Q les rentabilits espres des vues. Les rentabilits mixtes
rsultent ainsi dune moyenne pondre entre les rentabilits dquilibre et celles associes aux vues Q.
Cest partir de ces esprances de rentabilits que nous dterminons un portefeuille optimis, sous diff-
rentes contraintes. Le fait de pondrer le portefeuille stratgique et le portefeuille issu des vues permet de
rendre plus robustes les allocations dtermines, que nous contrlons alors plus prcisment, relativement
linstabilit de loptimisation de Markowitz.
Les poids

tactiques se dduisent de loptimisation de la fonction dutilit quadratique U dont nous


rappelons lexpression :
U(W) =

5
Nous ne donnons pas ici la dmonstration de ce calcul qui peut tre dtermin partir par exemple dune application des Moindres
Carrs Gnraliss (cf. [11]).
44 Allocation
2.2.2 Mise en place pratique
Paramtre daversion au risque
Nous pouvons calibrer le paramtre daversion au risque partir de la formulation suivante :
=

Paramtre de conance dans les vues


Le paramtre de conance des vues est appliqu la matrice de variance-covariance des actifs risqus.
Les rentabilits mixtes sont distribues autour des rentabilits implicites dquilibre avec une matrice
de variance-covariance proportionnelle la matrice de variance-covariance initiale . Le facteur de propor-
tionnalit est . Plus est faible, plus nous aurons conance dans lallocation stratgique et non dans les
vues. Dans le cas particulier o = 0, les rentabilits espres ne sont plus alatoires et sont gales aux
rentabilits implicites : = .
Nous calibrons ce paramtre en recherchant un compromis entre lincertitude des vues et celle du march,
donc entre et :
=
tr()
e

PP

e
Nous conseillons nanmoins dajuster ce paramtre de conance entre 5% et 10%.
Obtenir les rentabilits des vues partir de notes
Il peut arriver que les vues associes chaque actif i ne soient pas sous la forme dune rentabilit mais
dune note n
i
{2; 1; 0; +1; +2}.
Il faut alors transformer les notes des vues sur les actifs en rentabilits pour obtenir le vecteur Q. Pour cela,
nous dterminons une relation linaire entre la rentabilit de la vue Q
i
et celle implicite
i
de la manire
suivante :
Q
i
=
i
+n
i

i

avec un facteur multiplicatif correspondant la probabilit derreur de dispersion des rentabilits par
rapport lincertitude associe la vue quantie par n
i

i
. Nous xons souvent entre 0.3 et 0.5.
La contrainte de risque bta
Il est possible dajouter des contraintes loptimisation tactique. Une des contraintes que nous privilgions
dans ce cours est celle dobtenir un bta similaire entre lallocation stratgique et lallocation tactique,
cest--dire la mme exposition au facteur de march, ce qui est assez usit dans la pratique.
Nous dnissons alors le bta
BL
suivant :

BL
=

Rappelons que

sont les poids de lallocation tactique et

les poids de lallocation stratgique. Et nous


calculons les nouveaux poids pour lesquels
BL
= 1.
Conseil pratique de gestion
La mthodologie de Black et Litterman permet de proposer un outil dallocation tactique quantitatif trs
utile et pouvant fortement aid la dcision de gestion dun portefeuille. Il sera ainsi possible de faire d-
vier les allocations stratgiques suivant les vues du grant (aid dun conomiste ou dun modle conom-
trique) partir dun modle quantitatif robuste et pouvant intgrer des contraintes de gestion intressantes
comme une exposition similaire au facteur de march.
Allocation dun portefeuille par simulations Monte Carlo 45
2.3 Allocation dun portefeuille par simulations Monte Carlo
Lallocation optimale de Markowitz rduit les actifs, composant le portefeuille, ses deux premiers mo-
ments statistiques. Or les actifs nanciers peuvent avoir des prols de distribution trs diffrents de la loi
gaussienne et donc ne pas tre rduits leurs deux premiers moments. Lutilisation de simulations Monte
Carlo va permettre dajouter de la exibilit dans la modlisation des actifs et amliorer leur prcision.
Cette approche peut avoir de nombreuses applications et peut proposer une multitude de modlisations des
actifs ainsi que de leur dpendance
6
. Nous allons cependant nous concentrer sur une application simple
mais pdagogiquement intressante et qui pourra tre dveloppe souhait.
Un atout supplmentaire de cette approche par simulations Monte Carlo est la slection de portefeuilles
optimaux laide dindicateurs de risque plus prcis comme la VaR tudie dans la section 1.2.3.
2.3.1 Principe de lallocation Monte Carlo
Le principe de lallocation Monte Carlo est relativement simple et concret. Nous diffusons de manire
stochastique les probables trajectoires des diffrents actifs nanciers composant le portefeuille dans le fu-
tur. Cela demande des prvisions sur les actifs mais aussi des modlisations probabilistes prcises. Nous
construisons alors N trajectoires simules dun portefeuille dont nous avons x les poids au pralable.
Puis nous dterminons certains indicateurs (rentabilit, volatilit, VaR, ratio de Sharpe, etc.) sur chaque
trajectoire simule du portefeuille et nous en calculons la moyenne. Nous diffusons pour un autre porte-
feuille poids xs ses N trajectoires simules partir desquelles nous calculons nouveau la moyenne
des indicateurs. Nous ralisons cela pour plusieurs portefeuilles, suivant nos contraintes dallocation, et
nous dterminons au nal le portefeuille ayant par exemple la meilleure moyenne de ratios de Sharpe.
Pour dcider quel sera le meilleur portefeuille, nous avons donc dtermin la moyenne, sur les multiples
trajectoires du portefeuille, de diffrents indicateurs de risque et de performance. Ces moyennes ont en fait
des proprits intressantes : en effet, elles convergent vers les vraies moyennes (Loi des Grands Nombres)
et les erreurs sont asymptotiquement gaussiennes (Thorme Central Limite).
Nous allons nous concentrer dans la suite sur lallocation Monte Carlo pour un portefeuille diversi simple
contenant un indice actions, un indice obligataire et un indice montaire. Nous prsentons donc dans ce qui
suit une modlisation possible pour chacun de ces trois actifs.
2.3.2 Modlisations probabilistes
Nous allons dans ce paragraphe proposer des modlisations probabilistes simples et fondamentales pour
les 3 actifs nanciers suivants : action, obligation et taux montaire ; ainsi quune mthode classique de
calibration des paramtres des modles : le Maximum de Vraisemblance.
Indice actions
Modle
Daprs les rsultats noncs prcdemment, la caractre gaussien peut tre rejet pour les actions mais ne
semble tout de mme pas absurde tant donn le prol de distribution dun indice actions (cf. Figure 1.5
pour le CAC 40). Certes, il serait ncessaire dutiliser des modles plus prcis mais la loi gaussienne semble
tout de mme un bon arbitrage entre ladquation aux rentabilits dun indice actions et la simplicit de sa
modlisation.
Nous allons donc utiliser comme modle probabiliste le mouvement Brownien gomtrique de type Black
et Scholes (moyenne et volatilit constantes). Son quation diffrentielle stochastique (EDS) scrit de la
manire suivante :
dS
t
= S
t
(dt +dW
t
) (2.5)
6
Nous pouvons en effet modliser la dpendance, parfois extrme, entre les actifs par des outils probabilistes complexes et robustes :
les copules.
46 Allocation
avec la moyenne et la volatilit des rentabilits de lindice actions, et W
t
un mouvement Brownien
standard.
La ralisation pratique de simulations ncessite la discrtisation de ce processus. Pour simuler une trajec-
toire, nous utilisons la discrtisation exacte suivante :
S
t+t
= S
t
exp
__


2
2
_
t +

t
_
avec t le pas de temps de discrtisation retenu et une variable alatoire de loi normale centre rduite.
Nous pouvons aussi utiliser une discrtisation approximative laide dun schma dEuler. Le schma
dEuler scrit alors :

S
t+t
=

S
t
(1 +t +

t)
avec

S la discrtisation approximative de lindice actions.
Concrtement, nous gnrons des nombres alatoires tire dune loi Normale centre rduite et partir de
ces derniers, nous appliquons la formule de discrtisation pour obtenir un chemin particulier de lindice
actions. Il nous faut maintenant estimer les valeurs et .
Calibration
Nous utilisons la mthode du Maximum de Vraisemblance.
Tout dabord rappelons que les rentabilits R
t|t+t
=
S
t+t
S
t
1 de lindice actions suivent la loi Normale
suivante :
R
t|t+t
N
__


2
2
_
t ;
2
t
_
La log-vraisemblance scrit alors :
l
t
(R
t|t+t
; , ) =
1
2
_
ln(2) + ln S
2
+
_
R
t|t+t
M
_
2
S
2
_
1 t T
avec T lhorizon de lchantillon de donnes, S
2
=
2
t et M =
_


2
2
_
t.
La log-vraisemblance peut tre considre comme la probabilit dobservation de lchantillon. Lestima-
tion va alors avoir pour objectif la maximisation de cette probabilit dobservation : en effet, puisque nous
avons observ lchantillon, cest que sa probabilit dapparition est forte. Nous pouvons estimer alors le
vecteur des paramtres = (, )

par Maximum de Vraisemblance. Lestimateur du Maximum de Vrai-


semblance se dnit comme :

= argmax
T

t=1
l
t
()
Nous obtenons les estimateurs suivants :

M =
1
T
T

t=1
R
t|t+t

S
2
=
1
T
T

t=1
_
R
t|t+t


M
_
2
Allocation dun portefeuille par simulations Monte Carlo 47
Modlisation de lindice obligataire
Avant tout dnissons une obligation pour comprendre les enjeux de la modlisation qui suivra.
Dnition dune obligation
Les obligations sont des titres de dette pour les entreprises et de crances pour les souscripteurs. Les obliga-
tions sont mises sur un march primaire un taux xe gnralement et ngocies sur un march secondaire
avec un prix voluant en fonction des taux mis sur le march primaire. La socit sengage rembourser le
capital emprunt une chance dtermine et verser un intrt annuel. Les droits sont donc moins levs
que pour les actions mais les cranciers seront prioritaires lors du remboursement suite un dfaut de la
socit.
Lobligation est caractrise par neuf lments :
1. la valeur nominale ou faciale V dnie lmission et partir de laquelle sont calculs les intrts
ou coupons verss,
2. la maturit T, dnissant la date de remboursement de lemprunt obligataire,
3. la valeur dmission qui peut tre gale la valeur nominale, lmission est alors au pair, ou en-
dessous caractrisant une prime lmission,
4. la valeur de remboursement, gal ou suprieur la valeur nominale, et dans ce dernier cas, il existe
donc une prime de remboursement,
5. le coupon C, dnissant le montant des intrts verss,
6. le taux nominal ou facial, il dnit la valeur du coupon et donc le revenu de lobligation. Il peut tre
xe ou variable,
7. le taux de rendement actuariel r
t
, dnissant le rendement rel suite aux variations de taux sur le
march secondaire au temps t,
8. la date de jouissance : date partir de laquelle les intrts son calculs,
9. la date de rglement : date laquelle lemprunt est liquid.
La valorisation V
t
dune obligation en t va tre gale la somme actualise de ses ux futurs F composs
des coupons et du remboursement nal :
V
t
=
T

