statistique, théorie et gestion de portefeuille - Docs at ISFA
statistique, théorie et gestion de portefeuille - Docs at ISFA
statistique, théorie et gestion de portefeuille - Docs at ISFA
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
14 Introduction<br />
pour espérer se couvrir contre ce type <strong>de</strong> risques en ayant recours notamment aux produits dérivés, pour<br />
autant qu’ils soient capables <strong>de</strong> fournir une réelle assurance contre les gran<strong>de</strong>s vari<strong>at</strong>ions <strong>de</strong> cours - ce<br />
qui fût loin d’être le cas lors du krach <strong>de</strong> 1987 - ou peut-être avoir recours à la mutualis<strong>at</strong>ion comme en<br />
assurance par exemple.<br />
Le problème du contrôle <strong>de</strong>s risques extrêmes en finance <strong>et</strong> plus particulièrement son applic<strong>at</strong>ion à la <strong>gestion</strong><br />
<strong>de</strong> <strong>portefeuille</strong> peuvent sembler totalement étrangers au domaine <strong>de</strong> la physique. Cela n’est cependant<br />
qu’une apparence puisque dès ses premiers pas, la finance a partagé avec la physique, la <strong>de</strong>vançant<br />
même parfois, <strong>de</strong> nombreuses métho<strong>de</strong>s <strong>et</strong> outils telle la marche alé<strong>at</strong>oire brownienne (Bachelier 1900,<br />
Einstein 1905), l’utilis<strong>at</strong>ion <strong>de</strong> la notion <strong>de</strong> probabilité subjective qui perm<strong>et</strong> <strong>de</strong> rendre compte du comportement<br />
<strong>de</strong>s agents économiques dans l’incertain (Savage 1954) mais aussi d’interpréter <strong>de</strong>s expériences<br />
<strong>de</strong> mécanique quantique (Caves, Fluchs <strong>et</strong> Schack 2002), ou encore la notion <strong>de</strong> compromis moyennevariance<br />
en <strong>théorie</strong> du <strong>portefeuille</strong> Markovitz (1959) comme en algorithmique quantique (Maurer 2001),<br />
ainsi que l’équ<strong>at</strong>ion <strong>de</strong> diffusion <strong>de</strong> la chaleur qui sert également à décrire l’évolution du prix d’une<br />
option dans l’univers <strong>de</strong> Black <strong>et</strong> Scholes (1973), <strong>et</strong> plus récemment l’utilis<strong>at</strong>ion <strong>de</strong> modèles d’agents en<br />
interactions (variante du modèle d’Ising par exemple) perm<strong>et</strong>tant <strong>de</strong> dépasser le cadre standard <strong>de</strong> l’agent<br />
économique représent<strong>at</strong>if <strong>et</strong> ainsi <strong>de</strong> mieux percevoir les mécanismes fondamentaux à l’oeuvre sur les<br />
marchés financiers.<br />
C’est donc dans les métho<strong>de</strong>s, mais aussi dans les concepts, qu’il faut chercher un lien entre <strong>de</strong>s m<strong>at</strong>ières<br />
en apparence si différentes que la finance <strong>et</strong> la physique. En eff<strong>et</strong>, la mesure du risque fait appel à <strong>de</strong>s<br />
notions <strong>de</strong> <strong>théorie</strong> <strong>de</strong> l’inform<strong>at</strong>ion, <strong>de</strong> la décision <strong>et</strong> du contrôle dynamique qui ont une longue tradition<br />
en physique, quant à la <strong>gestion</strong> <strong>de</strong> <strong>portefeuille</strong>, <strong>de</strong> manière un peu schém<strong>at</strong>ique, on peut affirmer que<br />
ce n’est rien d’autre qu’un exemple particulier <strong>de</strong> problème d’optimis<strong>at</strong>ion sous contraintes, comme<br />
on en rencontre dans <strong>de</strong> nombreux domaines. En cela, d’un point <strong>de</strong> vue purement m<strong>at</strong>hém<strong>at</strong>ique, la<br />
recherche <strong>de</strong> <strong>portefeuille</strong>s optimaux n’est guère différente <strong>de</strong> la recherche <strong>de</strong>s ét<strong>at</strong>s d’équilibres d’un<br />
