Markowitz & Sharpe

Markowitz
 Pour gagner un rendement il faut prendre du risque!

▪ Pour battre le marché, il faut donc prendre plus de risque

3
 Le pouvoir de diversifier
90% des bénéfices de la diversification
L’écart type de rendement
des actions obtenues après
Risque non 12-18 actions.
systématique
(idiosyncratique,
diversifié)
Risque
total

L’`écart type de marché (risque

systématique)
Risque systématique

Nombre d’actions dans le portefeuille

4
Allocation entre un actif risqué et
un actif sans risque
 Issues
 Observe rapport risk/ rendement
 Demontrer comment les differents degres d’aversion
pour le risque affectent la repartition d’un portefeuille
entre un actif risque et un actif sans risque
Exemple
rf = 7% srf = 0%

E(rp) = 15% sp = 22%

y = % in p (1-y) = % in rf
.
E(rc) = yE(rp) + (1 - y)rf

par exemple, y = .75

E(rc) = .75(.15) + .25(.07)
= .13 or 13%
 E(r)
Combinaisons Possible

E(rp) = 15%
P

rf = 7%
F

0 22% s
Variance
sr = 0
f

sc = y s p
Combinaisons sans levier
si y = .75, then
s c = .75(.22) = .165 or 16.5%
si y = 1
s c = 1(.22) = .22 or 22%
si y = 0
sc = 0(.22) = .00 or 0%
 Avec levier
Emprunter au taux de l’actif sans risque et investir dans
l’actif risque
Avec 50% de levier
rc = (-.5) (.07) + (1.5) (.15) = .19

sc = (1.5) (.22) = .33

 E(r) CAL
(Capital
Allocation
Line)

P
E(rp) = 15%

E(rp) - rf = 8%

) S = 8/22
rf = 7%
F

0 P = 22% s
 .
sp2 = w12s12 + w22s22 + 2W1W2 Cov(r1r2)

s12 = Variance S1

s22 = Variance S2
Cov(r1r2) = Covariance de rendement pour
S1 and S2
Rendement Portefeuille
rp = W1r1 + W2r2
W1 = Proportion en S1
W2 = Proportion en S2
r1 = Rendement Espere sur S1
r2 = Rendement Espere sur S2
n

S
i =1
Wi = 1
Covariance
Cov(r1r2) = r1,2s1s2
r1,2 = Correlation

s1 = Ecart Type 1
s2 = Ecart Type 2
Coefficient de correlation

-1.0 < r < 1.0

Portefeuille de 3 actifs
rp = W1r1 + W2r2 + W3r3

s2p = W12s12+ W22s22 + W32s32

+ 2W1W2 Cov(r1r2)
+ 2W1W3 Cov(r1r3)
+ 2W2W3 Cov(r2r3)
 Portefeuille
E(rp) = W1r1 + W2r2

sp2 = w12s12 + w22s22 + 2W1W2 Cov(r1r2)

sp = [w12s12 + w22s22 + 2W1W2

Cov(r1r2)]1/2
 E(r) Portefeuille de 2 actifs avec
differentes correlations
13%

r = -1

r=0 r = .3
r = -1
8% r=1

12% 20% St. Dev

Les effets du coefficient de
correlation

 -1.0 < r < +1.0

 If r = +1.0, pas de reduction de risque possible

 Minimum Variance Combinaison
S1 E(r1) = .10 s = .15
1

r = .2
E(r2) = .14 s = .20
12
S2 2

s 22 - Cov(r1r2)
W1 =
s 12 + s 22 - 2Cov(r1r2)
W2 = (1 - W1)
Minimum Variance
Combinaison: r = .2
(.2)2 - (.2)(.15)(.2)
W1 =
(.15)2 + (.2)2 - 2(.2)(.15)(.2)

W1 = .6733
W2 = (1 - .6733) = .3267
 Minimum Variance: Rendement et
Risque avec r = .2
rp = .6733(.10) + .3267(.14) = .1131

s p = [(.6733)2(.15)2 + (.3267)2(.2)2 +
1/2
2(.6733)(.3267)(.2)(.15)(.2)]

1/2
s p = [.0171] = .1308
 Minimum Variance
Combinaison: r = -.3
(.2)2 - (.2)(.15)(.2)
W1 =
(.15)2 + (.2)2 - 2(.2)(.15)(-.3)