=t+1
F

(1 +r
t
)
t
=
T1

=t+1
C
(1 +r
t
)
t
+
V
(1 +r
t
)
Tt
La valeur de lobligation va voluer de manire oppose celle du taux de rendement actuariel : si les
taux montent (baissent), la valeur de lobligation sur le march secondaire va diminuer (monter). Pour
quantier cette sensibilit de la valeur de lobligation la variation des taux, nous allons utiliser un concept
fondamental : la duration.
La duration a t introduite par Macaulay en 1938 qui cherchait comparer lvolution des taux longs avec
celle des taux courts. Rduire la diffrence entre ces taux la maturit ne lui semblait pas adquat car ctait
rduire la dure de lchancier son dernier ux. Par exemple, la dure dun zro-coupon de maturit 10
ans est simple estimer puisque donnant lieu un ux unique, la dure de lchancier est 10 ans. Or pour
une obligation de mme maturit mais donnant droit un coupon annuel, ceci ne semble pas tre juste :
puisque des remboursements sont faits avant la maturit, la duration de lchancier des ux nanciers
devra tre infrieure celle du zro-coupon. Macaulay va alors pondrer les diffrentes maturits des ux
nanciers de lobligation pour dterminer la duration. Hicks en 1946 va exprimer cette dernire en fonction
de la sensibilit dun titre obligataire au taux de rendement actuariel. Nous obtenons lexpression suivante
de la sensibilit S de la valeur de lobligation V au taux r, en t = 0, en drivant la variation relative de cette
valeur V conscutive la variation du taux r :
S =
dV
V
1
dr
=
1
1 +r
T

=1
F

V (1 +r)

=
1
1 +r
T

=1

=
D
1 +r
48 Allocation
Nous obtenons ainsi lexpression de la duration D comme une moyenne pondre des maturits des ux
nanciers. La somme des poids

est bien gale 1.


La duration peut enn tre vue comme la dure de vie moyenne actuarielle dun titre obligataire. A la n de
cette dure de vie moyenne, et sous lhypothse dune structure par termes plate et ne pouvant se dformer
que paralllement, linvestisseur est immunis contre la variation de taux : le rendement de lobligation est
partir de cette date au minimum gal au rendement actuariel initial. Ceci sexplique par la compensation
avec le temps de la dvalorisation de lobligation, par exemple, cause de la hausse des taux, par le place-
ment des taux plus levs des coupons rcuprs.
La duration fait lhypothse sous-jacente que tous les taux ayant des maturits diffrentes voluent de ma-
nire uniforme. Or la structure par termes des taux rvle que sa dformation nest pas seulement uniforme
mais intgre deux autres facteurs dvolution : un facteur de pentication de la courbe de la structure par
termes, ainsi quun facteur de courbure. Ltude des co-mouvements de la structure par termes laide par
exemple dune Analyse en Composantes Principales met en exergue ces deux autres facteurs de dforma-
tion et permet damliorer la gestion du risque de taux.
Modle
Nous pouvons maintenant proposer une modlisation adquate. En fait, nous pouvons dnir la rentabilit
dun indice obligataire, investissant dans une obligation de duration D, comme laddition de la capitalisation
des coupons perus et de la variation de la valorisation de lobligation suivant celle des taux. Un indice
obligataire O
t
de duration D a donc pour diffusion discrte
7
:
O
t+t
= O
t
_
_
1 +r
long
t
_
t

D
1 +r
long
t
_
r
long
t+t
r
long
t
_
_
avec r
long
t
le taux long gal :
r
long
t
= sp
t
+r
court
t
avec sp
t
le spread ou cart entre le taux long et le taux court.
Il va falloir alors sintresser la modlisation de ce spread. Sur la Figure 2.2, nous pouvons observer que
le prol dun spread semble intgrer un phnomne de retour la moyenne. Nous allons donc proposer une
modlisation correspondant ce phnomne via un processus de Vasicek qui suit lEDS suivante :
dsp
t
= k( sp
t
)dt +dW
t
avec k la force de rappel, la moyenne de long terme des spreads vers laquelle ils tendent, la volatilit
des spreads et W
t
un mouvement Brownien standard.
Il existe une discrtisation exacte qui est :
sp
t+t
= sp
t
e
kt
+(1 e
kt
) +
_
1 e
2kt
2k

avec un nombre alatoire issu dune loi normale centre rduite.
La discrtisation dtermine par le schma dEuler scrit :
sp
t+t
= sp
t
+k( sp
t
)t +

t
7
Nous avons utilis la discrtisation capitalise du taux et non son approximation : r
long
t
t
_
1 + r
long
t
_
t
1 avec r
long
t
le
taux en base annuelle dni classiquement sur les marchs nanciers.
Allocation dun portefeuille par simulations Monte Carlo 49
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
1996 1998 2000 2002 2004 2006
S
p
r
e
a
d

e
n

%
FIG. 2.2 Spread entre lindice taux composite corporate 10 ans US et le zro-coupon 3 mois US entre
avril 1996 et juin 2007
Enn, il est ncessaire de corrler les indices actions et obligataire. Pour cela, nous allons simuler les rsidus
(dni prcdemment pour les actions) et de la faon suivante :
= +
_
1
2
z
avec le coefcient de corrlation linaire entre les rentabilits de lindice actions et celles de lindice
obligataire, et z une ralisation dune loi normale centre rduite indpendante
8
.
Calibration
Pour calibrer le processus de Vasicek des spreads, observons que :
sp
t
N
_

_
1 e
kdt
_
+e
kdt
sp
t1
;

2
2k
_
1 e
2kdt
_
_
Le caractre gaussien explique le fait que le modle de Vasicek soit trs rpandu, car plus simple manipu-
ler.
Ainsi, nous pouvons dterminer la log-vraisemblance de lchantillon dtude, tant donn que chaque
observation de la srie temporelle des spreads est issue de la loi Normale prcdemment dcrite. Elle scrit :
l
t
(sp ; k, , ) =
1
2
_
ln(2) + ln S
2
+
(sp
t+1
M)
2
S
2
_
1 t T 1
avec S
2
=

2
2k
_
1 e
2kt
_
, M =
_
1 e
kt
_
+e
kt
sp
t
.
Nous pouvons estimer alors le vecteur des paramtres = (k, , )

par Maximum de Vraisemblance.


Lestimateur du Maximum de Vraisemblance se dnit comme :

= argmax
T1

t=1
l
t
()
8
Cette faon de corrler a en fait pour hypothse sous-jacente la modlisation de la structure de dpendance entre actions et
obligations par une copule gaussienne.
50 Allocation
Les expressions exactes des estimateurs sen dduisent, avec = e
kt
(cf. Brigo et Mercurio [7]) :
=
(T 1)
T1

t=1
sp
t
sp
t1

T1

t=1
sp
t
T1

t=1
sp
t1
(T 1)
T1

t=1
sp
2
t

_
T1

t=1
sp
t1
_
2
=
1
(T 1)(1 )
T1

t=1
(sp
t
sp
t1
)

S
2
=
1
T 1
T1

t=1
[sp
t
sp
t1
(1 )]
2
Il est possible aussi de les dterminer par des mthodes numriques doptimisation de la log-vraisemblance.
Modlisation de lindice montaire
Nous appelons indice montaire un indice capitalisant un taux de courte maturit r
court
t
. Ce dernier est la
somme du taux directeur dune banque centrale et dun lger spread de volatilit faible. Il faut donc tudier
le prol du taux directeur dune banque centrale. Sur la Figure 2.3, nous pouvons observer que ce taux
directeur est compos de sauts la hausse ou la baisse : en effet, les banquiers centraux annoncent la
hausse ou la baisse du taux directeur suivant la conjoncture conomique, crant ainsi des sauts. Il va donc
tre certainement judicieux de modliser le taux directeur par un processus sauts, ou processus de Poisson.
Lindice montaire M
t
sera donc compos dune capitalisation sur le taux directeur r
directeur
t
auquel on ajoute
un spread faible sp
court
t
:
M
t+t
= M
t
_
1 +r
court
t
_
t
= M
t
_
1 +r
directeur
t
+sp
court
t
_
t
avec le taux directeur simul par un processus sauts :
r
directeur
t+t
= r
directeur
t
+ 1
u
1
<t
[1
u
2
<0.5
1
u
2
0.5
]
avec 1 symbolisant la fonction indicatrice, u
1
et u
2
deux ralisations indpendantes dune loi uniforme
[0,1], lintensit ou le nombre de sauts par an et lamplitude des sauts. Ces deux derniers paramtres
peuvent tre xs daprs les anticipations des interventions de la banque centrale sur le taux directeur.
Allocation dun portefeuille par simulations Monte Carlo 51
1
2
3
4
5
6
7
1999 2000 2001 2002 2003 2004 2005 2006 2007
T
a
u
x