système thermodynamique. En eff<strong>et</strong>, dans le premier cas, on cherche à obtenir une valeur minimale du<br />
risque associé aux vari<strong>at</strong>ions <strong>de</strong> richesse du <strong>portefeuille</strong> pour une valeur fixée du ren<strong>de</strong>ment moyen <strong>et</strong><br />
un montant <strong>de</strong> la richesse initiale donnée. Dans le second cas, on cherche - pour ce qui est <strong>de</strong> l’étu<strong>de</strong> <strong>de</strong><br />
l’ensemble micro-canonique - à maximiser l’entropie (ou minimiser la néguentropie) du système sous<br />
la contrainte d’une énergie totale <strong>et</strong> d’un nombre <strong>de</strong> particules fixé. On peut donc, formellement, faire<br />
un parallèle (certes un peu rapi<strong>de</strong>) entre risque <strong>et</strong> néguentropie, ren<strong>de</strong>ment espéré <strong>et</strong> énergie totale <strong>et</strong><br />
richesse initiale <strong>et</strong> nombre <strong>de</strong> particules.<br />
Ceci étant, le parallèle s’arrête malheureusement là <strong>et</strong> l’on ne peut espérer d’une applic<strong>at</strong>ion simple<br />
<strong>et</strong> directe <strong>de</strong> certains résult<strong>at</strong>s généraux <strong>de</strong> la thermodynamique <strong>st<strong>at</strong>istique</strong> ou <strong>de</strong> mécanique quantique<br />
qu’elle nous perm<strong>et</strong>te d’obtenir d’intéressants enseignements pour la <strong>gestion</strong> <strong>de</strong> <strong>portefeuille</strong>. La distinction<br />
essentielle entre ces <strong>de</strong>ux problèmes d’optimis<strong>at</strong>ion que sont la <strong>gestion</strong> <strong>de</strong> <strong>portefeuille</strong> <strong>et</strong> la physique<br />
<strong>st<strong>at</strong>istique</strong> vient en fait <strong>de</strong> la différence entre les ordres <strong>de</strong> gran<strong>de</strong>ur en jeu dans ces <strong>de</strong>ux situ<strong>at</strong>ions : les<br />
plus gros <strong>portefeuille</strong>s contiennent au maximum quelques milliers d’actifs alors que les systèmes thermodynamiques<br />
auxquels nous sommes usuellement confrontés sont constitués <strong>de</strong> quelques cent milles<br />
milliards <strong>de</strong> milliards (NA 10 23 ) <strong>de</strong> particules. Pour un tel nombre <strong>de</strong> particules, le théorème <strong>de</strong> la<br />
limite centrale s’applique pleinement, y compris pour <strong>de</strong>s événements <strong>de</strong> très faibles probabilités, <strong>et</strong> fournit<br />
une simplific<strong>at</strong>ion fort utile. De plus, vu le nombre gigantesque d’entités considérées, les fluctu<strong>at</strong>ions<br />
rel<strong>at</strong>ives typiques <strong>de</strong>s gran<strong>de</strong>urs mesurées par rapport à leurs valeurs moyennes (espérées) sont <strong>de</strong> l’ordre<br />
<strong>de</strong> 1/ √ NA ∼ 10 −11 − 10 −12 , ce qui les rend tout à fait imperceptibles.<br />
Les choses sont toutes autres pour ce qui est <strong>de</strong> la <strong>gestion</strong> <strong>de</strong> <strong>portefeuille</strong>, où il convient <strong>de</strong> caractériser<br />
avec rigueur la distribution <strong>de</strong> ren<strong>de</strong>ment dudit <strong>portefeuille</strong>. En eff<strong>et</strong>, du fait du nombre le plus souvent<br />
modéré d’actifs qui constituent un <strong>portefeuille</strong> <strong>et</strong> <strong>de</strong> par la structure sous-jacente <strong>de</strong>s distributions <strong>de</strong><br />
chacun <strong>de</strong>s actifs, la distribution <strong>de</strong> ren<strong>de</strong>ment du <strong>portefeuille</strong> s’avère très éloignée <strong>de</strong> la distribution