MODÈLE de diversification efficiente de MARKOWITZ



COURS D'ÉCONOMIE

1. Concepts

1.1. Micro-économie

1.1.1. Coût moyen et marginal

1.2. Macro-économie

2. Modèle monétaire

3. Théorie de l'offre et de la demande

3.1. Théorie de la préférence

3.2. Modèle contrarié à perte nette

4. Capitalisation et actuariat

4.1. Intervalle de dates

4.2. Equivalence de taux

4.3. Intérêt simples

4.3.1. Escomptes

4.4. Intérêt composé

4.5. Intérêt continu

4.6. Intérêt progressif (rentes)

4.6.1. Rentes postnumerando

4.6.2. Rentes praenumerando

4.7. Arrondis

5. Emprunts

5.1. Emprunt à échéance fixe

5.2. Emprunt à amortissement constant

5.3. Emprunt à annuité constant

6. Théorie moderne des portefeuilles

6.1. Absence d'opportunité d'arbitrage (A.O.A)

6.2. Portefeuilles

6.2.1. Actions

6.2.2. Obligations

6.2.3. Options

6.2.4. Bons de souscriptions

6.2.5. Fonds de placements

6.3. Retours et taux d'investisssements

6.3.1. Return on investment

6.3.2. Goodwill

6.3.3. Money weighted rate of return

6.3.4. Time weighted rate of return

6.4. Modèle spéculatif de Bachelier

6.5. Modèle de diversification efficiente de Markovitz

6.5.1. Frontière efficiente

6.6. Modèle de diversification efficiente de Sharpe

6.6.1. Coefficient bêta

6.7. Modèle d'évaluation des actifs financiers (MEDAF)

6.7.1. Capital Market Line (C.M.L.)

6.7.2. Security Market Line (S.M.L.)

6.8. Modèle d'évaluation des options de Black & Scholes

6.8.1. Equation de parité Call-Put

6.8.2. Hypothèse efficiente du marché

6.8.3. Processus de Wiener

6.8.4. Mouvement Brownien

6.8.5. Processus d'Ito

6.8.6. Equation de Black & Scholes

6.8.7. Portefeuille autofinancant sur sous-jacent risqué

6.8.8. Les grecs et autres...

6.8.9. Résolution de l'E.D.P. de Black & Scholes

6.9. Value At Risk

6.9.1. VaR relative

6.9.2. VaR absolue

6.9.3. VaR historique

6.9.4. VaR variance-covariance

7. Analyse des séries temporelles

7.1. Coefficient d'autocorrélation

7.2. Régression logistique

Les travaux de Markowitz en 1954 ont constitué la première tentative de théorisation de la gestion financière de portefeuilles et son modèle suggère une procédure de sélection de plusieurs titres boursiers, à partir de critères statistiques, afin d'obtenir des portefeuilles optimaux. Plus précisément, Markowitz a montré que l'investisseur cherche à optimiser ses choix en tenant compte non seulement de la rentabilité attendue de ses placements, mais aussi du risque de son portefeuille qu'il définit mathématiquement par la variance de sa rentabilité. Ainsi, le "portefeuille efficient" est le portefeuille le plus rentable pour un niveau de risque donné. Il est déterminé au mieux par application de méthodes de programmation quadratique (cf. chapitre de Méthodes Numériques) ou sinon de manière heuristique en les étapes suivantes :

1. Noux fixons une espérance de rentabilité et nous trouvons tous les portefeuilles de variance minimale satisfaisant l'objectif de rentabilité. Nous obtenons ainsi un ensemble de portefeuilles de variance minimale.

