DYNAMIQUE DES POPULATIONS | THÉORIE
DES JEUX ET DE LA DÉCISION | ÉCONOMIE
TECHNIQUES DE GESTION | MUSIQUE MATHÉMATIQUE
Dernière mise à jour de ce chapitre:
2017-12-31 17:59:55 | {oUUID 1.805}
Version: 3.18 Révision 73 | Avancement:
~70%
vues
depuis
le 2012-01-01:
15'777
LISTE DES SUJETS TRAITÉS SUR CETTE PAGE
Attention! Les sujets traités relatifs à la thorie
moderne des portefeuilles sont au niveau du nombre de définitions
pire
que la thermodynamique, il en
va de même pour les hypothèses des modèles théoriques qui y sont
utilisés. Signalons de plus qu'il existe souvent plusieurs termes
de vocabulaire pour désigner
la
même chose dans le métier de la finance (nous n'avons pas connaissance
d'une norme ISO dans la finance au niveau du vocabulaire bien
qu'il en existe une pour standardiser la symbolique des instruments
financiers) et qu'il arrive assez régulièrement
que les banques elles-mêmes corrigent parfois des définitions
mathématiques dans leurs brochures et logiciels pour s'aligner
avec l'opinion majoritaire du moment... (convention de signe,
convention
de
symboles, convention de quoi doit être divisé par quoi, convention
de quoi doit être soustrait par quoi, etc.). Nous avons aussi,
conformément aux autres chapitres, tenté de simplifier au maximum
les démonstrations
mathématiques (et en nous
limitant de plus qu'aux modèles
théoriques
les plus simples de niveau licence...)
quitte à parfois prendre des raccourcis qui vont faire grincer
les dents
de certains.... et nous avons aussi tenté de donner à chaque
fois les différents termes d'usage existants ainsi que les notations
mathématiques mutliples pour un même concept théorique. Alors
bonne lecture et courage!
THÉORIE MODERNE DES PORTEFEUILLES
La théorie du marché des valeurs dite aussi "théorie
moderne du portefeuille" est la théorie mathématique
qui traite du prix, du choix, de la gestion et des opérations
des échanges
des emprunts, prêts et capitaux à travers le temps. Cette théorie
fait très
fortement appel aux modèles statistiques et il
est donc important d'avoir lu et compris le chapitre y relatif
sur
le site
au préalable. Nous verrons de fait que la majorité des
modèes reposent sur une représentation probabiliste et le problème
devient alors un problème de détermination du prix à une date
future revient à déterminer la loi de probabilité du prix des
actifs, ces derniers étant vus comme des variables aléatoires.
Il faut cependant savoir qu'en pratique, dans les instituts financiers
privés ou publics, seule une infime minorité
des acteurs du marché connaît, comprend et applique
des modèles
mathématiques et pour les autres ayant obtenu des certifications
ou diplômes de formation continue (CFA, FRM, CAIA, etc.),
le niveau est souvent affligeant. Effectivement la grande majorité des
traders (opérateurs de marché) se limitent à l'analyse
graphique de diagrammes de Bourse du type bougies en utilisant
des analyses du type moyennes mobiles,
limites
basées
sur les cartes
de contrôles
(cf. chapitre de Génie
Industriel) avec bandes de Bollinger ou autres USL/LSL,
régressions
linéaires
et une trentaine de techniques du même genre (le plus drôle étant
les indices empiriques ayant des noms scientifiques comme "l'indice
stochastique" et
qui sont en fait de simples variations relatives...). La gestion
financière
n'est donc finalement souvent que l'application du bon sens (quand
il est
présent...)
sur la variation des prix en fonction des
quantités... en analysant des graphiques et en sachant retirer
ou déplacer ses investissements au bon moment.
Cette situation s'explique aisément: les modèles
théoriques actuels
du 20ème siècle et du début du 21ème
siècle sont incapables à ce jour de
prendre en compte la complexité et l'interaction dans la
complexité
de notre monde moderne. Vous verrez effectivement dans cette section
que la majorité des modèles mathématiques étudiés
dans les grandes universités supposent des cas simplifiés
et idéalisés
(indépendance, distributions unimodales, variance finie,
choix d'indicateurs statistiques empiriques, etc.). Donc dans la
situation
actuelle
il vaut souvent mieux écouter un trader qui est informé des
stratégies des
États et des entreprises qu'un mathématicien pour
lequel le monde se résume à un conte de fée
(mais qui néanmoins lui permet de vendre
des heures de conseil à un tarif très élevé et
de rassurer des clients qui veulent à tout prix des prévisions
qui n'ont quasiment aucun sens).
Il faut aussi savoir q'un certain nombre de personnes sont persuadées
que tout est écrit quelque part, qu'une sorte
de réalité assez
abstraite
existe en dehors de notre monde concret et que si nous étions
assez malins, nous pourrions la formaliser mathématiquement
et prévoir les évolutions futures sur le long terme.
