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.
16 Introduction<br />
les distributions exponentielles étirées dont nous avons discuté la pertinence <strong>et</strong> les conséquences vis-à-vis<br />
<strong>de</strong> la sous / surestim<strong>at</strong>ion <strong>de</strong>s risques (chapitres 1, 2 <strong>et</strong> 3).<br />
Nous nous sommes ensuite intéressés à la manière dont la vol<strong>at</strong>ilité r<strong>et</strong>ourne à un niveau d’“équilibre”<br />
après une longue pério<strong>de</strong> <strong>de</strong> forte variabilité <strong>de</strong>s cours (chapitre 4). On sait en eff<strong>et</strong> que la vol<strong>at</strong>ilité<br />
présente un phénomène <strong>de</strong> persistance très marqué, <strong>et</strong> qu’après une pério<strong>de</strong> anormalement haute (ou<br />
basse), elle relaxe vers un niveau moyen, que l’on peut en quelque sorte associer à un niveau d’équilibre.<br />
L’étu<strong>de</strong> <strong>de</strong> c<strong>et</strong>te relax<strong>at</strong>ion est très importante du point <strong>de</strong> vue <strong>de</strong> la <strong>gestion</strong> <strong>de</strong>s risques, car elle perm<strong>et</strong><br />
d’une part d’estimer la durée typique d’une pério<strong>de</strong> anormalement turbulente ou calme <strong>et</strong> d’autre part<br />
elle apporte un moyen <strong>de</strong> prédiction rel<strong>at</strong>ivement fiable <strong>de</strong> la valeur future <strong>de</strong> la vol<strong>at</strong>ilité, dont on connaît<br />
l’intérêt pour tout ce qui concerne le “pricing” <strong>de</strong> produits dérivés notamment. De plus, <strong>et</strong> c’est le point<br />
clé <strong>de</strong> notre développement, cela nous a permis <strong>de</strong> proposer un mécanisme expliquant l’impact du flux<br />
d’inform<strong>at</strong>ion sur la dynamique <strong>de</strong> la vol<strong>at</strong>ilité. Ceci ouvre la voie à une étu<strong>de</strong> systém<strong>at</strong>ique <strong>de</strong> l’eff<strong>et</strong><br />
<strong>de</strong> l’arrivée <strong>de</strong> telle ou telle inform<strong>at</strong>ion sur les marchés aussi bien ex post, pour tout ce qui concerne<br />
l’analyse <strong>de</strong>s causes <strong>de</strong>s grands mouvements <strong>de</strong> cours, qu’ex ante pour tout ce qui touche à l’étu<strong>de</strong> <strong>de</strong><br />
scénarii <strong>et</strong> l’anticip<strong>at</strong>ion <strong>de</strong>s eff<strong>et</strong>s <strong>de</strong>s grands chocs.<br />
Enfin, nous avons voulu explorer un peu plus avant les causes microscopiques responsables <strong>de</strong>s phénomènes<br />
observés sur les marchés (chapitres 5 <strong>et</strong> 6). Pour cela, nous avons construit un modèle d’agents en<br />
interaction, rel<strong>at</strong>ivement parcimonieux, visant à rendre compte <strong>de</strong> manière plus réaliste que ne le font<br />
les modèles actuels <strong>de</strong> la croissance super-exponentielle <strong>de</strong>s cours lors <strong>de</strong>s phases <strong>de</strong> bulles spécul<strong>at</strong>ives<br />
qui conduisent à d’importantes surestim<strong>at</strong>ions du prix <strong>de</strong>s actifs <strong>et</strong> finalement à <strong>de</strong> fortes corrections.<br />
Les résult<strong>at</strong>s obtenus sont intéressants <strong>et</strong> ont confirmé l’importance <strong>de</strong> certains types <strong>de</strong> comportements<br />
<strong>de</strong>s agents conduisant à <strong>de</strong>s “emballées” <strong>de</strong>s marchés <strong>et</strong> par suite aux pério<strong>de</strong>s <strong>de</strong> gran<strong>de</strong>s vol<strong>at</strong>ilités <strong>et</strong><br />
aux fluctu<strong>at</strong>ions extrêmes. Cependant, on ne peut, en l’ét<strong>at</strong>, espérer intégrer ces modèles, encore trop<br />