2. Nous gardons de ces portefeuilles celqui qui pour une variance donne le rendement le plus élevé..

En procédant ainsi pour plus plusieurs valeurs de l'espérance, nous nous retrouvons avec un ou plusieurs portefeuilles efficients. Ainsi, entre deux portefeuilles (ensemble d'actifs) caractérisés par leur rendement (supposé aléatoire!), nous ferons les hypothèses suivantes :

H1. A risque identique, nous retenons celui qui a l'espérance de rendement la plus élevée (gain maximal)

H2. A espérance de rendement identique, nous retenons celui qui présente le risque le plus faible (aversion au risque)

Ce principe conduit à éliminer un certain nombre de portefeuilles, moins efficients que d'autres.

Passons maintenant à la théorie (un exemple pratique du modèle de Markowitz sera donné après les développements mathématiques).

Soit equation le rendement d'un portefeuille composé de n actifs caractérisés par leur rendement respectif equation. Nous posons, en outre, que chaque actif i entre pour une proportion Xi dans la composition du portefeuille P tel que:

equation   (99)

Remarque: Un part Xi d'un actif peut aussi être négative... Détenir une part négative d'un actif, c'est ce qui s'appelle en anglais le "short-selling" (vente à découvert) . Cette technique consiste par exemple à emprunter beaucoup d'actifs (supposés surévalués sur le marché) à une banque, les vendre pour faire baisser le prix de l'actif, et faire un profit en les rachetant moins cher pour les rendre à la banque (grosso modo car c'est assez complexe au fait...).

Donc l'espérance du portefeuille est donnée par :

equation   (100)   (101)

où l'espérance de Ri est sovuent pris comme étant simplement la moyenne arithmétique.

Maintenant, nous supposerons que les return des différents actifs financiers ne fluctuent pas indépendamment les uns des autres: ils sont corrélés ou, ce qui revient au même, ont des covariances non nulles (cf. chapitre de Statistiques) :

equation   (102)

Dès lors, la variance du portefeuille est donnée par (cf. chapitre de Statistiques) :

equation   (103)

Avant d'aller plus loin, précisons (car c'est important dans la pratique) que nous pouvons également écrire cette dernière relation sous forme matricielle (le lecteur peut facilement vérifier en prenant par exemple que deux titres que les deux écritures donnent un résultat identique) si nous notons X le vecteur des parts d'actifs et equation le même vecteur transposé :

equation   (104)

et finalement equation la matrice des covariances :

equation   (105)

matrice qui se simplifie directement en :

equation   (106)

nous obtenons finalement la relation de la variance sous forme matricielle condensée :

equation   (107)

telle que nous la voyons souvent dans la littérature spécialisée.

Pour en renvenir à la forme algébrique du modèle, puisque la covariance est symétrique (cf. chapitre de Statistiques) :

equation    (108)

et que :

equation   (109)

Nous pouvons simplifier et écrire la variance :

equation   (110)

sous la forme algèbrique suivante :

equation   (111)

telle que nous la voyons souvent dans la littérature spécialisée ancienne...

Sélectionner un portefeuille revient donc à résoudre problème de maximisation sous contrainte suivant :

equation

en utilisant la programmation quadratique (cf. chapitre de Méthodes Numériques).

Dans la pratique, nous cherchons non pas un, mais tous les portefeuilles qui pour une espérance donnée minimise la variance. Nous obtenons alors une fonction de l'espérance en fonction de la variance pour les portefeuilles optimaux si nous traçons cela sur un graphique (voir plus bas). Cette fonction est souvent assimilée par les financiers (à juste titre!) à une frontière comme le précise la définition qui suit.

Définition: La frontière qui caractérise le polygone ou la courbe des contraintes s'appelle dans cette situation la "frontière efficiente (de Markowitz)" et dans le polygone/courbe se situent tous les portefeuilles à rejeter dits "portefeuilles dominés". Une autre manière de formuler ceci consiste à dire que les combinaisons (rendement, risque) de cette frontière forment un ensemble d'optima de Pareto (cf. chapitre de Théorie De La Décision), c'est-à-dire que si l'un des éléments augmente, l'autre doit augmenter aussi.