Au fait le scientifique sait lui que nous avons affaire dans ce
genre de domaine
à un chaos déterministe du marché et que la
seule manière de gérer
celui-ci est de corriger au jugé avec une vague idée
de ce qui va se passer. En économie les spécialistes
parlent de la "dictature
des marchés", mais c'est reconnaître en
un sens que nous ne savons rien prédire! Évidemment,
certains, dans les milieux de la complexité, vendent aux
banquiers et à
d'autres l'idée qu'ils sauront prédire les fluctuations
de la Bourse... mais il suffit d'observer le passé pour
voir qu'aucun modèle moderne n'aurait su le prédire.
La seule chose que la mathématique peut faire dans
la gestion financière, c'est d'analyser le comportement
d'un actif financier idéalisé dans un cadre qui l'est
lui aussi et c'est déjà pas mal
et force un peu au bon sens... (pour ceux
qui savent faire des maths ce qui est très loin du cas du
99% des personnes travaillant dans la finance).
En finance, les modèles mathématiques
serviraient donc à mesurer
et quantifier le risque des investissements. À ce
titre, ils jouent le rôle d'outils d'aide à la
décision pour les
gestionnaires, les investisseurs et les régulateurs.
Mais, à de
rares exceptions près, une banque ou un fonds d'investissement
ne fonde pas une décision majeure d'investissement
sur une équation mathématique. La décision,
pour les banques d'investissement est souvent
motivée par la recherche de rentabilités toujours
plus grandes et pour cela elles ne s'appuient pas
sur des modèles mathématiques. Par ailleurs, les personnes
dirigeantes des banques privées ou d'état sont souvent
des personnes issues du monde de la politique, du droit ou de la
gestion d'entreprise
avec
peu
de compétence pour comprendre réellement le fonctionnement
des marchés (voir le programme des Master en trading de nombreux
pays par exemple). Par
ailleurs méfiez-vous des entreprises - particulièrement des multinationales
- qui recherchent des spécialistes
financiers maîtrisant Microsoft Excel ou Microsoft Access.
Car cela signifiera qu'elles utilisent des outils non professionnels pour faire
un travail qui
lui devrait
pourtant l'être avec
des outils adaptés (et Microsoft Excel ou Microsoft Access
ne le sont pas)!!! Donc
en termes d'organisation interne, vous pouvez vous assurer que
ces entreprises organisent et analysent n'importe quoi, n'importe
comment, avec un outil non adapté et donc que c'est le bordel général
en interne.
Cela n'empêche cependant pas que pour ceux qui considèrent
la mathématique comme un art (ce qui est mon cas), les
modèles théoriques
financiers ont une certaine élégance et permettent
de comprendre rigoureusement le mécanisme de fonctionnement à défaut
de pouvoir le prévoir.
Il faudrait peut-être responsabiliser aussi ce domaine d'activité
en mettant en place les mesures suivantes:
- Exiger
la documentation publique détaillée
des composants (sous-jacents), algorithmes et modèles mathématiques
des produits financiers.
- Imposer un niveau de fonds propre dynamique (réserve
fractionnaire) aux instituts financiers en fonction de leurs positions
sur les marchés et du risque des classes d'actifs gérés.
- Obliger
les
acteurs
sur un
marché
d'opérer dans un domaine d'activité ayant un certain
niveau prédéfini
de connexité avec la classe d'actifs gérée.
- Limiter
le nombre de transactions pour
un actif
financier non limité dans le temps et imposer aussi
pour cette même famille d'actifs un temps minimum de non-transaction.
- Éviter le front running ou spoofing- forme de délit
d'initié consistant à prétendre vouloir acheter ou vendre
un titre dans l'intention d'annuler cette opération au dernier
moment - en obligeant les transactions automatisées
(sans passer par des humains (brocker/trader)) et le cas échéant
interdire de pratiquer à vie aux tricheurs et retirer leurs
diplômes
académiques.
- Obliger les personnes actives
dans ce domaine d'activité de passer des examens régulièrement
pour vérifier
qu'ils comprennent bien ce qu'ils font et les hypothèses
de travail y relatives (comme pour les actuaires dans certaines
assurances).
- Interdire les banques qui font du dépôt de faire également
du négoce.
- Surveiller de près tous ces certifiés "risk manager"
qui sortent des centres de formations depuis ces 30 dernières années
car au
vu des événements durant ces mêmes années, il semblerait qu'ils
ne fassent pas leur travail ou que si ils le font, que leurs recommandations
ne sont pas appliquées au plus haut niveau de la direction des
banques (et donc leur travail est totalement contre productif).
Il y aurait donc un grand nombre de propositions à mettre
en place pour
redonner
son
but et
son éthique
originelle
au domaine
de la gestion financière.
