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.
378 12. Gestion <strong>de</strong>s risques grands <strong>et</strong> extrêmes<br />
librage du coefficient <strong>de</strong> dépendance <strong>de</strong> queue <strong>et</strong><br />
les gran<strong>de</strong>s pertes réalisées entre les années 1962<br />
<strong>et</strong> 2000 pour <strong>de</strong>s actions principales <strong>et</strong> <strong>de</strong> grands<br />
indices <strong>de</strong> marché. Conditionné à un grand mouvement<br />
du marché, on peut ainsi déduire la probabilité<br />
que tel ou tel actif subisse une perte du<br />
même ordre.<br />
N<strong>at</strong>ure multidimensionnelle<br />
<strong>de</strong>s risques<br />
Le Graal est <strong>de</strong> conjuguer la <strong>de</strong>scription <strong>de</strong>s<br />
distributions marginales sous-exponentielles avec<br />
les dépendances inter-actifs non-gaussiennes <strong>et</strong><br />
idéalement les dépendances temporelles intermittentes<br />
amenant les gran<strong>de</strong>s pertes pour établir un<br />
<strong>portefeuille</strong> optimal. Le problème est alors que la<br />
notion d’“optimalité” n’est pas évi<strong>de</strong>nte à définir<br />
en pr<strong>at</strong>ique : si la <strong>théorie</strong> économique nous dit<br />
<strong>de</strong> maximiser la fonction d’utilité <strong>de</strong> l’investisseur,<br />
en réalité nous ne la connaissons pas avec<br />
précision. Le problème se complique par les multiples<br />
dimensions du risque introduites par la n<strong>at</strong>ure<br />
non-gaussienne <strong>de</strong>s distributions <strong>de</strong> ren<strong>de</strong>ment<br />
<strong>et</strong> <strong>de</strong>s dépendances .<br />
Dans une série d’articles, nous avons développé<br />
une <strong>théorie</strong> du <strong>portefeuille</strong> reposant sur la caractéris<strong>at</strong>ion<br />
<strong>de</strong>s risques par les cumulants <strong>de</strong><br />
la distribution <strong>de</strong>s ren<strong>de</strong>ments du <strong>portefeuille</strong>.<br />
Les cumulants, notés cn, s’expriment comme <strong>de</strong>s<br />
combinaisons <strong>de</strong> moments, <strong>et</strong> quantifient notamment<br />
l’écart à la gaussienne. De même que les<br />
moments, les cumulants n’existent pas tous pour<br />
les distributions Parétiennes mais sont définis à<br />
tout ordre pour les distributions exponentielles<br />
étirées. En particulier, les cumulants d’ordres un<br />
<strong>et</strong> <strong>de</strong>ux sont respectivement la moyenne <strong>et</strong> la variance<br />
<strong>de</strong>s ren<strong>de</strong>ments, tandis que les cumulants<br />
d’ordre trois <strong>et</strong> qu<strong>at</strong>re (après normalis<strong>at</strong>ion par<br />
l’écart type) perm<strong>et</strong>tent <strong>de</strong> définir la skewness<br />
<strong>et</strong> la kurtosis. De façon générale, les cumulants<br />
d’ordres pairs quantifient <strong>de</strong>s risques d’autant plus<br />
grands que l’ordre du cumulant considéré est<br />
élevé, tandis que les cumulants d’ordres impairs<br />
caractérisent la dissymétrie entre les queues positives<br />
<strong>et</strong> nég<strong>at</strong>ives <strong>de</strong> la distribution <strong>de</strong>s ren<strong>de</strong>-<br />
ments. Plus l’ordre n du cumulant cn considéré<br />
est grand, plus celui-ci accor<strong>de</strong> d’importance aux<br />
événements extrêmes. L’ordre n <strong>de</strong>s cumulants allant<br />
<strong>de</strong> 1 à l’infini, varier n revient à étaler ou<br />
développer toutes les dimensions du risque : les<br />
“p<strong>et</strong>its” risques quantifiés par c2 <strong>et</strong> les “grands”<br />
risques quantifiés par c4 <strong>et</strong> les cumulants d’ordres<br />
plus élevés.<br />
Notre <strong>théorie</strong> du <strong>portefeuille</strong> utilise les distributions<br />
marginales <strong>de</strong> la famille <strong>de</strong>s exponentielles<br />
étirées <strong>et</strong> la dépendance entre actif est décrite par<br />
la copule gaussienne. Si on souhaite créer un <strong>portefeuille</strong><br />
qui évite les grands risques, on choisit le<br />
poids <strong>de</strong>s actifs <strong>de</strong> telle manière que les cumulants<br />
c4, c6, c8, <strong>et</strong>c. soient tous proches <strong>de</strong> leur<br />
minimum, tout en laissant libre la variance c2 (p<strong>et</strong>its<br />
risques). C<strong>et</strong>te approche est très différente <strong>de</strong><br />
l’approche standard <strong>de</strong> Markowitz qui se focalise<br />
sur c2 <strong>et</strong> <strong>de</strong> plus construit une frontière efficiente<br />
dans l’espace (ren<strong>de</strong>ment-variance).<br />
P<strong>et</strong>its risques, grands<br />
risques <strong>et</strong> ren<strong>de</strong>ment<br />
Pour illustrer l’impact <strong>de</strong> la décomposition<br />
<strong>de</strong>s risques en “p<strong>et</strong>its” <strong>et</strong> “grands” risques,<br />
considérons le cas simple d’un <strong>portefeuille</strong> avec<br />
seulement <strong>de</strong>ux actifs : l’action Chevron <strong>et</strong> la <strong>de</strong>vise<br />
malaise : le Ringgit. Ces <strong>de</strong>ux actifs ont <strong>de</strong>s<br />
caractéristiques très différentes <strong>et</strong> illustrent admirablement<br />
un eff<strong>et</strong> surprenant a priori. La figure 1a<br />
montre le ren<strong>de</strong>ment quotidien d’un <strong>portefeuille</strong><br />
dont la proportion w1, investie dans l’action Chevron,<br />
a été obtenue en minimisant la variance. La<br />
figure 1b donne la solution <strong>de</strong> la minimis<strong>at</strong>ion <strong>de</strong><br />
cn vis-à-vis du poids w1. Les lignes <strong>de</strong>s points<br />
horizontaux sont les valeurs maximales du ren<strong>de</strong>ment<br />
quotidien dans le cas où l’on optimise c2n,<br />
pour n>1. Les ren<strong>de</strong>ments quotidiens pour le <strong>portefeuille</strong><br />
<strong>de</strong> la figure 1b surpassent ces limites,<br />
i.e. le <strong>portefeuille</strong> <strong>de</strong> la figure 1a subit plus <strong>de</strong><br />
fluctu<strong>at</strong>ions <strong>de</strong> gran<strong>de</strong>s amplitu<strong>de</strong>s.Ces <strong>de</strong>ux figures<br />
illustrent clairement le fait que minimiser<br />
<strong>de</strong>s p<strong>et</strong>its risques peut faire augmenter les grands<br />
risques ! De plus, le gain cumul<strong>at</strong>if <strong>de</strong> la figure 1c<br />
montre que le <strong>portefeuille</strong> <strong>de</strong> la figure 1b voit son