Maintenant, formalisons l'optimisation comme cela était fait à l'époque où les gens devaient encore développer les algorithmes eux mêmes...

Soit Z la fonction économique précitée :

equation   (112)

qui doit être maximisée sous la contrainte que equation et où equation est un paramètre qui représente le degré d'aversion au risque des investisseurs (histoire aussi d'homogénéiser la relation...).

Le problème de maximisation sous contrainte consiste à déterminer le maximum de la fonction économique Z définie par:

equation   (113)

Cette fonction de n + 1 variables (equation) est maximisée si sa dérivée (partielle) par rapport à chacune de ces variables est nulle, ce qui revient à poser le système suivant :

equation   (114)

Posons:

equation   (115)

Nous pouvons alors écrire:

equation   (116)

soit sous forme matricielle :

equation   (117)

Soit désormais:

equation et equation   (118)

Dans ce cas, le système d'équations à résoudre peut se résumer sous la forme matricielle:

equation   (119)

Par conséquent:

equation   (120)

La détermination du poids de chacun des n actifs susceptibles d'entrer dans la composition d'un portefeuille passe donc par l'inversion d'une matrice carrée de n + 1 lignes et n + 1 colonnes comportant equation covariances (la diagonale comportant des variances seulement et la matrice étant symétrique!). Ce qui est relaviment long à calculer pour de gros portefeuilles.

Cependant, même une fois la pondération des actifs terminée, le problème lui ne l'est pas complétement. Effectivement, nous pouvons donc connaître la frontière efficiente mais le client va lui imposer une contrainte bien logique au niveau du risque nul de son portefeuille et du rapport rendement/risque maximum.

Compte tenu de la lourdeur des calculs nécessaires à l'inversion de la matrice A, Sharpe a proposé un modèle simplifié que nous verrons après un exemple pratique du modèle de Markowitz.

exempleExemple:

Considérons trois titres composants un portefeuille en proportions égales (que nous supposerons dans des proportions égales dans le portefeuille) et les n observations de leur rendement equation saisis dans MS Excel (la composante j pouvant être vue comme une période temporelle) :

equation
  (121)

Le but est donc de déterminer la frontière d'efficience du portefeuille selon le modèle de Markowitz ainsi que la C.M.L. et la pondération des actifs qui minimise la variance pour une espérance maximum pour un portefeuille composé d'un actif sans risque d'un rendement Rf de 0.22.

Dessous la table donnée précédemment nous allons créer dans MS Excel le tableau contenant les proportions equation des titres (que nous supposerons équidistribuées, soit 1/3), nous afficherons la moyenne du rendement equation calculée bien évidemment selon l'estimateur :

equation   (122)

et la variance equationcalculée pour chaque titre par l'estimateur :

equation   (123)

Ce qui nous donne le tableau suivant dans MS Excel :

equation
  (124)

Soit sous forme détaillée dans MS Excel toujours :

equation
  (125)

Nous devons maintenant calculer le rendement moyen du portefeuille selon :

equation   (126)

Cette relation est un peu longue à saisir, et le sera davantage si nous avons un nombre bien plus important de titres.

Dans notre cas, il s'agit de faire la somme des produits terme à terme de deux plage de cellules (equation et equation) ayant la même dimension (même nombre de lignes et même nombre de colonnes). Nous pouvons alors utiliser la fonction suivant dans MS Excel :

=SOMMEPROD(B14:D14;B15:D15)

Pour la variance du portefeuille, c'est un peu plus compliqué puisqu'il s'agira de calculer :

equation   (127)

La relation développée dans notre cas particulier donne :

equation   (128)

L'astuce pour appliquer ceci dans MS Excel consiste à utiliser l'algèbre linéaire et écrire cette relation sous forme matricielle comme nous l'avons démontré :

equation   (129)

Ce qui équivaut dans MS Excel à écrire :

=SOMMEPROD(PRODUITMAT(B14:D14;G14:I16);B14:D14)

Soit sous forme matricielle explicite :

equation   (130)

Donc en se basant sur les tableaux précédents, il est simple dans MS Excel d'obtenir la matrice de covariance :

equation
  (131)

Soit sous forme détaillée dans MS Excel toujours :

equation
  (132)

Rappel : La matrice des covariances est symétrique... (cf. chapitre de Statistiques).