Définition: La "Bourse"
("Stock Exchange") est le
marché public, organisé et en théorie... réglementé...
où s'échangent
des titres (actions, obligations, contrats, options, etc.) dont
la
valeur
va fluctuer
relativement à la "valeur fondamentale"
(valeur de base calculée selon des modèles théoriques)
au gré de l'offre ("ask"
en anglais) et de la demande ("bid"
en anglais). Lorsqu'un titre est beaucoup demandé, son
prix monte, et inversement, lorsque personne n'en veut. La différence
entre la valeur de l'offre et de la demande est appelée
"spread" (en anglais mais
c'est aussi le terme d'usage en français).
La Bourse est une structure qui permet:
1. Pour les entreprises qui veulent investir (donc augmenter leur
capital) d'obtenir des fonds afin de satisfaire la demande potentielle.
2. De rendre au plus stable l'économie en la rendant la
plus dynamique et fluide possible (mais sous contrôle quand
même...)
dans le but qu'elle s'autorégule.
Le système cité ci-dessus fonctionne si et seulement
s'il est transparent, rationnel, efficient, autorégulant
et équilibré!
Remarque: Nous parlons de "bulle
spéculative"
lorsque les prix observés sur un marché boursier
s'écartent
trop de la valeur fondamentale des biens échangés.
Définition: Nous appelons "marché
de gré à gré" (ou "over-the-counter"
(OTC) en anglais) une transaction entre deux parties libres (directement
entre le vendeur et l'acheteur) de contracter et normalement
informées
hors de la Bourse et est donc privé, non organisé et
non réglementé (ou de manière très
souple...). Parfois, un courtier sert d'intermédiaire,
mais ce dernier n'est pas une contrepartie: il n'interviendra
pas dans le règlement de la transaction. Parfois, par
contre, une banque propose elle-même ce type de transaction
et en assure la contrepartie, mais souvent en couvrant son risque
sur un autre marché.
Par exemple, le marché des devises ForEx (Foreign Exchange)
ou des D.C.S. (Default Credit Swap) est essentiellement un marché de
gré à gré (chiffres d'affaires quotidiens
de plusieurs milliers de milliards de dollars!).
Par exemple dans le cadre des devises, une
entreprise ou une banque qui désire effectuer une opération
de change va se mettre en relation directe avec une autre banque.
Il existe cependant un marché organisé des devises.
Définition: Un investissement est dit
"investissement
liquide"
si l'investissement porte sur des instruments financiers que l'on
peut acheter ou respectivement vendre à tout moment. In extenso
un portefeuille est dit "portefeuille
liquide" s'il contient
une majorité d'instruments liquides.
Définitions: Dans une institution financière
nous parlons de "front-office" lorsque nous désignons les traders
qui exécutent des transactions, prennent des positions, etc. Nous
parlons de "middle office" lorsque nous désignons les gestionnaires
de risque qui suivent les risques qui sont pris par le front-office.
Enfin, nous parlons de "back office" pour tout la partie administrative
restante (gestion des écritures, comptabilité).
Avant de commencer à s'attaquer à la mathématique pure et dure,
il va nous falloir au préalable donner encore une fois un grand
nombre de définitions pour s'habituer au vocabulaire usité par les
analystes et ingénieurs financiers (attention c'est relativement
long...).
ABSENCE D'OPPORTUNITÉ D'ARBITRAGE (A.O.A.)
L'une des hypothèses fondamentales des modèles financiers usuels
est qu'il n'existe aucune stratégie financière permettant, pour
un coût initial nul, d'acquérir une richesse certaine dans une
date future. Cette hypothèse est appelée "absence
d'opportunités
d'arbitrage" (A.O.A.). Elle est justifiée théoriquement par
l'unicité des prix caractérisant un marché en concurrence pure
et parfaite.
Pratiquement, il existe des arbitrages mais qui disparaissent
très rapidement du fait de l'existence d'arbitragistes, acteurs
sur les marchés dont le rôle est de détecter ce type d'opportunités
et d'en profiter. Ceux-ci créent alors une force qui tend à faire évoluer
le prix de l'actif vers son prix de non-arbitrage (son prix "réel").
Remarque: Le problème, c'est
que le prix "réel" de
l'actif, c'est le prix vers lequel
le font converger acheteurs et vendeurs et quand ceux-ci se mettent
d'accord entre eux... le système se grippe...
Ainsi, si plusieurs actifs de même risque proposent des rendements
différents, les investisseurs qui recherchent de nouvelles
opportunités
vont logiquement tourner leurs achats vers ceux dont le rendement
est le plus élevé, ce comportement entrainant alors
une baisse du rendement de ces actifs.
La mathématique financière reposant sur
l'A.O.A. laisse ainsi ces arbitragistes gagner de l'argent
et néglige ces apparitions
d'opportunités qui de toute façon n'existent toujours
que sur un temps supposé très bref (ce
type de stratégie est mis à profit
aujourd'hui avec l'informatique qui peut donner des ordres de
vente et d'achat à la milliseconde près).
Un exemple royal pour illustrer ces propos est d'utiliser une
version simplifiée du modèle élaboré par Cox, Ross et Rubinstein
car il traduit explicitement le concept de l'A.O.A. et l'importance
des modèles probabilistes.
