25.06.2013 Views

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

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Chapitre 11<br />

Portefeuilles optimaux <strong>et</strong> équilibre <strong>de</strong><br />

marché<br />

On doit à Markovitz (1959) la première formalis<strong>at</strong>ion m<strong>at</strong>hém<strong>at</strong>ique <strong>de</strong> la <strong>gestion</strong> <strong>de</strong> <strong>portefeuille</strong>. Celle-ci<br />

est basée sur la nécessité d’accepter un compromis entre l’obtention d’un ren<strong>de</strong>ment espéré le plus élevé<br />

possible <strong>et</strong> d’une quantité <strong>de</strong> risques encourus la plus faible possible, ce qui conduit tout n<strong>at</strong>urellement<br />

à s’intéresser aux <strong>portefeuille</strong>s dits optimaux, c’est-à-dire les <strong>portefeuille</strong>s tels que pour un niveau <strong>de</strong><br />

risque donné <strong>et</strong> un jeu <strong>de</strong> contraintes à s<strong>at</strong>isfaire - telle que l’absence <strong>de</strong> vente à découvert, par exemple<br />

- il n’existe pas <strong>de</strong> <strong>portefeuille</strong>s <strong>de</strong> ren<strong>de</strong>ment supérieur au ren<strong>de</strong>ment du <strong>portefeuille</strong> optimal. La courbe<br />

représentant l’ensemble <strong>de</strong>s <strong>portefeuille</strong>s optimaux dans le plan risque / ren<strong>de</strong>ment définit la frontière<br />

efficiente au-<strong>de</strong>ssus <strong>de</strong> laquelle aucun couple risque / ren<strong>de</strong>ment ne peut être <strong>at</strong>teint.<br />

Dans l’approche initiale <strong>de</strong> Markovitz (1959), le risque est mesuré par la variance (ou dévi<strong>at</strong>ion standard)<br />

du ren<strong>de</strong>ment <strong>de</strong>s actifs. Cela revient à adm<strong>et</strong>tre soit que leur distribution (multivariée) est gaussienne<br />

- puisque c’est le seul cas où la variance caractérise complètement les fluctu<strong>at</strong>ions <strong>de</strong>s actifs - soit que<br />

la fonction d’utilité <strong>de</strong>s agents est quadr<strong>at</strong>ique, auquel cas les décisions <strong>de</strong>s agents ne sont régies que<br />

par les <strong>de</strong>ux premiers moments <strong>de</strong> la distribution <strong>de</strong>s actifs. Moyennant ces hypothèses, il est possible<br />

<strong>de</strong> dériver analytiquement la composition <strong>de</strong>s <strong>portefeuille</strong>s efficients en fonction du seul vecteur <strong>de</strong>s<br />

ren<strong>de</strong>ments espérés <strong>de</strong>s actifs <strong>et</strong> <strong>de</strong> leur m<strong>at</strong>rice <strong>de</strong> covariance (Elton <strong>et</strong> Gruber 1995, par exemple).<br />

Cependant, il est désormais bien admis que la variance ne saurait suffire à quantifier convenablement les<br />

risques puisqu’elle ne rend compte que <strong>de</strong>s p<strong>et</strong>ites fluctu<strong>at</strong>ions du ren<strong>de</strong>ment <strong>de</strong>s actifs autour <strong>de</strong> leur<br />

valeur moyenne, négligeant ainsi totalement les grands risques dont l’impact est généralement le plus<br />

conséquent. Aussi, est-il important <strong>de</strong> se tourner vers d’autres mesures <strong>de</strong> risques ou d’autres critères<br />

d’optimis<strong>at</strong>ion.<br />

L’une <strong>de</strong>s premières altern<strong>at</strong>ives proposées à l’analyse moyenne-variance a été <strong>de</strong> considérer les <strong>portefeuille</strong>s<br />

dont la moyenne non pas arithmétique mais géométrique <strong>de</strong>s ren<strong>de</strong>ments est la plus gran<strong>de</strong>,<br />

car ce sont eux qui ont la probabilité la plus élevée <strong>de</strong> dépasser un niveau donné <strong>de</strong> rentabilité, quelque<br />

soit l’intervalle <strong>de</strong> temps considéré (Brieman 1960, Hakansson 1971, Roll 1973). C<strong>et</strong>te approche n’est<br />

cependant comp<strong>at</strong>ible avec la <strong>théorie</strong> <strong>de</strong> la décision que pour <strong>de</strong>s fonctions d’utilité logarithmiques. Une<br />

secon<strong>de</strong> altern<strong>at</strong>ive, dite “Saf<strong>et</strong>y First”, consiste à m<strong>et</strong>tre l’accent sur les pertes qu’encourt le <strong>portefeuille</strong>.<br />

De nombreux critères ont vu le jour, tel le critère <strong>de</strong> Roy (1952) qui consiste à minimiser la probabilité<br />

<strong>de</strong> subir une perte supérieure à une valeur prédéterminée, ou encore les critères <strong>de</strong> K<strong>at</strong>aoka ou <strong>de</strong> Telser<br />

(voir Elton <strong>et</strong> Gruber (1995)) qui sont en fait très proches <strong>de</strong> critères d’optimis<strong>at</strong>ion sous contrainte <strong>de</strong><br />

VaR. De manière générale, toute optimis<strong>at</strong>ion sous contrainte <strong>de</strong> capital économique <strong>et</strong> donc utilisant notamment<br />

les mesures <strong>de</strong> risques cohérentes s’apparente à c<strong>et</strong>te approche. Enfin, une troisième altern<strong>at</strong>ive<br />

363

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!