rudimentaires, à une chaîne <strong>de</strong> décision concernant la politique <strong>de</strong> <strong>gestion</strong> <strong>de</strong>s risques d’une institution.<br />
Néanmoins, nous pensons que ce genre d’outil présente un <strong>at</strong>trait particulier <strong>et</strong> <strong>de</strong>vrait, à terme, fournir<br />
d’utiles inform<strong>at</strong>ions perm<strong>et</strong>tant une meilleure estim<strong>at</strong>ion / prévision <strong>de</strong>s risques à venir. En particulier,<br />
ces modèles <strong>de</strong>vraient perm<strong>et</strong>tre d’obtenir, à l’ai<strong>de</strong> <strong>de</strong> la génér<strong>at</strong>ion <strong>de</strong> scénarii, <strong>de</strong>s estim<strong>at</strong>ions <strong>de</strong>s<br />
probabilités associées aux événements rares dans certaines phases <strong>de</strong> marchés, estim<strong>at</strong>ion beaucoup plus<br />
fiable que ne le sont les actuelles estim<strong>at</strong>ions subjectives (Johnson, Lamper, Jefferies, Hart <strong>et</strong> Howison<br />
2001).<br />
Le <strong>de</strong>uxième maillon <strong>de</strong> la chaîne <strong>de</strong> reconstruction <strong>de</strong> la distribution multivariée <strong>de</strong>s ren<strong>de</strong>ments d’actifs<br />
consiste en l’étu<strong>de</strong> <strong>de</strong> leur structure <strong>de</strong> dépendance, problème que nous abor<strong>de</strong>rons dans la partie II. En<br />
eff<strong>et</strong>, les risques ne sont pas uniquement dus au comportement marginal <strong>de</strong> chaque actif mais également<br />
à leur comportement collectif. Celui-ci peut être étudié à l’ai<strong>de</strong> d’obj<strong>et</strong>s m<strong>at</strong>hém<strong>at</strong>iques nommés copules<br />
qui perm<strong>et</strong>tent <strong>de</strong> capturer complètement la dépendance entre les actifs. En fait, nous verrons aux<br />
chapitres 7 <strong>et</strong> 8 que la détermin<strong>at</strong>ion <strong>de</strong> la copule est une affaire délic<strong>at</strong>e <strong>et</strong> que là encore le risque<br />
d’erreur <strong>de</strong> modèle est important, expressément pour ce qui est <strong>de</strong>s risques extrêmes. Ainsi, nous verrons<br />
qu’il s’avère nécessaire <strong>de</strong> mener une étu<strong>de</strong> spécifique <strong>de</strong> la dépendance entre les extrêmes, ce que<br />
nous ferrons au chapitre 9, en développant une métho<strong>de</strong> d’estim<strong>at</strong>ion du coefficient <strong>de</strong> dépendance <strong>de</strong><br />
queue, c’est-à-dire <strong>de</strong> la probabilité qu’un actif subisse une très gran<strong>de</strong> perte sachant qu’un autre actif<br />
par exemple ou que le marché dans son ensemble a lui aussi subi une très gran<strong>de</strong> perte. C<strong>et</strong>te quantité est<br />
à notre avis absolument cruciale car elle quantifie <strong>de</strong> manière très simple le fait que les risques extrêmes<br />
puissent être ou non diversifiés par agrég<strong>at</strong>ion au sein <strong>de</strong> <strong>portefeuille</strong>s. En eff<strong>et</strong>, soit le coefficient <strong>de</strong><br />
dépendance <strong>de</strong> queue est nul <strong>et</strong> les extrêmes se produisent <strong>de</strong> manière asymptotiquement indépendante<br />
ce qui perm<strong>et</strong> alors d’envisager <strong>de</strong> les diversifier, soit ils <strong>de</strong>meurent asymptotiquement dépendants <strong>et</strong> on<br />
ne peut qu’espérer minimiser la probabilité d’occurrence <strong>de</strong>s mouvements extrêmes concomitants.<br />
Synthétisant les résult<strong>at</strong>s <strong>de</strong> ces <strong>de</strong>ux premières parties, nous pourrons alors nous poser la question pro-