L'exemple se base sur l'hypothèse que le marché est
formé d'un
actif risqué et d'un taux de placement constant r.
Par exemple, une somme de 1 dollar aujourd'hui, placée au
taux r, engendre
un revenu certain et garanti de 1+r dollars au temps 1 quelle
que soit l'évolution future du marché dans l'exemple
considéré.
Nous commençons par étudier ce marché sur
une seule période de
temps telle que le temps initial sera noté et
l'instant final (nous
appelons une telle situation un "marché monopériodique").
Nous supposons parfaitement connaître le marché à l'instant
initial. Dans notre contexte cela signifie que le prix de l'actif
risqué est fixé et
l'actif non risqué est déterminé par son rendement .
Quant à l'actif risqué, sa valeur à n'est
pas connue à l'avance. Afin de restreindre le champ des
possibles, nous supposerons que le rendement de cet actif ne peut
prendre que
deux valeurs b (bas) et h (haut) avec:
(66.1)
Ainsi, l'actif risqué au temps ne peut
prendre que deux valeurs positives. La valeur basse:
(66.2)
ou la valeur haute:
(66.3)
d'où l'appellation de "modèle binomial"...
Un investisseur peut ainsi acheter une quantité d'actif
risqué et placer une somme au
taux r . La valeur au
temps du
portefeuille de composition est
donc:
(66.4)
À l'instant final, nous aurons:
(66.5)
Comme nous l'avons expliqué plus haut, peut
prendre deux valeurs, il en est donc de même pour .
Ce qui signifie que le revenu de ce portefeuille est incertain.
Maintenant, pour montrer le concept de l'A.O.A. passons à une
application numérique en considérant la situation particulière
où il est plus
avantageux, et à coup sûr, d'investir dans l'actif risqué que le
non risqué.
Imaginons pour cela que nous empruntions 100.- à une banque
au taux sans risque de 5% et que l'unité d'actif risqué que
nous souhaitons acquérir avec cet argent soit cotée
aujourd'hui à celle-ci
pouvant prendre deux valeurs futures:
(66.6)
Nous avons alors pour notre portefeuille à l'instant initial:
(66.7)
et à l'instant final deux cas possibles:
(66.8)
et:
(66.9)
Nous voyons alors de manière triviale que si il
existe une opportunité d'arbitrage puisqu'il devient possible
de gagner de l'argent à coup sûr sans en dépenser! Pour éviter
une A.O.A. dans cette situation, il faut donc que le marché s'équilibre
et qu'il y ait:
(66.10)
Inversement, s'il est plus à coup sûr plus lucratif d'investir
dans l'actif non risqué que
dans l'actif risqué, le marché doit s'organiser pour éviter
toute opportunité d'arbitrage de la sorte que:
(66.11)
Ainsi, dans les deux cas, il faut éviter à tout moment que dans
le marché binomial nous ayons une A.O.A. Et cela est seulement
possible si:
(66.12)
L'absence d'opportunité d'arbitrage à deux
implications simples (il y en a des moins simples comme nous le
verrons bien
plus loin....). Considérons le cas où nous avons
deux actifs respectivement de rendement i et j et
que nous savons que l'actif de rendement i ne fera pas
défaut dans le paiement de
ses dividendes. Par contre l'actif de rendement j pourrait
faire défaut avec une probabilité 1 - p. Alors,
de par l'A.O.A nous devons avoir:
(66.13)
Donc nous pouvons en déduire la probabilité de non
défaut de paiement de l'actif:
(66.14)
et donc la probabilité de défaut:
(66.15)
Ce type de raisonnement permet donc aussi d'exiger
un rendement k d'un émetteur d'actifs (de type
obligations typiquement) connaissant par expertise/audit la probabilité de
défaut de paiement/remboursement par rapport à un
actif sûr à 100% de rendement i.
PORTEFEUILLES
La majorité des transactions boursières concernent
le contenu des
"portefeuilles de titres" (security
portfolio) qui sont l'ensemble des titres qu'un acteur du marché peut
détenir.
Gérer
un portefeuille consiste donc (le plus classiquement...) pour
un gestionnaire
à chercher un retour sur investissement (RSI) maximal pour
le client tout en minimisant les risques.
Remarque: Le RSI est aussi parfois
appelé "rendement"
ou "taux de rendement" ou "taux
de profit" et désigne
donc un ratio financier qui mesure le montant d'argent gagné ou
perdu par rapport à la
somme initialement investie dans un placement (souvent sur la
base d'une période annuelle). En général,
ce ratio est exprimé en pourcentage plutôt qu'en valeur
décimale.
Les "titres financiers" (financial
security) se dérivent
sous la forme d'actions, d'obligations, d'options de devises et
de matières premières tous appelés plus généralement
"produits financiers" ou
encore "actifs financiers"
et dont les définitions (non exhaustives) seront données
ci-dessous. Lorsque certains de ces produits sont mélangés,
nous parlons alors de "produits structurés" (typiquement
l'association d'un sous-jacent avec une option).
