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
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
366 11. Portefeuilles optimaux <strong>et</strong> équilibre <strong>de</strong> marché<br />
ces <strong>de</strong>ux mesures <strong>de</strong> risques sont, à l’heure actuelle, les plus employées. Comme il est légitime <strong>de</strong> le<br />
penser, l’alloc<strong>at</strong>ion optimale selon <strong>de</strong>s critères moyenne - VaR ou moyenne - ES est très différente <strong>de</strong><br />
celle obtenue selon le critère moyenne variance (Alexan<strong>de</strong>r <strong>et</strong> Baptista 2002), ce <strong>de</strong>rnier n’étant pas à<br />
même <strong>de</strong> tenir compte <strong>de</strong>s grands risques.<br />
D’un point <strong>de</strong> vue pr<strong>at</strong>ique, l’optimis<strong>at</strong>ion selon <strong>de</strong>s critères <strong>de</strong> VaR est délic<strong>at</strong>e pour <strong>de</strong>ux raisons.<br />
D’une part du fait <strong>de</strong> sa non convexité, qui impose d’avoir recours à <strong>de</strong>s algorithmes <strong>de</strong> minimis<strong>at</strong>ion<br />
non standards (algorithmes génétiques, par exemple) <strong>et</strong> d’autre part, son estim<strong>at</strong>ion dans un cadre non<br />
- paramétrique est généralement difficile car sensible à la métho<strong>de</strong> utilisée <strong>et</strong> grosse consomm<strong>at</strong>rice<br />
<strong>de</strong> temps <strong>de</strong> calcul 1 . Aussi <strong>de</strong>s métho<strong>de</strong>s <strong>de</strong> calculs approxim<strong>at</strong>ifs (Tasche <strong>et</strong> Tibil<strong>et</strong>ti 2001) basées<br />
notamment sur l’applic<strong>at</strong>ion <strong>de</strong> la <strong>théorie</strong> <strong>de</strong>s valeurs extrêmes (Longin 2000, Danielson <strong>et</strong> <strong>de</strong> Vries<br />
2000, Consigli, Frascella <strong>et</strong> Sartorelli 2001) ou <strong>de</strong>s approches paramétriques (Malevergne <strong>et</strong> Sorn<strong>et</strong>te<br />
2002d), prennent tout leur sens. L’Expected-Shortfall présente quant à elle l’avantage <strong>de</strong> s<strong>at</strong>isfaire aux<br />
contraintes <strong>de</strong> cohérences 2 <strong>de</strong> Artzner <strong>et</strong> al. (1999). Ainsi, elle conduit à <strong>de</strong>s problèmes d’optimis<strong>at</strong>ion<br />
bien conditionnés pour lesquels <strong>de</strong>s algorithmes <strong>de</strong> minimis<strong>at</strong>ion particulièrement simples <strong>et</strong> efficaces<br />
existent (Rockafellar <strong>et</strong> Uryasev 2002).<br />
11.2.2 Optimis<strong>at</strong>ion sous contrainte <strong>de</strong> fluctu<strong>at</strong>ions autour du ren<strong>de</strong>ment espéré<br />
Le capital économique n’est pas la seule quantité à minimiser <strong>et</strong> les fluctu<strong>at</strong>ions du <strong>portefeuille</strong> autour <strong>de</strong><br />
son ren<strong>de</strong>ment moyen ou <strong>de</strong> tout autre objectif <strong>de</strong> rentabilité sont aussi à prendre en compte. La variance<br />
réalise cela, mais elle se focalise uniquement sur les écarts à la moyenne <strong>de</strong> faibles amplitu<strong>de</strong>s <strong>et</strong> néglige<br />
donc complètement les grands risques. C’est pourquoi il convient d’utiliser d’autres quantités partageant<br />
certaines <strong>de</strong>s propriétés <strong>de</strong> la variance mais m<strong>et</strong>tant l’emphase sur les gran<strong>de</strong>s fluctu<strong>at</strong>ions. Rubinstein<br />
(1973) fut l’un <strong>de</strong>s premiers à s’intéresser à c<strong>et</strong>te approche, suggérant que les moments centrés d’ordre<br />
supérieur à <strong>de</strong>ux ne <strong>de</strong>vaient être négligés puisqu’ils apparaissent n<strong>at</strong>urellement dans le développement<br />
en série <strong>de</strong> la fonction d’utilité. Plus récemment, Sorn<strong>et</strong>te, An<strong>de</strong>rsen <strong>et</strong> Simon<strong>et</strong>ti (2000) <strong>et</strong> Sorn<strong>et</strong>te,<br />
Simon<strong>et</strong>ti <strong>et</strong> An<strong>de</strong>rsen (2000) ont émis l’idée que les cumulants pouvaient aussi fournir d’utiles mesures<br />
<strong>de</strong> fluctu<strong>at</strong>ions, perm<strong>et</strong>tant notamment <strong>de</strong> rendre compte du comportement <strong>de</strong> certains agents globalement<br />
risquophobes dans le sens où ils cherchent à éviter les grands risques mais sont près à accepter un<br />
certain niveau <strong>de</strong> p<strong>et</strong>its risques (An<strong>de</strong>rsen <strong>et</strong> Sorn<strong>et</strong>te 2002a, Malevergne <strong>et</strong> Sorn<strong>et</strong>te 2002c). Dans le cas<br />
où les distributions marginales <strong>de</strong>s actifs suivent <strong>de</strong>s lois exponentielles étirées (cf chapitre 3) <strong>et</strong> où la<br />
copule décrivant leur dépendance est gaussienne (cf chapitres 7 <strong>et</strong> 8), <strong>de</strong>s expressions analytiques ont pu<br />
être dérivées pour l’expression <strong>de</strong>s moments <strong>et</strong> cumulants <strong>de</strong>s <strong>portefeuille</strong>s constitués <strong>de</strong> tels actifs (voir<br />
chapitre 14).<br />
Ces quelques exemples sont <strong>de</strong>s cas particuliers <strong>de</strong>s mesures <strong>de</strong> fluctu<strong>at</strong>ions définies au chapitre précé<strong>de</strong>nt<br />
<strong>et</strong> perm<strong>et</strong>tent <strong>de</strong> dériver simplement la plupart <strong>de</strong>s propriétés générales <strong>de</strong>s <strong>portefeuille</strong>s optimaux. Ces<br />
propriétés sont en fait <strong>de</strong>s généralis<strong>at</strong>ions immédi<strong>at</strong>es, aux cas <strong>de</strong>s grands risques, <strong>de</strong>s propriétés dont<br />
jouissent les <strong>portefeuille</strong>s moyenne - variance efficients.<br />
11.2.3 Optimis<strong>at</strong>ion sous d’autres contraintes<br />
Lorsque l’on souhaite considérer les risques extrêmes systém<strong>at</strong>iques, c’est-à-dire les mouvements extrêmes<br />
que subissent les actifs conjointement avec le marché, le coefficient <strong>de</strong> dépendance <strong>de</strong> queue λ peut<br />
1 Ce point est discuté en détail dans Chabaane, Duclos, Laurent, Malevergne <strong>et</strong> Turpin (2002)<br />
2 Voir Acerbi <strong>et</strong> Tasche (2002) pour une discussion <strong>de</strong>s propriétés <strong>de</strong> cohérence <strong>de</strong> l’Expected-Shortfall selon la définition<br />
adoptée.