F
E
D

e
n

%
FIG. 2.3 Taux directeur hebdomadaire de la Federal Reserve US entre le 22 janvier 1999 et le 9 mars 2007
Enn, le spread sp
court
t
composant le taux court est issu dune loi gaussienne N(,
2
) calibrer par les
moments empiriques de ce spread.
Conseil pratique de gestion
Lapproche dallocation laide de simulations Monte Carlo na pas pour fondement une thorie nancire
aussi prcise que celle de Markowitz mais gagne lavantage dtre trs exible et prcise en ce qui concerne
les modlisations des actifs nanciers composant le portefeuille. Il est relativement simple pour un grant
de crer son propre modle dallocation Monte Carlo et ainsi dnir un portefeuille correspondant au
prol rendement/risque dni au pralable. Laide dun ingnieur quantitatif sera nanmoins ncessaire
pour dvelopper des modlisations plus complexes.
CHAPITRE 3
STRATGIES DINVESTISSEMENT
Nous avons tudi prcdemment comment allouer les actifs au sein dun portefeuille en nous focalisant sur
loptimisation de lallocation suivant les lois de probabilits sous-jacentes des actifs mais aussi des critres
de performance et des prvisions conomiques. Maintenant que ces poids sont dtermins, une interrogation
slve sur la faon dont ils vont tre ajusts selon le prol du ux nal que lon souhaite.
3.1 Stratgies buy-and-hold et constant mix
Pour introduire les stratgies dinvestissement, nous allons tout dabord tenter de formaliser la diffrence
fondamentale entre une stratgie nave, laissant son allocation otter au gr de lvolution des prix des actifs
la composant, et une stratgie dallocation xe tout moment :
1. la premire est une stratgie buy-and-hold,
2. et la seconde une stratgie constant mix.
Nous nous inspirons de la typologie de Perold et Sharpe dveloppe en 1988 [30] pour prsenter ces deux
stratgies.
3.1.1 Stratgies buy-and-hold
Les stratgies buy-and-hold sont des stratgies qui achtent les actifs et laissent leur poids otter suivant
lvolution de leur valeur. Il ny a donc pas de rebalancement des poids des actifs dans le portefeuille.
Lorsque la valeur de lactif slve, toutes choses gales par ailleurs, sa proportion dans le portefeuille va
slever aussi. Formellement, notons la valeur du portefeuille P
t
pour t 1 et A
t
la valeur des n actifs le
composant en t. Nous avons ainsi :
P
t+1
= P
t
n

i=1

i
t
A
i
t+1
A
i
t

i
t
reprsente le poids allou lactif i en t. Dans une stratgie buy-and-hold, les poids voluent suivant la
valeur relative des actifs, et ont pour expression, pour t 2 (les premiers poids sont dtermins au dpart
de la stratgie) :