W1 = .6087
W2 = (1 - .6087) = .3913
 Minimum Variance avec r = -.3
rp = .6087(.10) + .3913(.14) = .1157

s p = [(.6087)2(.15)2 + (.3913)2(.2)2 +
1/2
2(.6087)(.3913)(.2)(.15)(-.3)]
1/2
s p= [.0102] = .1009
E(r) Variance Minimum

Frontiere Efficiente

Actifs Individual

minimum
variance
portefeuille
Minimum
variance
frontiere

Ecart
Type
Extension qui inclut un actif sans
risque
 La combinaison optimale devient lineaire et elle sera
dominante.
Tangente = (E(R) - Rf) / s
[ E(RP) - Rf ) / s P ] > [E(RA) - Rf ) / sA]
 ALTERNATIVE CALS CAL (P) CAL (A)
E(r)

M
M

P
P
CAL (Global
minimum variance)

A A

P P&F M A&F s
 Le pouvoir de diversifier
90% des bénéfices de la diversification
L’écart type de rendement
des actions obtenues après
Risque non 12-18 actions.
systématique
(idiosyncratique,
diversifié)
Risque
total

L’`écart type de marché (risque

systématique)
Risque systématique

Nombre d’actions dans le portefeuille

29
Proportions pour Min Var

s − Cov(rI , rJ )
2
w Min (I) = 2 J

s I + s J − 2Cov(rI , rJ )
2

w Min (J ) = 1 − w Min (I)

Proportions pour Portefeuille a Risque Optimal

[E(rS ) − rf ]s 2B − [E(rB ) − rf ]Cov(rS , rB )

wS =
[E(rS ) − rf ]s 2B + [E(rB ) − rf ]s S2 − [E(rS ) − rf + E(rB ) − rf ]Cov(rS , rB )
 ALTERNATIVE CALS CAL (P) CAL (A)
E(r)

M
M

P
P
CAL (Global
minimum variance)

A A

P P&F M A&F s
La Frontière Efficiente en Pratique
 La programmation quadratique rencontre des
problèmes de convergences algorithmique lorsque le
nombre de termes est trop eleve.
 L’utilisation de la frontière efficiente butte a un certain
nombre de problèmes en pratique car il faut estimer
les prévisions de rentabilités et les
variance/covariances entre chacun des titres.
En pratique..
 L’optimisation moyenne-variance est surtout utilisée
pour l’allocation d’actif et chaque classe d’actifs sera
résumée par un indice ou benchmark spécifique.
 Exemple d’outil de modélisation variance/covariance:
GARCH et Volatilité Implicite.

 Modèles a Facteurs. s t2 =  0 + 1rt 2−1 + 1s t2−1

VaR
 Perte qui sera dépassée avec une probabilité de
seulement p% sur une période T.
 Autrement dit il y (1-p)% de chance de perdre moins
que Var sur la période T.
Value At Risk Analysis
 Bale II autorise les banques à déterminer leur capital
nécessaire pour répondre au risque de marché par un
modèle interne utilisant la VaR( 99%, 10j ).
 Le capital réglementaire exigé vaut généralement 3 fois la
VaR( 99%, 10j ).
 3 méthodes principales sont utilisées pour calculer la VaR :
 La méthode paramétrique ou approche variance-covariance
 La méthode historique
 La simulation de Monte Carlo.
Value At Risk Analysis
 Methode Variance-covariance (Analytical)
 Basee sur hypotheses:
 Distribution normal des rendements

1.65s

5% probability
 Remarque : l'espérance des variations est supposée nulle
sur une journée.
 La volatilité d'un actif est l'écart type des variations du prix
de cet actif.
 En considérant que les variations du portefeuille sont
indépendantes d'un jour à l'autre : La volatilité est
proportionnelle à . √T
 Pratiquement, cela revient à dire que la Var( 99%, 10 j ) = √
10* Var(99%, 1j ).
 Généralement, c'est la VaR à 1 jour qui est calculée et la VaR
à 10 jour est déduite par multiplication par √10.
Exemples
 Portefeuille constitue d’un seul actif, 10 Millions
d’euros Bouygues avec volatilite annuelle de 20%

σ 20%/√252=1,26
quot=

Var(99%, 1j)=10 000 000X2,33X1,26

 =293552 Euros
Var(99%, 10j)?
Cas pour 2 actifs
σ =√(σ² + σ² + 2ρ σ
(X+Y) X y X σ)
y