Définitions:
D1. Pour mesurer l'évolution générale d'un
marché boursier, nous utilisons des "indices"
reflétant la moyenne arithmétique (Down Jones Index
ou S&P500 par exemple) ou la moyenne pondérée
(Swiss Market Index par exemple) des cours (valeurs) d'un certain
nombre
de
titres
représentatifs. Cela permettant d'en connaître le
rendement. Les fonds d'investissement monitorés sur le base d'indices
boursiers sont nommés des "ETF"
pour "Exchange Traded Funds" et c'est simplement des fonds qui
répliquent le rendement des indices et qui n'essaient non pas de
le superformer.
D2. Un "produit dérivé"
est un produit/instrument financier, qui s'achète
et se vend, et qui est toujours bâti sur la base d'un titre
financier. Ce dernier est alors appelé "actif
sous-jacent" ou "support"
du produit dérivé. Ceux-ci peuvent donc être
des actions, des obligations, des devises, ... et même des
produits dérivés... Le danger avec les produits
dérivés est, à force de les superposer de
ne plus savoir exactement quels sont les sous-jacents, raison
pour laquelle on les qualifie parfois d'arme de destruction massive
de la finance (certains dirigeants les ont éliminé de leurs portefeuilles
mais ceci peut avoir l'effet inverse: auggement le risque puisqu'à
la base les dérivés ont justement été construits pour se
couvrir des risques... bref ce n'est pas simple!).
D3. La "volatilité" mesure
l'amplification de la variation d'un cours. Autrement dit, un titre
financier dont
la volatilité est élevée
voit son cours varier fortement, voire de façon exagérée
sur une période donnée. À l'inverse, un titre
dont la volatilité est faible voit son cours varier
peu et/ou de manière assez cohérente. La volatilité s'exprime
souvent en pourcentage dans les modèles mathématiques
simples (car il en existe plusieurs définitions dont nous
en verrons certaines par la suite). Ainsi, la volatilité d'un
titre sur une période
donnée est basiquement définie par:
(66.16)
Dans des situations complexes, la volatilité est
souvent assimilée à l'écart-type et nous verrons
cela plus loin.
ACTIONS
Définition: Les "actions" sont
des papiers-valeurs reconnaissant par contrat des droits de
propriétés
sur le capital d'une entité dite "société anonyme" (S.A.).
Ce contrat a un prix et il est échangeable sur le marché.
L'action ou le portefeuille d'actions (en anglais: "equity portfolio")
donne à son
propriétaire
des droits de différentes
natures tels que les droits sociaux (droit de vote aux
assemblées
générales, droit d'élection et d'être
élu au conseil d'administration) ou patrimoniaux (droit
de recevoir une part du bénéfice net, sous forme
de "dividende" variable
représenté à l'époque du papier par
un petit coupon numéroté
à détacher/découper), ou une part du produit
de la liquidation de la société si
elle venait à tomber en faillite, ainsi qu'un droit préférentiel
d'acheter de nouvelles actions en cas d'augmentation du capital.
Figure: 66.1 - Exemple d'action avec dividende à l'époque du papier...
Nous distinguons les actions suivantes:
- "L'action classique" qui donne donc un droit de vote lors des
assemblées générales, un droit à l'information (...), une droit
à des dividendes.
- "L'action privilégiée" qui offre un privilègre qui peut être
une priorité lors des votes dans les assemblées générales ou une
priorité lors de la distribution du dividende.
- "L'action à dividende prioritaire"
qui donne uniquement un accès privilégié aux dividendes (donc pas
de droit de vote!).
- Les "actions à bons de souscription
d'actions" qui sont des
actions qui donnent droit à leur détenteur de souscrire à de nouvelles
actions à une date donnée.
Définition: Il y a plusieurs types de "rendement
boursier" en fonction du contexte d'une discussion
qui sont pour certains intuitifs et pour d'autres assez complexes.
Voici trois des plus courants (nous en verrons d'autres par
la suite...) à notre
connaissance lorsque l'on aborde pour la première fois
la mathématique
financière: - Il y a le rapport, exprimé en pourcentage et appelé "yield" ou
"taux de rendement" (à ne
pas confondre avec le "yield to maturity" ou "taux de rendement
à maturité" que nous verrons plus loin),
entre le dividende par action distribué par
une société et
le cours de l'action en circulation de cette
société au moment du versement du dividende (certains
prennent parfois la moyenne arithmétique des dividendes
versés
sur plusieurs périodes):
(66.17)
- Il y a le rapport, exprimé en numéraire par année
et appelé "rentabilité de
l'action", de la différence
entre le cours de vente de l'action majoré par les dividendes
et le cours d'achat de l'action de cette société sur
le nombre de périodes (exprimé souvent en années):
(66.18)
Si nous divisons le résultat de ce dernier
rendement numéraire annuel par le capital initial investi,
nous obtenons le rendement en pourcentage.