i
t
=
i
t1
P
t1
P
t
A
i
t
A
i
t1
52
Stratgies buy-and-hold et constant mix 53
Supposons que nous ayons deux actifs, une action et un instrument montaire sans risque. La valeur du
portefeuille de stratgie buy-and-hold a les caractristiques suivantes :
elle est linaire par rapport la valeur de laction,
elle ne diminuera jamais en-dessous de la valeur initiale investie dans linstrument montaire,
elle a un "upside" potentiel illimit, cest--dire un potentiel de gain illimit.
3.1.2 Stratgies constant mix
Les stratgies constant mix maintiennent une exposition constante des actifs relativement la valeur du
portefeuille. Les poids nvoluent donc pas suivant la valeur relative des actifs mais restent xes. Ainsi,
comme les valeurs relatives voluent, il faut dynamiquement rajuster constamment les proportions inves-
ties en valeur dans les actifs pour demeurer la proportion relative dnie au dpart.
Ainsi, lorsque la valeur dun actif diminue, toutes choses gales par ailleurs, la proportion relative de cet
actif va diminuer au sein du portefeuille. Il va donc falloir acheter de cet actif pour conserver le mme poids
au sein du portefeuille. Les poids restent ainsi constants. Pour viter dacheter ou de vendre des actifs trop
rgulirement et diminuer ainsi les cots de transaction de la stratgie, il est possible de dterminer des
seuils de perte (de gain) en-de (au-del) de laquelle (duquel) on commence revenir aux poids initiaux.
Au-dessus (en-dessous), nous laissons ler les poids comme dans la stratgie buy-and-hold.
Supposons nouveau un portefeuille compos dune action et dun taux sans risque. La stratgie constant-
mix va acheter laction aprs que celle-ci a diminu et va la vendre aprs que celle-ci a augment. Cette
stratgie savre alors protable lorsque des retournements de march sont frquents et quune augmenta-
tion (baisse) de laction est suivie immdiatement dune baisse (augmentation). Autrement dit, lanticipation
du grant est un march actions fortement volatil et at.
Perold et Sharpe illustre cette caractristique laide de lexemple numrique suivant. Supposons que lac-
tion passe dans un premier temps de 100$ 90$, puis dans un second temps revienne 100$, et que le
montaire est suppos constant, pour simplier les calculs. Dans le cas dune stratgie buy-and-hold, les
poids relatifs au portefeuille ont volu mais pas la richesse. Dans le cas dune stratgie constant mix cest
diffrent (cf. tableau 3.1).
Supposons que nous ayons investi 60% dans laction et 40% dans linstrument montaire. Lors de la baisse
de laction de 100$ 90$, la valeur de laction dans le portefeuille passe de 60$ 54$. Son poids dimi-
nue donc 54/94 = 57.4%. Cest le poids de laction dans la stratgie buy-and-hold. Or dans la stratgie
constant mix, nous souhaitons acheter de laction pour revenir au poids initial de 60%. La valeur correspon-
dante de laction dans le portefeuille va alors tre gale 60% 94$ = 56.40$. Nous vendons de manire
symtrique 56.40 54 = 2.40$ de montaire : le portefeuille en contient alors 37.60$.
La hausse de laction qui va suivre dans le second temps va se rvler protable la stratgie constant mix
qui vient dacheter de laction. En effet, la valeur de laction dans le portefeuille va passer de 56.40$
56.40 100/90 = 62.67$. La valeur du portefeuille est alors gale 37.60 + 62.67 = 100.27$. Contraire-
ment la stratgie buy-and-hold, qui nit 100$, la stratgie constant mix a fait gagner 0.27$. Le position-
nement du grant, contrarian aux volutions du march, sest rvl payant, car lachat daction a t suivi
immdiatement par une augmentation de sa valeur.
Ensuite, il est ncessaire de rebalancer nouveau les poids, puisque les 62.67$ de laction dans le porte-
feuille reprsentent 62.67/100.27 = 62.50% de la richesse du portefeuille, ce qui est suprieur aux 60%
xs. Il va alors falloir vendre de laction pour 62.67 60% 100.27 = 2.51$. Nous avons la n de
la seconde priode un portefeuille compos de 60.16$ dactions et 37.60 + 2.51 = 40.11$ de montaire.
Dans le cas o laction va baisser au cours de la priode suivante, ce rebalancement va savrer nouveau
protable.
54 Stratgies dinvestissement
t=0 t=1 t=2
volution Action 100 90 100
Buy-and-hold Constant mix Buy-and-hold Constant mix
Valeur action 60 54 56.40 60 60.16
Poids action 60% 57.4% 60% 60% 60%
Valeur montaire 40 40 37.60 40 40.11
Valeur portefeuille 100 94 94 100 100.27
TAB. 3.1 Comparaison des stratgies constant mix et buy-and-hold
Un investisseur constant mix anticipe donc des retournements rguliers des actifs composant son porte-
feuille. Et lorsque le march est at et volatil, cette stratgie protera fortement des retournements de
march.
Au contraire, lorsque le march a des tendances (trends) de hausse (bull) et de baisse (bear) marques, la
stratgie buy-and-hold sera plus adquate.
Conseil pratique de gestion
Acheter et ne plus y toucher, ou alors xer les poids et rebalancer lallocation rgulirement ? Cette question
pose au grant peut se rsoudre suivant ses anticipations : sil pense que le march aura un tendance
importante de hausse par exemple, il sera prfrable dappliquer la stratgie buy-and-hold ; et lorsquil
anticipera une volatilit importante avec des retournements rguliers, la stratgie constant mix sera plus
protable.
Stratgies de couverture du risque 55
3.2 Stratgies de couverture du risque
Pour couvrir le risque induit par linvestissement dans des actifs risqus, il est classiquement fait appel des
produits drivs. En effet, ces produits crs lorigine pour assurer les entreprises ou particuliers contre la
variation dfavorable dun actif se rvlent trs utiles. Nous allons tout dabord revenir sur leur dnition et
la dtermination de leur prix (en se focalisant sur les produits drivs vanilles que sont les calls). Puis, nous
proposerons deux stratgies de couverture du risque : la couverture en Delta et lOption Based Portfolio
Insurance.
La partie de ce cours est ddie aux stratgies dinvestissement. Nanmoins, par souci de clart, nous ne pr-
senterons pas les stratgies dinvestissement associes la couverture du risque, mais les stratgies statiques
de couverture qui constitueront une bonne introduction aux stratgies dinvestissement plus complexes.
3.2.1 Produits drivs
Outre lever des fonds laide des actions et des obligations, les entreprises ont besoin de sassurer contre
les incertitudes sur les prix quelles peuvent subir. Pour cela, elles vont utiliser un autre type de produit
que lon appelle produits drivs, car drivs des produits de base : actions, obligations, mais aussi ma-
tires premires, devises, etc. Ces produits existent depuis longtemps mais leur change sest ampli avec
louverture du premier march organis des options de gr gr Chicago en 1973 et la publication la
mme anne de larticle de Black et Scholes The Pricing of Options and Corporate Liabilities publi en
juin 1973 dans le Journal of Political Economy. Ils sapparentent des produits dchange de risque ou
encore dassurance pour les entreprises contre les incertitudes grandissantes de lpoque sur les prix des
instruments nanciers fondamentaux.
Ces nouveaux instruments ntaient pas si nouveaux que cela (cf. Bernstein [5]). Linnovation tait non pas
dans leur fonction mais dans leur distribution au travers de marchs organiss, ainsi que la formalisation
de leur prix. En effet, dans lAntiquit, Aristote raconte dans le livre I de La Politique lhistoire de Thals
le Milsien. Ce philosophe, instruit des astres, lut un hiver dans le ciel que la rcolte dolives lautomne
prochain serait trs suprieure la rcolte habituelle. Il se garantit alors la priorit sur lutilisation pour
lautomne des presses de la rgion en change dune petite somme dargent. Il ngocia des prix faibles de
location car la rcolte tait loigne et personne ne prvoyait ce que Thals anticipait. Lorsque lautomne
arriva et que la rcolte ft exceptionnelle, il y et une trs importante demande de presses. Thals sous-
loua celles quil dtenait, pour un prix faible ngoci lhiver, un prix beaucoup plus consquent et devint
ainsi riche. Cette histoire est la premire sur lutilisation doption dachat, lun des produits drivs les plus
communs aujourdhui.
Les produits drivs peuvent tre de deux natures diffrentes : les contrats terme et les options ngociables.
Contrats terme
Une opration terme est une opration au comptant diffre dans le temps. Lacheteur et le vendeur se
mettent daccord sur les conditions dun change, qui seffectuera une date future (maturit) prcise par
le contrat terme. Lchange doit tre excut. Le prix de lchange est x la date dlaboration du
contrat mais lchange dargent nest effectif qu la maturit.
Par exemple, un industriel franais achte en dollars des biens dquipement aux tats-Unis. Ces biens ne
sont pas encore construits et donc livrables 2 ans plus tard. Or le prix a t x aujourdhui 1000$. Lin-
dustriel franais, qui a une trsorerie en euros, doit convertir le prix des quipements en dollars. Supposons
que le taux de change cote aujourdhui 1 EUR= 1$, lindustriel a besoin donc de 1000 EUR. Or cette
conversion a le temps en 2 ans dvoluer dfavorablement pour lindustriel. Il va donc acheter un contrat
terme qui lui garantit le prix en dollars (contre euros) ngoci aujourdhui pour dans 2 ans. Il se couvre
contre un risque de change. Si le cours du dollar slve, le taux de change vaut alors la maturit par
exemple 1 EUR= 0.5$, et lindustriel est protg : la contrepartie lui fournira 1000$ contre 1000 EUR; le
contrat terme lui permettra de payer ses biens non pas 2000 EUR (comme le voudrait le taux de change
56 Stratgies dinvestissement
la maturit) mais 1000 EUR (le prix aujourdhui). Dans le cas contraire, comme lchange est obligatoire,
lvolution favorable de baisse du dollars, par exemple 1 EUR= 2$ (leuro sapprcie), navantagera pas
lindustriel franais (il aurait pu payer le bien 500 EUR).
Le prix x aujourdhui et correspondant au montant chang maturit dun contrat terme peut tre
calcul sans modlisation du cours du sous-jacent (devise dans notre exemple). En effet, nous utilisons le
principe essentiel dAbsence dOpportunit dArbitrage (AOA) sur les marchs, par lequel il est impossible
de gagner de largent coup sr avec un investissement nul. Les arbitragistes contraignent lunicit
des prix des produits drivs : deux stratgies qui donnent le mme ux maturit ont la mme valeur
nimporte quelle date prcdant la maturit.
Soit F
t
(S, T) le prix x par contrat la date t auquel sera ngoci le sous-jacent S la maturit T. On
lappelle le prix forward. Soit en outre B(t, T) le prix en t dun zro-coupon, qui est un instrument nancier
qui rapporte 1 la maturit T. Pour se garantir de dtenir le sous-jacent S en T, nous avons le choix entre
2 stratgies :
souscrire un contrat terme en t et verser F
T
(S, T) en T contre le titre S,
acheter le titre S en t et le conserver jusquen T.
Ces 2 stratgies conduisent au mme ux S
T
en T. Pour garantir le paiement du contrat forward en T, il
faut acheter la quantit F
t
(S, T) de zro-coupon, qui permettra de dtenir maturit le montant F
T
(S, T).
A partir de lgalit des ux tout moment (AOA), nous avons :
F
t
(S, T) B(t, T) = S
t
et donc le montant chang la maturit du contrat terme est x aujourdhui (t = 0) :
F
0
(S, T) =
S
0
B(0, T)
Options ngociables
Les options ngociables sont des contrats permettant (il ny a pas obligation) son dtenteur dacheter
(call) ou de vendre (put) une certaine quantit de biens un cours x la signature du contrat, appel prix
dexercice (strike) K la date T, maturit de loption (cas des options europennes) ou jusqu T (cas des
options amricaines).
Dans le cas de lexemple de lindustriel franais achetant un bien en dollars, il peut acheter une option
dachat europenne aujourdhui, au lieu dun contrat terme, lui donnant le droit, suivant la situation
maturit, dacheter les 1000$ 1000 EUR en T. Si le cours du dollar slve, alors il aura intrt exercer
son option dachat. Dans le cas contraire, il nexerce pas son option et paye donc 500 EUR, ce qui est
intressant puisque la couverture protge de la hausse du dollar et donc lindustriel peut aussi, avec cet
instrument, proter de sa baisse. Cette diffrence, par rapport au contrat terme, a cependant un cot
puisque lacheteur de loption paye une prime la signature du contrat. Le risque est limit la prime
paye. Cette dernire ncessite pour son calcul une modlisation plus complexe que la simple utilisation
statique de lAOA. En effet, le ux nal (payoff ) est plus complexe que celui du contrat terme puisquil a
un caractre optionnel et que la trajectoire du sous-jacent est prendre en compte dans lvaluation du prix
de loption.
Lobjet de la suite du cours est non pas dentrer dans les dtails complexes de calcul stochastique de la
prime dune option (pour cela nous nous rfrons aux livres de Dana et Jeanblanc-Picqu [9], Lamberton
et Lapeyre [21], et Musiela et Rutkowski [28]) mais den comprendre la logique sous-jacente. Nous nous
intresserons seulement lvaluation dun call europen dans le cadre de Black et Scholes, sans entrer
dans les calculs mais en en dveloppant ses hypothses essentielles.
Stratgies de couverture du risque 57
Payoff dun call europen
Avant toutes choses, tentons dexprimer le ux nal ou payoff dun call europen. A la maturit, en T, le
prot ralis par lacheteur du call dpend de la valeur du sous-jacent par rapport au prix dexercice du
call. En effet, si la valeur du sous-jacent S
T
> K, le dtenteur du call exerce loption puisque le sous-
jacent est devenu trop cher. Il gagne donc la diffrence S
T
K, sil revendait sur le march, par exemple,
instantanment le sous-jacent achet au prix K et de valeur de march S
T
.
Au contraire, si S
T
K, il na aucun intrt exercer loption dachat, puisque le sous-jacent est moins
cher sur le march. Dans ce cas, il ne gagne rien (il a seulement pay la prime en 0).
Au nal, nous pouvons exprimer le gain ou payoff nal comme le maximum entre S
T
K et 0. Le payoff
dpend donc de la valeur du sous-jacent la maturit, par essence imprvisible. Ainsi :
payoff = max(S
T
K, 0) = (S
T
K)
+
Nous voyons bien que lacheteur dun call europen anticipe donc une hausse du sous-jacent et se couvre
ainsi contre le risque de hausse du march. De manire symtrique, le vendeur anticipe une baisse (objectif
de percevoir la prime sans que loption sexerce). Cette logique est valable aussi pour le put : lacheteur se
couvre contre une baisse du sous-jacent.
Effet de levier
Le gain pour un call S
T
K possible est sans commune mesure avec celui fait sur le sous-jacent, relative-
ment linvestissement initial. Ce phnomne sappelle leffet de levier.
Lorsque lon achte le sous-jacent dun call la monnaie en t de maturit T, la rentabilit est gale :
r
t|T
=
S
T
S
t
1 =
S
T
K
1
Lorsque lon achte le call, la rentabilit est :
r
c
t|T
=
(S
T
K)
+
C
t
1
Si S
T
> K, alors le call est exerc et la rentabilit devient :
r
c
t|T
=
S
T
K
C
t
1
Si S
T
< K, alors le call nest pas exerc et la rentabilit devient :
r
c
t|T
= 100%
Soit lapplication numrique suivante : S
t
= 98, K = 100 et C
t
= 4.8.
Dans le cas o S
T
= 107 :
r
t|T
=
107
98
1 = 9.2%
r
c
t|T
=
107 100
4.8
1 = 45.8%
Dans le cas o S
T
= 100 :
r
t|T
=
100
98
1 = 2.4%
r
c
t|T
=
100 100
4.8
1 = 100%
Lachat de call est donc beaucoup plus risqu, cause de leffet de levier induit.
58 Stratgies dinvestissement
Probabilit dexercer un call
La probabilit dexercer le call est intgre dans un indicateur appel le Delta qui exprime la sensibilit
de la variation du prix du call relativement celle du sous-jacent. Cette sensibilit volue au cours du
temps, et plus elle est proche de 1, plus lexercice est probable. Nous pouvons associer les valeurs du
la probabilit dexercer le call ainsi quau payoff probable, dans les trois cas de gure suivants :
Probabilit dexercice Payoff probable Position
1 Forte S
T
> K Dans la monnaie
0.5 Aussi faible que forte S
T
= K A la monnaie
0 Faible S
T
< K En dehors de la monnaie
TAB. 3.2 Delta et probabilit dexercice
Lobjectif du spculateur va tre dacheter en dehors de la monnaie : en effet, le produit driv est alors
peu cher, car la probabilit dexercice est faible et la possibilit de gain importante, si le sous-jacent monte
pour un call, baisse pour un put. Leffet de levier associ au produit driv permet alors de forts gains. Ceci
explique pourquoi les changes sur les produits drivs ont explos : ceci nest pas seulement d leur
utilisation par les entreprises mais surtout celle faite par les spculateurs.
valuation dun call europen Black-Scholes
Ce paragraphe est mathmatiquement plus pouss donc peut-tre nglig par les tudiants nayant pas le
niveau pr-requis.
Lobjectif est dvaluer le prix aujourdhui en 0 dun ux h(S
T
) = (S
T
K)
+
qui ne sera connu qu la
maturit T. La mthode utilise est de construire une stratgie qui rplique le mme payoff h(S
T
) en T.
Nous aurons notre connaissance le prix de ce portefeuille tout instant et par l mme, nous obtiendrons
le prix du call en 0 par AOA. En effet, rappelons que deux stratgies ayant mme ux en T auront mme
valeur t.
La stratgie de rplication aura comme caractristique essentielle lauto-nancement : un portefeuille
auto-nanant est une stratgie nancire dachat et de vente dactifs dont la valeur nest pas modie
par le retrait ou lajout de cash de manire extrieure. Les variations du portefeuille sont dues aux seules
variations du cours des actifs. La stratgie va tre une combinaison linaire de 2 actifs : le sous-jacent
(action, matire premire, devise) S et lactif sans risque S
0
. Elle aura pour valeur V
t
() =
t
S
t
+
0
t
S
0
t
.
Dans le cadre de la modlisation de Black et Scholes, des hypothses, assez restrictives mais permettant
dobtenir une criture ferme du prix dun call, sont nonces :
le sous-jacent (lactif risqu) suit un mouvement Brownien gomtrique sous la probabilit historique P
dont lquation diffrentielles stochastique (EDS) scrit dS
t
= S
t
(dt+dW
t
), avec W
t
un mouvement
Brownien standard. Nous en concluons partir du lemme dIt que S
t
= S
0
exp
__


2
2
_
t +W
t
_
et donc les rentabilits du sous-jacent suivent une loi Normale N
_


