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.
1.1. Rappel <strong>de</strong>s faits stylisés 23<br />
<strong>et</strong> al. 1997, Mantegna <strong>et</strong> Stanley 1999). Donc, les lois stables <strong>de</strong> Lévy ne sauraient elles non plus convenir<br />
à la <strong>de</strong>scription <strong>de</strong>s distributions <strong>de</strong> rentabilités boursières, du moins dans leur globalité.<br />
Durant les années 80-90, <strong>de</strong> gigantesques bases <strong>de</strong> données contenant les cours <strong>de</strong>s actifs financiers sur<br />
<strong>de</strong> longues pério<strong>de</strong>s <strong>et</strong> enregistrées à <strong>de</strong> très hautes fréquences voient le jours. Dans le même temps,<br />
l’économétrie <strong>et</strong> plus particulièrement l’économétrie financière développe <strong>de</strong> nouveaux outils, si bien<br />
qu’à la fois sur le plan méthodologique que sur le plan <strong>de</strong> la quantité <strong>de</strong> données accessibles, une p<strong>et</strong>ite<br />
révolution se produit. C’est alors que l’on en vient à cerner <strong>de</strong> manière beaucoup plus précise le comportement<br />
asymptotique <strong>de</strong>s distributions <strong>de</strong> ren<strong>de</strong>ments <strong>de</strong>s actifs financiers. De nombreuses étu<strong>de</strong>s<br />
montrent qu’effectivement les distributions <strong>de</strong> ren<strong>de</strong>ments se comportent comme <strong>de</strong>s lois régulièrement<br />
variables dont l’exposant <strong>de</strong> queue est compris entre <strong>de</strong>ux <strong>et</strong> <strong>de</strong>mi <strong>et</strong> qu<strong>at</strong>re <strong>de</strong> sorte que les <strong>de</strong>ux premiers<br />
moments <strong>de</strong> ces distributions existent <strong>et</strong> peut-être aussi les troisième <strong>et</strong> qu<strong>at</strong>rième. Ces étu<strong>de</strong>s ont<br />
été menées sur diverses sortes d’actifs mais conduisent toutes à <strong>de</strong>s conclusions similaires. On pourra<br />
notamment consulter Longin (1996), Lux (1996), Pagan (1996), Gopikrishnan, Meyer, Amaral <strong>et</strong> Stanley<br />
(1998) pour <strong>de</strong>s étu<strong>de</strong>s concernant les marchés d’actions ainsi que Dacorogna, Müller, Pict<strong>et</strong> <strong>et</strong> <strong>de</strong> Vries<br />
(1992), <strong>de</strong> Vries (1994) ou encore Guillaume, Dacorogna, Davé, Müller, Olsen <strong>et</strong> Pict<strong>et</strong> (1997) pour ce<br />
qui est <strong>de</strong>s taux <strong>de</strong> change.<br />
Cependant, quelques voix se sont récemment élevées pour suggérer qu’il serait peut-être sage <strong>de</strong> tempérer<br />
l’enthousiasme général à l’égard <strong>de</strong>s lois <strong>de</strong> puissances. En eff<strong>et</strong>, selon Mantegna <strong>et</strong> Stanley (1995) les<br />
résult<strong>at</strong>s <strong>de</strong> Man<strong>de</strong>lbrot (1963) décrivent certes <strong>de</strong> façon correcte une gran<strong>de</strong> partie <strong>de</strong> la distribution<br />
<strong>de</strong>s ren<strong>de</strong>ments mais, <strong>de</strong> manière ultime, le comportement en loi stable <strong>de</strong> Lévy est erroné <strong>et</strong> doit être<br />
tronqué par une décroissance exponentielle. On sait d’ailleurs que ce type <strong>de</strong> distribution converge - par<br />
convolution - <strong>de</strong> manière extraordinairement lente vers la gaussienne (Mantegna <strong>et</strong> Stanley 1994), ce qui<br />
est conforme aux observ<strong>at</strong>ions empiriques. Dans le même esprit, Gouriéroux <strong>et</strong> Jasiak (1998) concluent<br />
que la <strong>de</strong>nsité <strong>de</strong> probabilité du titre Alc<strong>at</strong>el décroît plus vite que toute loi <strong>de</strong> puissance. Enfin, Laherrère<br />
<strong>et</strong> Sorn<strong>et</strong>te (1999) affirment <strong>de</strong> manière plus précise que les distributions dites exponentielles étirées<br />
semblent fournir une meilleure <strong>de</strong>scription <strong>de</strong>s distributions <strong>de</strong> ren<strong>de</strong>ments que les lois <strong>de</strong> puissance,<br />
non seulement dans les queues extrêmes mais aussi sur une large gamme <strong>de</strong> ren<strong>de</strong>ments. Aussi à <strong>de</strong>s fins<br />
<strong>de</strong> généralité, il semble judicieux d’étendre la notion <strong>de</strong> distributions à queues épaisses aux distributions<br />
sous-exponentielles, c’est-à-dire qui ne décroissent pas plus vite qu’une exponentielle à l’infini. Pour une<br />
définition rigoureuse ainsi qu’une synthèse <strong>de</strong>s propriétés <strong>de</strong> ces distributions, nous renvoyons le lecteur<br />
à Embrechts, Klüppelberg <strong>et</strong> Mikosh (1997) <strong>et</strong> Goldie <strong>et</strong> Klüppelberg (1998).<br />
Au vu du flou qui <strong>de</strong>meure quant au comportement exact <strong>de</strong>s distributions <strong>de</strong> ren<strong>de</strong>ments, un réexamen<br />
<strong>de</strong> leur comportement asymptotique semble nécessaire. En particulier, il parait indispensable <strong>de</strong> comparer<br />
le pouvoir <strong>de</strong>scriptif <strong>de</strong>s <strong>de</strong>ux familles <strong>de</strong> distributions que nous venons d’évoquer, <strong>et</strong> donc nous<br />
reviendrons en détail sur ce problème dans un prochain paragraphe. Nous délaissons temporairement<br />
ce point pour nous tourner maintenant vers le <strong>de</strong>uxième trait caractéristique <strong>de</strong>s séries financières, à savoir<br />
l’existence <strong>de</strong> structures <strong>de</strong> dépendances temporelles non triviales. Ceci est d’ailleurs un élément<br />
fondamental <strong>de</strong> la compréhension <strong>de</strong> la difficulté à déterminer précisément la distribution marginale <strong>de</strong>s<br />
ren<strong>de</strong>ments.<br />
1.1.2 Propriétés <strong>de</strong> dépendances temporelles<br />
Les propriétés <strong>de</strong> dépendances temporelles que nous allons résumer dans ce paragraphe dérivent toutes<br />
<strong>de</strong> l’un <strong>de</strong>s grands principes fondamentaux <strong>de</strong> la <strong>théorie</strong> financière, à savoir le principe <strong>de</strong> non arbitrage.<br />
Sans rentrer ici dans le détail, nous nous bornerons à dire <strong>de</strong> manière sommaire que ce principe postule<br />
l’impossibilité d’obtenir un gain certain sur les marchés financiers. La logique d’un tel postul<strong>at</strong> tient dans<br />
le fait que si un agent détecte une telle opportunité, il va immédi<strong>at</strong>ement en tirer profit <strong>et</strong> celle-ci va donc