Diversification et covariances Ingénierie Economique et Financière, Paris-Dauphine Historiquement    L’optimisation moyenne / variance développée par le prix Nobel Harry Nobel Laureate Harry Markowitz in.

Download Report

Transcript Diversification et covariances Ingénierie Economique et Financière, Paris-Dauphine Historiquement    L’optimisation moyenne / variance développée par le prix Nobel Harry Nobel Laureate Harry Markowitz in.

Diversification et covariances
Ingénierie Economique et Financière, Paris-Dauphine
Historiquement



L’optimisation moyenne / variance
développée par le prix Nobel Harry
Nobel Laureate Harry Markowitz in 1952
« Portfolio Selection », Journal of
Finance vol.7, pp. 77-91
Portfolio Selection : Efficient
Diversification of Investments, 1959
Description


une technique opérationnelle pour
obtenir des portefeuilles diversifiés
En arbitrant entre le rendement moyen
et le risque de marché induit (volatilité
du rendement du portefeuille)






Les inputs :
les rendements espérés des titres
leurs volatilités
les covariances
L’estimation :
souvent sur données historiques
Présentation formelle





Cadre et notations:
J actifs risqués indicés j=1,…,J résumés
par
rj
le rendement espéré
j
la volatilité (= écart-type)
la matrice de covariance
σ  ij
Présentation formelle

S’il existe un actif sans risque
r0



Un portefeuille est défini par les parts
des titres qui le composent
part du titre j
xj
portefeuille :
 x1 
  ...
x  x j 
..
 xJ 
 

portefeuille au sens stricte (a fully
invested portfolio)
 
1T.x1
sinon une source de financement
supplémentaire (si >1) est nécessaire
 Actif sans risque
Contraintes financières


Parmi les contraintes susceptibles d’être
prises en compte
contraintes sur les ventes à découvert
j, x j 0
Th. du portefeuille élémentaire : non prise
en compte
 contrainte budgétaire
Contrainte budgétaire





Chaque investisseur est défini par :
sa richesse initiale W
investissement x j.W si x j 0
financement x j.W si x j 0
Contrainte budgétaire :
investissements < W + financements
Contrainte budgétaire (2)
Investissements < W + financements

x j 1
j
Contrainte budgétaire (3)
Investissements < W + financements


x

1

x
 
x j.W  W 
x j 0
x j.W
x j 0
j
j
x j 0
x j 0
x x  1
j
x j 0
j
x j 0
Le programme de l’investisseur

Objectif : richesse terminale

~
W
(1~
rj).(x j.W)
j
W W W

~
rp 
~
rj.x j
j

~
rj.x j
j
Le rendement du portefeuille
Le programme (2)

Hyp : utilité espérée
~
max E[u(W Wr p )]

sousles contraintes:


xj  1

j


Hypothèse moyenne-variance
~
~
~
2
Eu (W Wrp)  V(E rp, (rp))
avec V10, V20
Efficience

La propriété d’efficience des portefeuilles
optimaux :
tout portefeuille optimal donne le rendement
espéré le plus élevé pour son niveau de volatilité
Tout portefeuille optimal donne le risque le plus
faible pour son rendement espéré
Efficience (2)
Conséquence : tout portefeuille optimal
est un élément de l’ensemble des
portefeuilles efficients, i.e. des portefeuilles
qui maximisent :
le rendement espéré à volatilité donnée,
ou qui minimisent la volatilité à rendement
espéré donné

Efficience (3)

Programme :

min σ 2p

sous les contraintes


 (x0)
x j 1

j



rp  rˆ

ou
max rp


sous les contraintes


x j 1
 (x0)

j


2  ˆ 2
σ
p



La gestion du risque

min σ 2p

sous les contraintes


 (x0)
x j 1

j



rp  rˆ


Comment minimiser le risque?
La gestion du risque

La diversification traditionnelle

L’exploitation des covariances
La diversification traditionnelle
volatilité du portefeuille

nombre d ’actifs
La covariance
 2p 
x x .
j i ij
j
 2p 


i
x x .
x2j 2j 
j
x2j 2j
j i ij
j i j
Risques « spécifiques »
j
x .x .
j i ij
j i j
Risques « systématiques »
La diversification traditionnelle
1er cas : risques indépendants et identiques
 2p 

x2j 2, rj r
j
Portefeuille optimal :
x j 1 ,
J
 p 
J
La diversification traditionnelle