2
2
,
2
_
.
lactif sans risque (cash) est dterministe (non alatoire) et sa dynamique est reprsente par lEDS
dS
0
t
= S
0
t
rdt. Ainsi, S
0
t
= exp(rt).
Un rsultat essentiel est la fait que si le processus actualis

S
t
=
S
t
S
0
t
(crit dans le numraire cash) est
une martingale, alors la valeur nancire actualise

V
t
() =
V
t
()
S
0
t
dun portefeuille auto-nanant est une
martingale.
Nous allons donc dterminer une probabilit Q quivalente la probabilit P sous laquelle

S
t
est une
Stratgies de couverture du risque 59
martingale. A partir du thorme de Girsanov, nous savons que le processus dEDS d

S
t
=

S
t
d

W
t
, avec

W
t
= W
t
+ t et =
r

, est un mouvement Brownien sous Q, probabilit appele risque-neutre car


lactif risqu a mme rendement que lactif sans risque : dS
t
= S
t
(rdt + d

W
t
) sous Q. Nous avons tous
les lments essentiels au pricing dun call europen.
Nous supposons le march complet. Cette hypothse implique que la probabilit risque-neutre Qest unique
et permet ainsi de garantir lexistence dune stratgie auto-nanante qui rplique le ux nal du call
europen et dont la valeur actualise est une martingale sous Q. En consquence, le prix du call est unique.
La stratgie a pour valeur la maturit V
T
() = h(S
T
) = (S
T
K)
+
et ainsi t T, nous avons, avec
la tribu F
t
reprsentant linformation disponible la date t :

V
t
() = E
Q
[

V
T
() | F
t
]
V
t
() = e
r(Tt)
E
Q
[h(S
T
) | F
t
]
V
t
() = e
r(Tt)
E
Q
_
h
_
S
t
exp
__
r

2
2
_
(T t) +(

W
T


W
t
)
__
| F
t
_
Or

W
T


W
t
est indpendant de F
t
et S
t
est F
t
mesurable. Donc V
t
() = (T t, S
t
) avec :
(T t, x) = e
r(Tt)
E
Q
_
h
_
xexp
__
r

2
2
_
(T t) +(

W
T


W
t
)
___
= e
r(Tt)
E
x
Q
[h(S
Tt
)]
Le prix du call europen C
0
aujourdhui, similaire celui de la stratgie V
0
(), est alors (nous ne d-
crivons pas ici les diffrents calculs qui aboutissent ce rsultat, cf. par exemple Musiela et Rutkowski
[28]) :
C
0
= x(d
1
) Ke
rT
(d
0
)
avec x = S
0
, (.) la fonction de rpartition de la loi Normale centre et rduite, d
0
=
1

T
__
r

2
2
_
T + ln
x
K
_
et d
1
= d
0
+

T.
Pour tout t < T, nous avons :
C
t
= S
t
(d
1
) Ke
r(Tt)
(d
0
)
avec d
0
=
1

T t
__
r

2
2
_
(T t) + ln
S
t
K
_
et d
1
= d
0
+

T t.
Nous avons ainsi obtenu la formule ferme dvaluation du prix dun call europen dans le cadre de la
modlisation de Black et Scholes.
Des modles plus rafns pour le pricing de produits drivs ont t mis en place comme ceux volatilit
stochastique (Heston) par exemple prenant en compte la caractre non gaussien des actifs nanciers. Ceci
nest pas lobjet de ce cours.
Volatilit implicite
La volatilit est en effet dans la ralit non constante. Ceci est rvl par un indicateur trs usit dans la
pratique : la volatilit implicite.
Les agents des marchs nanciers valuent les calls et puts non pas laide de leur prime mais laide de
lunique paramtre pouvant tre valu diffremment suivant les agents dans lvaluation de Black-Scholes :
. Et lon va parler alors de volatilit implicite, dtermine comme la valeur de la volatilit que les agents
ont utilise pour pricer le produit driv. La relation entre prime du call, et du put, et volatilit implicite est
positive : plus la volatilit implicite sera leve, plus les agents anticiperont une variabilit importante et
donc une incertitude du march plus forte, et plus il cotera cher dacheter un produit driv tant donne
lincertitude leve concernant la valeur du sous-jacent maturit.
60 Stratgies dinvestissement
Il est intressant en outre de prciser que la volatilit implicite nest pas constante suivant la position du
strike par rapport la valeur du sous-jacent : la monnaie, la volatilit implicite est la plupart du temps
son point le plus bas, et plus on sloigne de la monnaie, plus elle est leve. On appelle ce phnomne le
smile de volatilit.
Ce smile se rvle tre souvent un skew, car la volatilit implicite est plus leve pour des valeurs du sous-
jacent faibles (achat de puts pour se couvrir contre la baisse des marchs) que pour des valeurs leves
(achat de calls). En effet, la demande de couverture contre la baisse du march est plus forte que celle
contre la hausse : les agents seront plus sensibles au risque de baisse quau risque de hausse.
3.2.2 Couverture en delta statique
A partir de ces produits drivs, nous sommes capables de dvelopper des stratgies dimmunisation contre
la variation du sous-jacent. La premire est la couverture en delta, combinant call et sous-jacent.
La valeur dun portefeuille V
t
compos dun call et de son sous-jacent est en 0 V
0
= C
0
+ S
0
. Ce por-
tefeuille est insensible au cours du sous-jacent si le portefeuille a une variabilit par rapport au sous-jacent
nulle, cest--dire si
V
0
S
=
C
0
S
+ = 0. Or lindicateur Delta du call en 0 est
0
=
C
0
S
= (d
1
) et
donc nous obtenons : = (d
1
). Le portefeuille de couverture est donc compos de lachat dun call
par exemple et de la vente de (d
1
) sous-jacent.
Si nous xons ce Delta pour toute la priode dimmunisation (la proportion de sous-jacents est donc xe

0
), nous produisons une couverture statique non optimale car le Delta a besoin dtre ajust au cours du
temps et de lvolution du sous-jacent. Cette couverture non dynamique peut tre amliore laide dune
couverture dynamique qui dpasse le cadre de ce cours.
3.2.3 Assurance de portefeuille
Lobjectif de gestion en assurance de portefeuille est dassurer un portefeuille actions contre une perte
importante ; les techniques quantitatives sont essentiellement issues de lutilisation des produits drivs
ainsi que de lestimation de la perte contre laquelle le grant veut se protger.
Nous dnissons un horizon T de gestion ainsi quune valeur plancher F
T
en-dessous de laquelle la valeur
du portefeuille ne doit pas tomber lhorizon. Un cas particulier classique est celui de la garantie de la
valeur initiale du portefeuille horizon. Trois types de stratgie sont prsentes :
1. la stratgie stop-loss,
2. la stratgie optionnelle,
3. la stratgie du coussin.
Stratgie stop-loss
Cette mthode est la plus simple. Nous considrons un portefeuille dont lunivers de gestion se rduit un
indice actions et un actif montaire sans risque. Le stop-loss est habituellement utilis pour garantir un
portefeuille investi entirement en actif risqu, ici en actions.
La mthode stop-loss consiste vendre lindice actions lorsque la valeur de ce dernier touche la valeur
plancher, et conscutivement placer largent au taux sans risque. Le grant achtera nouveau lindice
lorsque la rentabilit, cumule depuis lorigine, des actions le constituant deviendra plus intressante que
linvestissement dans lactif montaire. Nous allons dcrire cette mthode laide dun exemple numrique
simple.
Supposons une discrtisation du temps en 5 priodes. La valeur plancher est xe la date T = 5 (horizon
de gestion) F
T
= 100, valeur de lindice actions la date initiale t = 0. Le taux dintrt est suppos
constant et gal sur les 5 priodes r
f
= 2%. La valeur du plancher F
T
doit donc tre actualise
1
pour
1
Le taux entre 2 dates est gal
_
1 + r
f
_ 1
T
1 = (1 + 0.02)
1
5 1 0.40%.
Stratgies de couverture du risque 61
dterminer F
t
la date t T :
F
t
=
F
T
(1 +r
f
)
Tt
T
Ainsi, la valeur initiale F
0
du plancher garantissant une valeur du portefeuille suprieure ou gale 100
horizon est gale :
F
0
=
100
1 + 0.02
98.04
Cette valeur volue bien sr chaque date. Lindice actions volue aussi mais de manire plus erratique.
Son niveau va dterminer la composition du portefeuille stop-loss : vente de lindice actions lorsque le
plancher est travers, achat lorsque la rentabilit cumule depuis la date t = 0 est suprieure celle du taux
sans risque. Nous supposons aussi quil ny a pas de cots de transaction.
Enn, ajoutons que, dans la pratique, il nest pas possible de transfrer linvestissement juste au moment
o lactif risqu touche le plancher : il y a toujours un dlai, ce qui est pris en compte dans lexemple
numrique.
Date Plancher Montaire Actions Portefeuille
Valeur Renta. cumul. Valeur Renta. cumul. Actions Montaire Total
0 98.04 100 - 100 - 100 0 100
1 98.43 100.40 0.40% 105 5% 105 0 105
2 98.82 100.80 0.80% 98 2% 0 98 98
3 99.21 101.20 1.20% 101 1% 0 98.39 98.39
4 99.60 101.60 1.60% 104 4% 98.78 0 98.78
5 100 102 2% 106 6% 100.68 0 100.68
TAB. 3.3 Stratgie stop-loss
A la date 2, la valeur de lindice actions (98) passe en-dessous de la valeur actualise du plancher (98.82) :
le grant rinvestit alors tout son capital dans lactif montaire sans risque. A la date 4, la rentabilit cumu-
le des actions (4%) est suprieure celle de lactif montaire (1.60%), ce qui ntait pas le cas la date 3 :
cest donc le signal pour transfrer le capital dans lindice actions pour la dernire priode.
Cette stratgie simple a plusieurs limites :
1. les transferts de capital sont trs importants. Cest tout ou rien : le portefeuille stop-loss est investit
soit entirement en actions, soit entirement en montaire. Les cots de transaction peuvent alors tre
prohibitifs.
2. cette stratgie fonctionne lorsquil y a des tendances marques sur le march actions. En effet, on
investit dans les actions aprs que la valeur de ces dernires a mont. Pour en retirer un prot, il faut
qu la priode suivante, les actions continuent de monter. Dans notre exemple, si les actions avaient
subi une baisse entre les dates 4 et 5, la valeur du portefeuille lhorizon aurait t infrieure au
plancher. La garantie du capital nest donc pas assure dans un march volatil, sauf supposer que le
transfert de capital entre actions et montaire est ralis juste au moment o le portefeuille touche le
plancher, ce qui est malheureusement pas raliste dans la pratique.
Les 2 mthodes suivantes vont permettre de dpasser les limites de la stratgie stop-loss.
Stratgie optionnelle
Pour introduire les stratgies optionnelles, prenons lexemple dun portefeuille dont le capital initial est de
100 et qui garantit 100% du capital dans 2 ans. On va alors acheter un zro-coupon qui aura pour valeur
62 Stratgies dinvestissement
100 dans deux ans et dont la valeur aujourdhui est
100
(1 +r
f
)
2
96, avec r
f
= 2% le taux dintrt sans
risque. On peut donc risquer ce qui reste du portefeuille, cest--dire environ 10096 = 4, en tant certain
de garantir dans les 2 ans 100% du capital initial investi. Avec ces 4, on achte des calls. Ceci permettra de
proter dune partie de la hausse du march actions sans prendre aucun risque.
Le portefeuille ainsi gr est un fonds ferm capital garanti, cest--dire quon structure lallocation au
dpart et on ne la change plus jusqua lhorizon.
Les stratgies optionnelles sont aussi dnommes Option Based Portfolio Insurance ou OBPI, et sont des
structures simples permettant de garantir le capital dun portefeuille dactifs risqus.
La premire mthode dassurance de portefeuille base doptions a t introduite par Leland et Rubinstein
en 1976. Elle consiste investir dans un actif risqu S couvert par un put sur cet actif. Cette stratgie per-
met, quelle que soit la valeur de lactif risqu lchance du put, de garantir un capital minimum gal au
prix dexercice K du put. Le plancher devient alors dans cette stratgie le strike du put F
T
= K et lhorizon
la maturit T du put.
Cette stratgie se trouve tre quivalente celle qui achte K zro-coupon de nominal 1 et un call de prix
dexercice K. Pour comprendre cela, il est tout dabord ncessaire de dnir la formule de parit call-put
permettant de donner le prix dun put europen P
t
partir de celui dun call europen C
t
en t :
C
t
P
t
= S
t
Ke
r(Tt)
Pour dmontrer cette formule, il suft de construire deux stratgies ayant les mmes ux maturit et
dutiliser lAOA.
Soit la premire stratgie qui consiste acheter un call et vendre un put, sur le mme actif, de mmes
maturits et prix dexercice. En t < T, ce portefeuille a pour valeur C
t
P
t
, et en t = T, (S
T
K)
+