- Il y a le "taux de rendement
implicite" (et son
inverse le PER: "Price Earning Ratio") qui est le rapport entre
le bénéfice net de l'entreprise et la valeur
de
capitalisation boursière et dont l'abréviation peut être
confondue avec le taux de rendement interne (cf.
chapitre Techniques de Gestion):
(66.19)
Le TRI est donc une sorte de rendement
entre le revenu potentiel de l'action et son prix (attention :
il ne serait question du rendement réel que si l'on prenait
en compte le rapport dividendes versés/cours de l'action
qui peut être très différent). On suppose, à tort
ou à raison, que l'entreprise a un meilleur usage à long
terme à faire de ses bénéfices que de les
distribuer sous forme de dividendes....
Le PER (l'inverse du TRI) généralement
cité dans
la presse est celui calculé sur le dernier bénéfice
annuel publié. Toutefois les analystes se basent souvent
sur le bénéfice anticipé pour l'année
en cours.
Exemples:
E1. Prenons une action remboursable achetée
il y a 6 ans au prix de 10.- (capital investi). L'investisseur
la vend à 12.50.- L'investisseur a reçu
3 fois un dividende de 2.20.- plus une fois
un
de
1.-. Les deux types de rendements donnent
alors
respectivement:
(66.20) et si nous divisons ce dernier par le capital
initial investi (10.-), nous obtenons donc 16.8%.
E2. Le prix (frais compris) maximum que nous pouvons mettre
pour acheter une action de 500.- rapportant un dividende de 12% à concurrence
d'un placement
identique avec un rendement de même périodicité de 5% est
de 1'200.-. Effectivement, une telle action rapporterait 60.- de dividendes à chaque
période (12% de
500.-). La somme qu'il faudrait placer pour avoir le même intérêt à 5%
est 1'200.- (5% de 1'200.- faisant aussi 60.-).
E3. Le titre émis par une société (dont
le capital est composé de 10 millions d'actions) cote 100.-, ce
qui porte la valeur en Bourse de la société à 1 milliard.
Le bénéfice net prévu est de
50 millions pour l'exercice en cours, soit 5.- par action. La division du bénéfice
net prévu par la capitalisation donne donc un price earning ratio
de 20.
Remarques:
R1. Nous
différencions les "actions
au porteur" négociables
sans restrictions en Bourse des "actions
nominatives"
dont la valeur doit être négociée avec des restrictions
juridiques plus ou moins complexes, car il y figure le nom de
l'actionnaire
qui doit être inscrit au registre des actionnaires.
R2. Lorsqu'une société anonyme veut augmenter
son capital-actions, elle peut émettre des actions supplémentaires.
Les nouvelles actions seront proposées aux actionnaires
de la société à un cours fixe et en proportion
des actions qu'ils détiennent ("droit
de souscription") afin de ne pas les pénaliser
contre une décote. Ceci leur permettra donc de maintenir
le pourcentage de leur part
dans le
capital, ainsi
que le poids
de leurs
droits de vote.
Pour clore cette petite introduction
sur les actions, signalons qu'un modèle théorique
d'évaluation
actuelle (dans le sens "à la
date du jour") des actions porte le nom de "modèle
de Durand". Son idée est assez simple: le prix d'une
action aujourd'hui est égale à la somme de ses cash-flows
(donc de ces dividendes )
actualisés au taux géométrique
moyen du marché (ou attendu/exigé par l'actionnaire)
de la période i correspondante versés à chaque
période k (donc on suppose être en avenir certain...)
ainsi que de son prix de revente futur
actualisé lui
aussi.
Soit formellement:
(66.21)
Si nous faisons l'hypothèse scolaire habituelle
comme quoi le taux est toujours constant (sinon, nous utiliserons
une moyenne géométrique des taux sur la totalité des
périodes ou mieux encore une simulation de Monte-Carlo),
nous avons alors:
(66.22)
Or le prix de revente en T sera égal à cette
même relation et ce ainsi de suite jusqu'à l'infini,
car une action n'a pas vocation à être remboursée!
Nous avons alors:
(66.23)
et comme:
(66.24)
Il reste alors:
(66.25)
Maintenant, considérons
une simplification du modèle de Durand qui s'appelle le "modèle
de Gordon et Shapiro" ou en anglais "Dividend
Discount Model" (DDM). Celui-ci
considère
qu'à chaque
période, les dividendes croissent selon un même taux
noté d'où:
(66.26)
En appliquant ce que nous venons de montrer dans
le modèle de Durand:
(66.27)
Posons:
(66.28)
Nous avons alors:
(66.29)
Or, nous avons démontré dans le chapitre
de Suites Et Séries, que pour toute suite géométrique
de raison x est donnée pour rappel par:
(66.30)
Donc si n tend vers l'infini et sous l'hypothèse
que:
(66.31)
c'est-à-dire que le taux de rendement attendu
par les actionnaires est supérieur aux taux de croissance
des dividendes, nous avons alors:
(66.32)
Dès lors:
(66.33)
D'où au final:
(66.34)
Le taux de croissance des dividendes est
déterminé soit à partir
des données historiques de l'action, soit à partir
des prévisions des analystes sur les futurs dividendes.