2ème cas : portefeuille equipondéré
x .x . x .x .
Covariance moyenne
j i
j i j
 2p  12
J

j i ij
j i j
J(J 1)
2
 j 2 
j
J
 j   limJ  σ 2p σ 2
La diversification traditionnelle
Effet de la diversification sur le risque du portefeuille 1985-1991
50 valeurs du marché parisien
0,0012
0,0010
variance
0,0008
0,0006
0,0004
0,0002
0,0000
0
5
10
15
nombre de titres
20
25
30
La contribution de Markowitz



Il existe un mécanisme beaucoup plus
important que le mécanisme de
mutualisation.
Un mécanisme qui repose sur les
covariances.
Une illustration : le cas à deux actifs
 2p x12.122.x12.x22..1 2x22. 22
Diversification et covariance
Application
Diversifications :
-Sectorielles
- géographiques
- (styles des titres ou des funds)
- ….
Distribution des corrélations
40,00
34,3
35,00
30,00
26,7
24,8
25,00
20,00
15,00
10,00
6,7
4,8
5,00
2,9
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0
0,1
0,2
0,3
0,0
0,00
-0,9 -0,8 -0,7 -0,6 -0,5 -0,4 -0,3 -0,2 -0,1
0,4
0,5
0,6
0,7
0,8
0,9
1
Couples variance / rendement possibles avec le titre DJS AUTO
8
6
4
Er (en %)
2
0
18
20
22
24
-2
-4
-6
Ecart-type (en %)
26
28
30
DJ Stoxx BANK P
DJ Stoxx BASI P
DJ Stoxx CHEM P
DJS CNS&MT
DJS OIL&GAS
DJ Stoxx FINS P
DJ Stoxx F&BV P
DJ Stoxx IND P
DJ Stoxx INSU P
DJ Stoxx MDIA P
DJS HEA CR
Distribution des corrélations
20,00
18,4
18,00
16,3
16,00
13,7
14,00
11,6
12,00
10,0
9,5
10,00
7,9
7,4
8,00
6,00
4,2
4,00
2,00
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,5
0,0
0,5
0,00
-0,9 -0,8 -0,7 -0,6 -0,5 -0,4 -0,3 -0,2 -0,1
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Couples variance / rendement possibles avec le titre CAC 40
38
ATX
BEL-20
PX50
KFX
DAX
Budapest SE Index
Total Share
Moscow Times
Madrid General
Stockholm General
ISE National-100
Er (en %)
33
28
23
18
10
11
12
13
14
15
Ecart-type (en %)
16
17
18
19
20
Winkelman (2004)
Base de données Nelson
1434 managers actifs sur 10 classes d’actifs
Octobre 1992 – septembre 2002
Classes d'actifs
US Large-Cap
US Large-Cap Growth
US Large-Cap Value
US Small-Cap
US Small-Cap Growth
US Small-Cap Value
EAFE
Emerging Equity
High Yield
Core Plus
alphas
(bruts, bp)
83
231
51
423
717
277
334
337
254
24
Volatilité résiduelle (en bps) en fonction du nombre de managers
1
2
3
4
5
494
357
335
291
270
717
546
497
461
460
578
465
410
378
359
836
666
612
570
536
1093
925
800
718
662
878
687
630
582
558
599
434
390
373
357
713
601
546
515
493
270
226
199
196
194
90
72
67
64
62
Winkelman (2004)
Base de données Nelson
1434 managers actifs sur 10 classes d’actifs
Octobre 1992 – septembre 2002
Classes d'actifs
US Large-Cap
US Large-Cap Growth
US Large-Cap Value
US Small-Cap
US Small-Cap Growth
US Small-Cap Value
EAFE
Emerging Equity
High Yield
Core Plus
Corrélation
0,07
0,19
0,17
0,21
0,16
0,27
0,20
0,30
0,22
0,23
1
0,97
0,86
0,97
0,91
0,96
1,00
0,96
0,98
0,82
1,00
2
0,96
0,88
0,97
0,89
0,98
1,01
0,95
0,98
0,80
0,99
Bêta
3
0,97
0,88
0,97
0,90
0,97
1,01
0,94
0,98
0,80
0,99
4
0,96
0,88
0,98
0,91
0,96
1,01
0,95
0,97
0,80
0,99
5
0,97
0,87
0,97
0,91
0,97
1,00
0,95
0,97
0,81
0,99