(K S
T
)
+
= S
T
K.
La seconde stratgie, consistant acheter le titre et vendre K zro-coupon dchance T, a le mme ux
en T, cest--dire S
T
K. Et cette stratgie a pour valeur en t < T : S
t
Ke
r(Tt)
. Ainsi, par AOA,
nous retrouvons la formule de parit call-put.
Daprs cette dernire, la valeur de la stratgie OBPI est gale :
V
t
= S
t
+P
t
= Ke
r(Tt)
+C
t
t < T
V
T
= S
T
+ (K S
T
)
+
= K + (S
T
K)
+
lchance T
Ces stratgies, utilisant soit un put, soit un call, garantissent bien le capital K chance T puisque :
V
T
=
_
S
T
si S
T
> K
K si S
T
K
En plus de garantir le capital dans le cas de march baissier, ces stratgies permettent, en outre, de proter
sensiblement de la hausse des marchs, cest--dire lorsque S
T
> K. En effet, nous avons alors pour une
stratgie optionnelle utilisant un put :
V
T
V
0
=
S
T
S
0
S
0
S
0
+P
0
Ainsi, la stratgie prote dune hausse un peu infrieure, le facteur
S
0
S
0
+P
0
est infrieur 1, celle des
marchs actions tout en conservant le capital. Prcisons que plus le plancher est lev, plus le prix dexer-
cice du put slve et donc plus le put est cher. La garantie devient logiquement plus chre et le gain suite
une hausse des actions moins lev puisque lexposition aux actions sera plus faible.
Stratgies de couverture du risque 63
Dans le cas de la stratgie OBPI avec un call, si les marchs montent, le portefeuille prote de cette hausse
hauteur du gearing. Le portefeuille est compos dun actif montaire sans risque valant la garantie
chance T et le reste est investi dans des calls. Le gearing est le niveau dexposition du portefeuille
lactif risqu via les calls dtermin de la manire suivante :
g =
V
0
F
0
C
0

S
0
V
0
Ce gearing, infrieur 1, value la participation du portefeuille OBPI avec calls la hausse de lindice
actions.
Une limite apparat lorsquil nexiste pas de produits drivs sur le sous-jacent gr. La solution est alors
de rpliquer la stratgie optionnelle laide dune allocation en actif montaire et sous-jacent. Nanmoins,
cette rplication nassurera pas aussi parfaitement le portefeuille.
Partant de la stratgie OBPI avec un put et utilisant le pricing du call de Black et Scholes, nous obtenons :
V
t
= S
t
+P
t
= Ke
r(Tt)
+C
t
t < T
= Ke
r(Tt)
+S
t
(d
1
) Ke
r(Tt)
(d
0
)
= S
t
(1 +
P
t
) +Ke
r(Tt)
(1 (d
0
))
avec d
0
=
1

T t
__
r

2
2
_
(T t) + ln
S
t
K
_
et d
1
= d
0
+

T t.
Cette expression nous permet de dterminer les allocations du portefeuille OBPI en actions et actif mon-
taire qui permettent de rpliquer la stratgie optionnelle OBPI. Cette stratgie revient donc investir en t
_
1 +
P
t
_
S
t
S
t
+P
t
en actions et le reste en actif montaire.
Les limites de ces stratgies OBPI sont conscutives lutilisation de produits drivs. En effet, les hypo-
thses de leur valuation peuvent poser problme (volatilit constante, diffusion gaussienne).
En outre, il est ncessaire de xer un horizon. La dernire mthode va permettre de sexonrer de la xation
de lhorizon : elle sera alors utilise pour les fonds non plus ferms mais ouverts.
Stratgie du coussin
La stratgie du coussin ou Constant Proportion Portfolio Insurance (CPPI) est une mthode relativement
exible.
Reprenons lexemple prcdent dun portefeuille dont le capital initial est de 100 et qui garantit cette fois
95% de sa valeur chaque instant. Il est compos dun zro-coupon et dun actif risqu, un indice actions
par exemple. La logique premire vue voudrait que lon investisse 95 en zro-coupon et seulement 5 en
actions. Ces 5 correspondent ce que lon appelle le coussin, diffrence entre la valeur du portefeuille et la
valeur plancher (valeur capitalise de la garantie).
Mais cette logique fait lhypothse implicite que le march actions peut subir une perte de 100% en un
seul jour (si on suppose que lallocation volue quotidiennement), ce qui est peu vraisemblable. Ainsi, il est
donc possible de risquer plus que le coussin hauteur de la perte maximale potentielle que pourrait subir
le march actions.
Pour estimer cette perte potentielle ou indice de stress, il est classique dintroduire la notion de temps de
retour de cette perte, x gnralement entre 30 et 50 ans. permet alors de dnir la probabilit qui
dterminera le quantile de perte maximale tolrable pour la stratgie du coussin. Cette probabilit est gale

1
252
, 252 correspondant au nombre de jours gnralement trads sur un an. La Thorie des Valeurs
Extrmes peut tre mobilise dans le calcul de cet indice de stress.
64 Stratgies dinvestissement
Supposons que ce dernier vaille 15% pour un temps de retour = 50 ans. Ceci signie que le march
subit une perte infrieure 15% une fois tous les 50 ans. Le march peut donc perdre en une journe au
maximum 15% et non pas 100%. En dautres termes, sur un portefeuille de valeur 100, on peut perdre au
maximum 15 ; comme dans notre portefeuille, on peut perdre au maximum 5 (la garantie est de 95%), on
peut donc investir 5
100
15
= 5 6.67 33.35. Linverse de lindice de stress
100
15
sappelle le multiplica-
teur. Si on investit en actif risqu 33.35, on est relativement certain de perdre au maximum 5 et on dpassera
le plancher seulement une fois tous les 50 ans.
Lexposition e en actions est donc un multiplicateur m du coussin c : e = c m. Le reste est investi en actif
montaire. La valeur du coussin volue au cours du temps avec lvolution du plancher, capitalis, et celle
de lindice actions. Le montant investi en actions doit toujours tre gal e. Pour viter les rebalancements
trop frquents, il est communment dtermin une tolrance sur le multiplicateur m (par exemple 10%).
Plus le multiplicateur est faible, plus la garantie est certaine ; plus le multiplicateur est lev, plus le porte-
feuille prote de la hausse du march actions.
Des stratgies de coussin dynamiques, donc plus complexes, peuvent tre aussi mises en place : nous pen-
sons aux stratgies Dynamic Portfolio Insurance (DPI), dterminant un coussin dynamique, ou encore les
stratgies Time Invariant Portfolio Protection (TIPP) contraignant la valeur plancher voluer non plus en
fonction du taux sans risque mais en fonction de la valeur du portefeuille.
Conseil pratique de gestion
Couvrir le risque pour un grant peut se faire moindre frais (produits drivs relativement peu chers)
et permettre de sassurer facilement contre la baisse par exemple des actifs dans lesquels il a investi. Les
stratgies prsentes ci-dessus sont statiques mais existent aussi en version dynamique, permettant ainsi
une couverture plus optimale.
Stratgies de cration de performance 65
3.3 Stratgies de cration de performance
Pour crer de la performance, il est possible de construire ce que lon appelle des moteurs de performance
quantitatifs et nancires. Ceci va souvent sintgrer dans une gestion que lon dnomme core-satellite avec
un coeur dallocation classique et des satellites dveloppant des stratgies quantitatives performantes.
Deux types de stratgies sont possibles : les stratgies long-only qui achtent seulement lorsque le signal
quantitatif dni sur une classe dactifs est positif, et les stratgies long-short qui vendent en plus lorsque
les signaux du modle sont ngatifs.
Avant dnumrer certaines stratgies quantitatives, il est ncessaire de prsenter brivement la mise en
pratique de la technique de rgression, qui sera la base de nombreuses stratgies.
Mise en pratique de la rgression
Nous nallons pas rappeler les fondements mathmatiques du modle de rgression linaire mais plutt
expliciter comment mettre en oeuvre cette technique sur des chantillons de donnes. Trois points essentiels
sont abords pour viter tout problme danalyse :
1. Au pralable, il est primordial dviter toute rgression fallacieuse (spurious regression), cest--
dire un modle essayant de rgresser une variable intgre dordre 1 (non-stationnaire) sur dautres
variables non-stationnaires. Ce problme a t mis en vidence par Granger et Newbold [16]. Une
rgression fallacieuse va conclure des relations errones entre variables, car statistiquement inva-
lides. Il est donc primordial de travailler avec des donnes stationnaires (les rentabilits le sont par
exemple).
2. En outre, une question essentielle va se poser sur la forme de lchantillon de donnes pour dterminer
les paramtres des rgressions. Deux possibilits soffrent nous :
on xe le point initial de notre chantillon et on empile les donnes au fur et mesure quelles
apparaissent : on ralise alors des rgressions rcursives,
ou alors on xe la taille de lchantillon et on fait glisser nos chantillons, de taille xe, au fur et
mesure du temps : on ralise alors des rgressions glissantes.
Ce choix na pas de rgle ge. En fait, il dpend dun arbitrage entre ractivit des estimateurs
et bonnes proprits statistiques. Plus lchantillon sera de petite taille, moins il sera pollu par les
valeurs du pass mais plus il aura des proprits statistiques mauvaises. Une solution alternative,
dpassant le cadre de ce cours, est lutilisation du ltre de Kalman pour avoir des paramtres de
rgression robustes et ractifs en mme temps.
3. Enn, il va falloir valuer le pouvoir prvisionnel du modle pour les stratgies de prvision. Deux
indicateurs sont possibles :
le Root Mean Squared Error (RMSE) gal