Et pour l'espérance et la variance du portefeuille nous aurons donc le tableau suivant :

equation
  (133)

en appliquant donc les relations susmentionnées:

equation
  (134)

Le problème maintenant est de déterminer pour un rendement du portefeuille fixé (B19), les proportions des différents titres qui minimisent le risque.

Après avoir ajouté les deux cellules B24 (rendement espéré/attendu du portefeuille) et B25 (nombre total des parts du portefeuille) :

equation
  (135)

Nous devons donc maintenant résoudre le problème d'optimisation non linéaire :

equation    (136)

et ceci ne peut que se faire (simplement) à l'aide du solveur :

equation
  (137)

Ce que nous allons faire à l'aide du solveur est de chercher et reporter les solutions pour des rendements de 0.2 à 0.245 par pas de 0.05. A chaque résultat, nous noterons le numéro de l'itération, la variance du portefeuille equation et l'espérance de rendement equation qui était exigée. Cela devrait donner (bon il faudrait automatiser dans l'idéal la procédure par du VBA) :

equation
  (138)

Ce qui donne la frontière efficiente de Markowitz suivante sous forme graphique, appelé "plan de Markowitz", dans MS Excel  :

equation
  (139)

Maintenant il est aisé avec MS Excel de déterminer l'équation de cette parabole en utilisant l'outil d'interpolation (nous sommes obligés dans MS Excel de tourner la parabole pour cela...) :

equation
  (140)

Maintenant, nous allons déterminer la C.M.L (voir le modèle du modèle des actifs financiers plus bas) qui est la droite formée par l'ensemble des portefeuilles composés de l'actif sans risque, d'une part, et du portefeuille de marché, d'autre part. Par construction, elle associe à chaque niveau de risque, la rentabilité espérée la plus élevé.

Nous allons pour déterminer cette droite avec MS Excel nous fixer dans un premier temps un taux de rendement sans risque que nous noterons equation et que nous prendrons arbitrairement comme valant 0.22. Nous avons donc la courbe de Markowitz d'équation :

equation

equation
  (141)

et la droite :

equation   (142)

avec la condition (voir sur le graphe):

equation   (143)

Nous avons alors deux équations à deux inconnues pour résoudre ce problème (l'intersection de la droite et la parabole pour la première et l'égalité de la pente de la parabole et de la droite au point d'intersection) :

equation   (144)

La deuxième équation nous donne :

equation   (145)

Injecté dans la première équation :

equation   (146)

Si nous résolvons ce polynôme du deuxième degré nous avons deux solutions réelles (MS Excel n'arrive pas à déterminer les racines de ce polynôme mais pour Maple c'est très simple) :

equation   (147)

La solution 2 est à éliminer (nous le savons en essayant de la prendre comme solution). Nous avons donc:

equation   (148)

Ce qui donne sous forme graphique :

equation
  (149)

Soit sous forme traditionnelle :

equation
  (150)

Il vient aussi immédiatement :

equation   (151)

Ainsi, en réutilisant le solveur comme plus haut mais avec cette nouvelle valeur pour l'espérance, nous obtenons pour un portefeuille du marché composé d'un actif sans risque de rendement 0.22, un rendement global efficient de 0.2314276... avec la composition suivante du portefeuille donnée par le solveur :

equation   (152)

Voilà donc un sympathique petit exemple applicatif dans un logiciel accessible à presque tout le monde!


page suivante : 6.6. Modèle de diversification efficiente de Sharpe