Notons que nous trouvons cette dernièr relations
souvent sous les formes suivantes dans la littérature:
(66.35)
Les praticiens utilisent parfois la dernière
expression sous la forme:
(66.36) pour comparer le taux de rendement t% de plusieurs
actions connaissant leur dividende, leur prix actuel et le taux supposé de
croissance des dividendes par des prévisionnistes.
Exemple:
Nous souhaitons valoriser une action qui verse un première
dividende de 5.- et dont la croissance est supposée constante (à l'infini...) à un
rendement (moyen géométrique) de 14.87% en comparaison à un
rendement géométrique
moyen du marchée de 20%. Nous avons alors le prix de cette action qui peut être
estimée
par:
(66.37)
Signalons pour clore cette évaluation des actions une
propriété
importante, aussi applicable aux obligations que nous allons de suite voir,
et qui est le "risque de défaut de crédit". Ce risque,
qui doit être quantifié au mieux en termes de probabilités, consiste
simplement dans le fait que l'émetteur
de ces actions pourrait ne pas répondre à ses devoirs
et verser l'argent qu'on est en droit d'attendre de lui pour la simple raison
qu'il a fait faillite ou que le système économique ne s'y prête
pas (crise
économique majeure par exemple). L'État garantit normalement
seulement une fraction du gain attendu (garantie qu'il s'agit aussi d'actualiser
mathématiquement). Dès lors, il faut savoir que:
1. Le prix actualisé est
toujours un peu plus faible que le simple modèle ci-dessus puisque celui-ci
est lié à un événement n'ayant pas de probabilité égale à 100% (mais inférieure!).
2. Le prix actualisé est en réalité une espérance pondérée par
les probalités des scénarios économiques.
3. Tous les modèles économiques algébriques sont idéalisés et
il ne faut jamais oublier cela (ils ne prennenat pas en compte les phénomènes
macro-économiques)!
OBLIGATIONS
Contrairement à l'emprunt individuel (emprunt indivis),
l'emprunt dit "emprunt obligataire"
fait appel à de nombreux prêteurs, appelés "souscripteurs",
qui reçoivent, en échange de sommes prêtées,
des titres appelés "obligations".
Définition: Les "obligations"
sont des papiers valeurs (titres de créance d'un émetteur) établissant
par contrat des droits de créance
(capital prêté) à un investisseur et qui rapportent un intérêt
fixe (en général annuel sous forme de coupons) au
titulaire pendand une durée définie (la somme initiale investie
étant remboursée à une échéance
prévue par le contrat).
Ce contrat a un prix (dépendant de la date!), il est échangeable
sur le marché et
le débiteur est obligé de payer les intérêts
(rémunération par coupons). Par ailleurs si l'obligation est "convertible"
elle donne droit au créancier d'obtenir
soit le remboursement de l'obligation, soit sa conversion en actions,
suivant
des modalités
fixées d'avance.
Remarque:
R1. Les actions et les obligations
sont très différentes
de par ce qu'elles représentent. Alors que l'action désigne
un titre de propriété lié au capital social
d'une société, cotée ou non, l'obligation
est un titre de créances. L'obligation est donc basée
sur les dettes d'une entreprise, d'un état, ou d'une collectivité locale
alors que l'action est une part des capitaux propres d'une société par
actions. Toute société composée d'actions
n'est pas nécessairement cotée sur le marché boursier,
et toute société n'est pas nécessairement
une société d'actions.
L'émission d'une obligation permet à l'émetteur
de diversifier ses sources d'emprunts, et pour une action, de
diversifier ses sources de financements. De plus en cas de faillite
de l'émetteur,
le détenteur d'une obligation est prioritaire sur l'actionnaire.
R2. Certains bonds ont leur coupons qui ne sont pas communiqués
en numéraires mais sont basés sur le niveau d'indices économiques.
Nous distinguons principalement trois types d'obligations:
T1. "Obligation à taux fixe"
ou "obligation ordinaire" qui
est la plus classique des obligations (elle représente au début des années 2000
environ 85% du marché obligataire).
Elle
procure
un
flux
d'intérêt
définitivement
fixé lors de son émission (coupons) selon
une périodicité prédéfinie
jusqu'à son échéance (ce qui est sécurisant)
dont le taux d'intérêt mathématique correspondant à ce
flux est appelé "taux
de rendement à maturité" (Yield to Maturity).
Les financiers la désignent
souvent sous le nom anglophone de "plain
vanilla bond".
Lorsque la durée du flux peut être considérée
comme infinie, nous parlons "d'obligation
perpétuelles".Ce n'est cependant pas un investissement
sans risque comme nous le verrons
dans un exemple
simple plus loin.