_
1
N
N

i=1
( y
i
y
i
)
2
avec y
i
la valeur prvue par le
modle de la valeur ralise y
i
sur les N prvisions,
le taux de bon classement gal
card[ y
i
y
i
> 0]
N
permettant de juger le bon sens de la prvision.
Il est possible dajouter des seuils pour ne prendre en compte que les prvisions importantes en
valeur absolue, cest--dire celles qui font gagner de largent.
Ces indicateurs dtermins sur les modles de rgression sont comparer un modle de prvision
nave, prvoyant pour la valeur de demain la valeur daujourdhui : on lappelle la marche alatoire.
Elle signie que les marchs sont efcients et quaucune information passe ne peut aider prvoir
le prix dun actif.
66 Stratgies dinvestissement
3.3.1 Stratgies actions
Les stratgies dveloppes sur les actions sont nombreuses.
Stratgies de style
Tout dabord elles peuvent associer aspects qualitatifs et quantitatifs : ceci est le cas pour les stratgies
de style, de capitalisation ou sectorielles. Ainsi, la segmentation va tre qualitative, via la distinction entre
actions Growth et Value, Small Cap, Mid Cap et Large Cap ou encore les secteurs, mais aussi quantitative
puisque ces distinctions sont fondes sur des ratios nanciers, sensibilits , capitalisations, etc.
Conseil pratique de gestion
Il se rvle dans la pratique trs intressant de segmenter la gestion des actions suivant les secteurs in-
dustriels. Suivant les anticipations du grant, il pourra tre alors protable dallouer par exemple son
investissement entre 4 super-secteurs : dfensifs ( < 1, Big et Value), cycliques ( 1, Small et Value),
nancires ( > 1 Big et Value), et croissance ( > 1, Small et Growth). Ces segments sectoriels auront
alors des ractions diffrentes au cycle conomique.
Stratgies fondes sur les modles dvaluation de la prime de risque
En outre, les stratgies actions peuvent se fonder sur linefcience des marchs : linformation publique
nest pas totalement intgre dans lvaluation de laction et de sa prime de risque. La logique sous-jacente
ces stratgies a dj t dveloppe dans la section 1.2.2.
Conseil pratique de gestion
Nous prsentons deux exemples de stratgies :
Les stratgies qui protent de la sous-valuation des socits bien gouvernes et de la sur-valuation
des socits mal gouvernes. En effet, linformation sur la gouvernance est souvent mal intgre dans la
prime de risque dune action : ainsi, les entreprises bien gouvernes devraient avoir une prime de risque
plus faible et donc une valorisation de leur action plus forte, car une bonne gouvernance signie une
diminution de lincertitude concernant la distribution des dividendes, la base de la valorisation dune
action. Et vice-versa pour une entreprise mal gouverne.
Les stratgies fondes sur le momentum de prix. En effet, Jegadeesh et Titman [19] ont montr en 1993
la protabilit dune stratgie achetant des titres dont la rentabilit les 6 derniers mois tait forte et
vendant les titres dont la rentabilit tait faible. Le momentum de prix ici signie que les agents nont
pas totalement intgr linformation disponible et que ladaptation peut mettre plus de 6 mois. Hong
et Stein [18] ont alors tent de dvelopper un modle conomique expliquant de manire normative la
sous-raction des agents la diffusion de linformation crant cet effet de momentum de prix.
Stratgies de cration de performance 67
3.3.2 Stratgies sur dautres classes dactifs
Outre les actions, dautres classes dactifs peuvent rvler des arbitrages dvaluation importants.
Conseil pratique de gestion
Nous prsentons deux exemples de stratgies :
Le Bund est un future dont le sous-jacent est constitu des emprunts dEtat allemand 10 ans. Il est
suivi de trs prs par les intervenants nanciers car il donne la direction des marchs de taux de la zone
Euro. Nous pouvons nanmoins russir prvoir sa rentabilit laide de variables macro-nancires
classiques : indice actions, pente de taux, spread corporate (proxy de laversion au risque), momentum
du prix du ptrole, etc.
Les arbitrages de taux entre pays, appels carry trade, se sont dvelopps partir de la non-efcience
des marchs de change et la non-vrication de la parit non couverte des taux dintrt, cette dernire
stipulant que la diffrence entre lanticipation du taux de change et le taux de change au comptant est
gale la diffrence entre le taux dintrt domestique et le taux dintrt du pays tranger. La non-
efcience des marchs de change est dautant plus afrme sur les marchs mergents. Ainsi, la stratgie
consistera investir sur les devises qui prsentent des taux dintrt levs et emprunter avec des
devises de taux dintrt faibles.
3.3.3 Hedge funds
Lensemble de ces stratgies quantitatives va tre trs performant. Mais ces stratgies se fondent souvent
la possibilit de vente dcouvert. Ceci sous-entend donc une rglementation plus exible des marchs
nanciers. Elles sont donc principalement utilises par des acteurs plus libres pouvant sinstaller scalement
dans des pays rglementation plus laxiste : ces acteurs sont les hedge funds.
Dnition
Les hedge funds sont depuis quelques annes sous les feux des projecteurs cause de leur croissance trs
importante la n des annes 90 (cf. Figure 3.1). Ceci est en particulier d la dcision de nombreux
investisseurs institutionnels de se diversier aprs le choc boursier de mars 2000 et des rendements obliga-
taires faibles. Le plus important fonds de pension CalPERS a ainsi en septembre 1999 investi 11 milliards
de dollars dans les investissements alternatifs, cest--dire les hedge funds
2
.
Mais alors comment dnir ces investissements diffrents ? Pour cela, il faut sintresser au premier hedge
fund cr par Alfred Winslow Jones en 1949. En fait le terme hedge fund est cit pour la premire fois
en 1956 pour dcrire le fait que le fonds dinvestissement de Jones est la fois leveraged et hedged. En
effet, lobjectif de Jones, et de nombreux hedge funds aujourdhui encore, est de dvelopper des stratgies
assurant un fort rendement tout en ayant une faible exposition aux uctuations des marchs sur lesquels il
investit. Dans ce but, il combine deux techniques fortement spculatives :
1. Il ralise un stock picking judicieux qui consiste acheter de bonnes actions et vendre de mauvaises
actions, lui permettant de simmuniser de la baisse des marchs puisque les mauvaises actions qui
sont vendues baissent plus fortement que les bonnes. Cette stratgie permet donc de diminuer le
risque de march pris par linvestisseur, qui se couvre alors contre les volutions dfavorables du
march. Toute la difcult est de dterminer les bonnes actions des mauvaises.
2. Il achte ensuite, pour augmenter son rendement, les bonnes actions crdit pour ne pas dpenser
trop. Ce mcanisme correspond au levier de linvestissement.
Ainsi, en combinant la couverture et le levier, Jones arrive obtenir entre 1949 et 1966 un rendement annuel
de 17.3%, tout en prlevant 20% de commissions sur la performance du fonds, ce qui est exceptionnel.
2
Le terme alternatif dnit des investissements sopposant aux investissements traditionnels des mutual funds.
68 Stratgies dinvestissement
Revenons sur le levier issu de lemprunt. Soit un investissement en t gal I
t
. La rentabilit de cet inves-
tissement lhorizon h est gale :
r
t|t+h
=
I
t+h
I
t
1
Si linvestissement I
t
est complt par un capital D
t
emprunt au taux r
0
t|t+h
, la rentabilit est compose
dun effet de levier :
r
l
t|t+h
=
(I
t
+D
t
)(1 +r
t|t+h
) (I
t
+D
t
) D
t
r
0
t|t+h
I
t
= r
t|t+h
+
D
t
I
t
(r
t|t+h
r
0
t|t+h
)
= r
t|t+h
+
D
t
I
t
r
t|t+h
Le facteur
D
t
I
t
est le levier de linvestissement. Le levier est intressant si la rentabilit de linvestissement
sans levier est suprieure au cot de lemprunt.
La performance de Jones attire bien videmment des investisseurs comme Warren Buffet et George Soros
pour les plus connus aujourdhui. Mais un problme va survenir dans les annes 60. Alors que le trend du
march amricain est haussier, les nouveaux grants alternatifs vont tre tents de ne plus se couvrir, en
vendant dcouvert, puisque cette technique leur fait perdre de largent, les actions vendues tant aussi
protables. Au lieu dtre long/short, ils deviennent pour beaucoup long. Mais lorsquen dcembre 1968,
les marchs se retournent, la plupart des hedge funds, non couverts, font faillite. La Securities and Exchange
Commission (SEC) note alors une diminution des hedge funds, passant de 215 seulement 30 en 1971. Les
hedge funds retournent dans lanonymat mdiatique.
Les annes 80, via la maturation des nouvelles techniques nancires, vont voir un nouvel essor des hedge
funds qui vont augmenter pour atteindre 250 en 1989, puis 2700 en 1996. Leur performance exceptionnelle
cre leur succs (cf. Figure 3.1). Mais les annes 90 vont voir aussi la faillite retentissante de certains fonds :
la plus clbre est celle de Long-Term Capital Management (LTCM), cause par la crise asiatique et la d-
valuation du rouble conscutive. En effet, LTCM est ce moment-l long dobligations hauts rendements
(junk bonds), qui deviennent illiquides en 1998 cause de la demande importante des investisseurs pour
des obligations de bonne qualit (y to quality).