 VAR =√(VAR²X + VAR²y + 2ρ VARX VARy)

(X+Y)

 Calculer Var(99%, 10j) pour X, Y et un portefeuille de X+Y

 10M de X avec σ quot=2%
 5million de Y avec σ quot=1%
 Ρ=0,3
 Quel est le montant du benefice de diversification?
Autres Methodes
 Methode Historique
 Il faut au préalable identifier les variables ou facteurs de risques significatifs dont l'évolution entraîne
une variation de valeur du portefeuille.
 Ces facteurs sont les taux d'intérêts, les taux de change, les prix des actions…

 Methode de Monte Carlo

 La méthode utilisant la simulation de Monte Carlo est similaire à la méthode historique en ce sens
qu'il s'agit d'une méthode de valorisation totale basée sur différents scénarios. Comme la méthode
historique, la méthode Monte Carlo ne suppose pas que les variables de marché suivent une
distribution normale.
 Dans la méthode historique, les scénarios se sont déjà déroulés dans le passé. Avec la méthode Monte
Carlo en revanche, les scénarios sont générés au hasard. Il suivent une forme similaire à ceux ayant eu
lieu dans le passé mais ils ne sont pas limités par l'histoire.
Modèle d`évaluation des actifs
financiers

43
William Sharpe
Modèle d`Évaluation Des Actifs Financiers (MEDAF)

44
Le rendement espéré dépend du
Béta
E(ri ) = r f +  i (rM - r f )
 Le rendement espéré d’un actif est déterminé par le
Béta de cet actif.
 Le Béta mesure la covariance entre le rendement de
l’actif et le rendement du portefeuille de marché.

45
 Rendement excédentaire et Béta
.
Le rendement excédentaire espéré (prime de risque) d’un actif est proportionnel au
rendement excédentaire espéré du portefeuille du marché. Cette proportion constitue
le béta de l’actif.

C’est la covariance entre les rendements d’un actif et le portefeuille du marché qui
détermine le rendement excédentaire !
Un actif avec un béta négatif diminue le risque total du portefeuille => les
investisseurs sont prêts à accepter un taux de rendement inférieur au taux de
rendement sans risque.

46
Les Bétas des portefeuilles sont
linéaires
Les Bétas des actifs A et B (ou portefeuilles A et
B) sont linéaires:
Béta(aA+bB) = a * Béta(A) + b * Béta(B)

47
 La droite de marché des titres Droite de marché
E(ri ) (ensemble des titres)

E(rm )
E(ri ) = r f +  i (rM - r f ) Béta
Béta Négatif

rf

0 1.0
48
 Tous les actifs doivent avoir le
même ratio rendement-risque Ils devraient tous se retrouver
E(ri ) sur la droite de marché des titres

E(rm )
E(ri ) − rf
= (rM - rf )
Béta Négatif i

rf

0 1.0 Béta 49
Absence d’équilibre
Au dessus de la droit de
marché:
E(ri ) Actif sous-évalué

Droite de
marché

E(rm )

En dessous de la droit de
marché:

rf Actif sur-évalué

0 1.0 Béta 50
 Measuring Betas with regression analysis

Dell Computer

Dell return (%)

Price data: May 91- Nov 97

R2 = .10
B = 1.87

Slope determined from plotting the Market return (%)

line of best fit.
Measuring Betas

Dell Computer

Dell return (%)

Price data: Dec 97 - Apr 04

R2 = .27
B = 1.61

Slope determined from plotting the Market return (%)

line of best fit.
BETA de APPLE
SUMMARY OUTPUT

.
Regression Statistics
Multiple R 0,446662
R Square 0,199507
Adjusted R
Square 0,185706

Standard
Error 10,14532
Observation
s 60

ANOVA
df SS MS F Significance F

Regression 1 1487,853 1487,853 14,45535909 0,000347012

Residual 58 5969,792 102,9275
Total 59 7457,646

Standard Lower Upper

Coefficients Error t Stat P-value Lower 95% Upper 95% 95.0% 95.0%
Intercept 3,522761 1,311561 2,68593 0,009417892 0,897386208 6,148135 0,897386 6,148135

X Variable 1 1,419551 0,373368 3,80202 0,000347012 0,672174679 2,166927 0,672175 2,166927