Cette faillite, puis aussi celle en 2005 du fonds Amaranth, nont nanmoins pas permis lessor dune rgle-
mentation sur ces socits de gestion particulires. En effet, outre les utilisations de techniques spculatives
risques, les hedge funds se caractrisent par une rglementation trs souple voire inexistante, ainsi quune
possibilit trs limite pour leur client de retirer le capital investi dans ces fonds. Peut-tre faudrait-il se
rsoudre rglementer ces vhicules dinvestissement. La crise nancire de 2007-2008 voit lessor dune
volont politique allant dans ce sens. Il est difcile pourtant de responsabiliser les hedge funds comme tant
lorigine de cette crise. Nanmoins, leurs activits spculatives ont accompagn et certainement permis la
frnsie de ces dernires annes qui a abouti limplosion de 2008 : hausse du prix des matires premires,
hausse du prix du ptrole, titrisation dmesure demprunts subprimes, fraude Madoff, etc.
Mais les caractristiques trs particulires des hedge funds rendent aujourdhui difcile lapplication dune
rglementation et la mise en place de mesures de risque adquates.
Pour mieux comprendre ces caractristiques, nous allons expliciter les diffrentes stratgies que les hedge
funds peuvent mettre en place, dveloppes depuis la stratgie long/short de Jones.
Stratgies
Les hedge funds sont caractriss par des techniques complexes de levier et de couverture, ainsi quune
transparence limite dans la gestion de leurs capitaux et des marges commerciales trs importantes ponc-
Stratgies de cration de performance 69
tionnes sur la performance des investissements. Mais il est aussi possible de segmenter les hedge funds en
quatre grandes familles de stratgies :
1. Les stratgies darbitrage (relative value arbitrage) tentent de tirer prot de linefcience des marchs
nanciers laide de mthodes souvent statistiques. Elles font lhypothse que linefcience va se
rsorber avec le temps et donc vont faire un prot signicatif en achetant les valeurs sous-values et
en vendant celles sur-values. Ces stratgies se dveloppent sur nimporte quel instrument nancier.
2. Les stratgies vnementielles (event driven) utilisent des vnements sur les socits lorigine
danomalies que la stratgie essaie dexploiter pour crer de la performance. Ainsi lors de fusion-
acquisitions, les prix des actions des socits ne sont pas forcment leur juste valeur et la stratgie
tente de tirer prot de cette anomalie. De mme, il est possible de faire des prots en prtant et
investissant dans des socits en dtresse qui sont gnralement sous-values. Ces stratgies peuvent
saccompagner aussi dune prise de position non ngligeable des hedge funds dans les dcisions de
gouvernance dentreprise : nous parlons alors de hedge funds activistes.
3. Les stratgies directionnelles (tactical trading) prennent des positions sur les tendances des marchs.
Elles se composent principalement des stratgies :
Global macro, qui sappuient sur les fondamentaux conomiques des marchs pour prendre des
positions directionnelles,
Long/short equity hedge, comme celle de Jones, qui peuvent aussi utiliser des produits drivs pour
se couvrir et proter du levier.
4. Les stratgies hybrides regroupent des hedge funds appliquant plusieurs stratgies diffrentes ainsi
que les fonds de hedge funds qui se sont fortement dvelopps ces dernires annes. Ces fonds de
hedge funds ralisent des enqutes sur les politiques dinvestissement des fonds dans lesquels ils sou-
haitent investir. Ces enqutes, portant le nom de due diligence, que lon peut traduire par vrication
pralable, ont accru les besoins en modlisation de la performance des hedge funds.
2
0
0
4
0
0
6
0
0
8
0
0
1
0
0
0
1990 1995 2000 2005
Indice de Hedge Funds
S&P 500
FIG. 3.1 Comparaison des volutions dun indice de hedge funds et dun indice action (dividendes nets
rinvestis)
Ces stratgies relativement performantes en termes de ratio de Sharpe attirent de nombreux investisseurs.
Certains tentent mme de rpliquer la performance ralise par les hedge funds en utilisant des produits
plus liquides. Ces techniques de rplication peuvent permettre aux investisseurs dobtenir des performances
similaires sans les contraintes de lock-up (capital rcuprable certaines priodes seulement), mais aussi
un rgulateur de calculer des mesures de risque adquates.
70 Stratgies dinvestissement
Conseil pratique de gestion
Les hedge funds sont de plus en plus intgrs dans des process de multigestion proposant indirectement
des investisseurs de placer leur pargne dans des hedge funds. Cette stratgie permet une diversication
souvent bienfaitrice pour un fonds dactifs nanciers traditionnels.
CONCLUSION
Ce cours de Gestion Quantitative de Portefeuille a essay de proposer, sans prtention, un tat de lart
concernant lallocation des actifs et ses outils quantitatifs daide la dcision. Nous avons pu ainsi tenter
de comprendre les enjeux de la nance contemporaine et la ncessit de plus en plus grande de bien grer
lpargne collective mondiale. Puis nous avons continu par dcrire les premiers outils quantitatifs mesurant
les risques de variation des actifs et les performances des investissements. Enn, nous avons pu entrer plus
prcisment dans la bote noire de lallocation optimale et des stratgies dinvestissement, couvrant autant
les problmatiques dimmunisation contre le risque que les stratgies quantitatives, trs utiles pour booster
la performance dun fonds.
Nous esprons quaprs ce cours et ses ateliers, des comptences en gestion de portefeuille auront pu tre
dveloppes, pour crer efcacement un portefeuille performant tout en ne prenant pas des risques dme-
surs.
71
BIBLIOGRAPHIE
[1] AFTALION, F., PONCET, P. & PORTAIT, R., 1998, La Thorie Moderne du Portefeuille, Que
sais-je ?, PUF.
[2] AGLIETTA, M. & REBERIOUX, A., 2004, Drives du Capitalisme Financier, Albin Michel.
[3] BECK, U., 1986, La socit du Risque : Sur la Voie dune Autre Modernit, Flammarion, Paris.
[4] BERLE, A. & MEANS, G., 1932, The Modern Corporation and Private Property, Harcourt, Brace
and World, New York.
[5] BERNSTEIN, P., 1995, Des Ides Capitales, PUF, Quadrige.
[6] BERTRAND, P. & PRIGENT, J.L.., 2006, Gestion de Portefeuille, Economica.
[7] BRIGO, D. & MERCURIO, F., 2001, Interest Rate Models - Theory and Practice, Springer Fi-
nance, Berlin.
[8] CARHART, M., 1997, On Persistence in Mutual Fund Performance, Journal of Finance, 52, 57-82.
[9] DANA, R. & JEANBLANC-PICQUE, M., 1998, Marchs Financiers en Temps Continu - Valori-
sation et Equilibre, Economica.
[10] EFRON, B., 1995, Le Bootstrap et ses Applications, CISIA.
[11] FABOZZI, F., FOCARDI, S. & KOLM, P., 2006, Financial Modelling of the Equity Market, Wiley
Finance.
[12] FAMA, E.F., 1998, Market Efciency, Long-Term Returns, and Behavioral Finance, Journal of
Financial Economics, 49, 283-306.
[13] FAMA, E. & FRENCH, K., 1993, Common Risk Factors in the Returns on Stocks and Bonds,
Journal of Financial Economics, 33, 3-56.
[14] GIDDENS, A., 1991, Les Consquences de la Modernit, LHarmattan.
[15] GURLEY, J.G. & SHAW, E.S., 1960, Money in a Theory of Finance, The Brookings Institution,
Washington.
[16] GRANGER, C.W.G. & NEWBOLD, P., 1974, Spurious Regressions in Econometrics, Journal of
Econometrics, 26, 1045-1066.
[17] HICKS, J., 1975, Crisis in Keynesian Economics, Basil Backwell.
[18] HONG, H. & STEIN, J.C., 1999, A Unied Theory of Underreaction, Momentum Trading and
Overreaction in Asset Markets, Journal of Finance, 54, 2143-2184.
[19] JEGADEESH, N. & TITMAN, S., 1993, Returns to Buying Winners and Selling Losers : Implica-
tions for Stock Market Efciency, Journal of Finance, 48, 65-91.
[20] JOLLIFFE, I.T., 1986, Principal Component Analysis, Springer.
[21] LAMBERTON, D. & LAPEYRE, B., 1991, Introduction au Calcul Stochastique Appliqu la
Finance, Mathmatiques et Applications, Ellipses.
[22] LARDIC, S. & MIGNON, V., 2002, Economtrie des Sries Temporelles Macroconomiques et
Financires, Economica.
72
Bibliographie 73
[23] LINTNER, J., 1965, The Valuation of Risk Assets and the Selection of Risky Investments in Stock
Portfolios and Capital Budgets, Review of Economics and Statistics, 47, 13-37.
[24] MARDIA, K.V., KENT, J.T. & BIBBY, J.M., 2003, Multivariate Analysis, Academic Press, Lon-
don.
[25] MARKOWITZ, H., 1952, Portfolio Selection, Journal of Finance, 7, 77-99.
[26] MERTON, R.C., 1972, An Analytic Drivation of the Efcient Portfolio Frontier, Journal of Finan-
cial and Quantitative Analysis, 7, 1851-1872.
[27] MOSSIN, J., 1966, Equilibrium in a Capital Asset Market, Econometrica, 34, 768-783.
[28] MUSIELA, M. & RUTKOWSKI, M., 1997, Martingale Methods in Financial Modelling, Applica-
tions of Mathematics, Springer.
[29] PERETTI-WATEL, P., 2000, Sociologie du Risque, HER/Armand Colin, Paris.
[30] PEROLD, A.F. & SHARPE, W.F., 1988, Dynamic Strategies for Asset Allocation, Financial Ana-
lysts Journal, 16-27.
[31] ROSS, S., 1976, The Arbitrage Theory of Capital Asset Pricing, The Journal of Economic Theory,
13.
[32] SHARPE, W., 1964, Capital Asset Prices : a Theory of Market Equilibrium under Conditions of
Risk, Journal of Finance, 19, 425-442.
[33] VIVIANI, J.L., 2001, Gestion de Portefeuille, Dunod.