Figure: 66.2 - Exemple d'obligation à taux fixe avec coupons à l'époque du papier...
et versions informatique avec l'interface de Bloomberg pour une
obligation OAT (Obligation Assimilable au Trésor):
Figure: 66.3 - Exemple d'obligation à taux fixe avec coupons à l'époque
de l'informatique...
L'obligation à taux fixe est classiquement cotée
en prix ou en taux. L'obligation à taux fixe est évaluée
par actualisation des flux futurs qu'elle délivre.
Enfin, nous avons la famille des "obligations
indexées":
T2. "Obligation à taux variable"
dont les flux d'intérêt, mais pas le prix de remboursement,
sont indexés sur un taux de référence comme
le taux directeur d'une banque centrale, les résultats d'une
entreprise, ou autre. Le risque associé à ce taux variable
est appelé "risque
de taux". Pour le détenteur d'un portefeuille
obligataire qui souhaite protéger son capital, il suffit alors
d'immuniser son portefeuille contre les variations ce taux. C'est
ce que nous appelons cela la "couverture
en duration".
T3. "Obligation zéro-coupon"
(en anglais: "zero coupon bond" ou "discount
bond") qui ne comporte
que deux flux financiers: un flux initial (achat) et un flux
final
(coupon
et norminal),
sans aucun paiement intermédiaire
(d'où son nom puisque qu'elle ne verse aucun coupon entre-temps
ou des coupons à 0%... et que seul nominal est versé à l'échéance)
et donc les calculs y relatifs de valorisation ne nécessitent de
connaître que l'intérêt simple. C'est la moins risquée
de toutes les obligations puisqu'elle ne verse qu'un seul coupon
et que dès lors son taux de rendement effectif est égal à son
taux actuariel d'origine (puisqu'il ne peut y avoir de réinvestissement
entre temps). L'acquéreur
souscrit l'obligation à un
prix inférieur à sa valeur faciale, laquelle est
payée à l'échéance du contrat. Le zéro-coupon
est généralement indexé sur l'inflation.
Remarque: Une obligation court terme
dont la maturité est
inférieure à un an est appelé "billet
du trésor" ("T-bill" aux U.S.A. ou "BTF" en
France). Sur le même modèle que les obligations zéro-coupons
ils ne versent pas d'intérêts avant l'échéance mais sont à la place
vendus avec une décote par rapport à leur valeur faciale ce qui permet
au souscripteur d'obtenir un bénéfice à l'échéance.
Les investisseurs obligataires à taux variable de type
zéro-coupon préfèrent généralement
les maturités courtes car le taux de rendement ne reflète
exactement l'enrichissement de l'investisseur que si celui-ci peut
réinvestir chaque coupon détacé au même
taux et conserve l'obligation jusqu'à son échéance.
Or ce type de scénario est difficiele à garantir
sur le long terme. De plus il y a le "risque
de défaut", c'est-à-dire la mise en faillite
de l'émetteur.
Inversement, les émetteurs ont habituellement une préférence
pour les maturités longues, qui leur permettent d'étaler
leur endettement dans le temps. La divergence entre la demande
(les investisseurs) et l'offre (les émetteurs) se traduit
par des rendements généralement plus faibles à court
terme qu'à moyen et long termes. La "courbe
des taux" qui est une fonction qui à une date
donnée et pour chaque maturité en abscisse, indique
le niveau du taux d'intérêt associé en ordonnée
aux instruments financiers à terme et a donc typiquement
une forme croissante
Par exemple la courbe des taux zéro-coupon
U.S. au 5 septembre 2001 ci-dessous issue d'obligations zéro-coupon
du trésor américain (le lecteur pourra observer)
où il n'y a pas d'interpolation - ou de "stripping" comme
disent les financiers... - mais seulement de simples droites
entre les points
alors
que certains
logiciels
proposent des stripping variés basés sur les polynômes
ou les splines):
Figure: 66.4 - Exemple de courbe des taux pour des obligations zéro-coupon
À une date donnée et dans un pays ou une zone économique
unifiée, il existe une multitude de courbes de taux: Quand
la courbe des taux est plate, nous parlons alors logiquement de "flat curve",
quand elle est croissante de "upward sloping curve" et
quand elle est décroissante de "downward
sloping curve".
Remarquons que le "taux zéro
périodique", appelé aussi parfois "taux
actuariel zéro coupon" (ou "yield to maturity"
comme nous l'avons déjà mentionné), à échéance
de n unités
de période d'une obligation zéro-coupon de nominal C et
de prix d'émission P peut être obtenu facilement
à partir de la relation de l'intérêt composé:
(66.38)
Relation que nous retrouvons fréquemment
dans la littérature
spécialisée anglophone sous les formes suivantes:
(66.39)
avec PV qui signifie "Present Value", FV "Future
Value" et
le taux est noté y pour signifier "yield" en
anglais... (évidemment lorsque nous inversons la parenthèse
nous parlons comme à l'habitude de "facteur d'actualisation" ou
de "coefficient d'actualisation" mais cela n'est pas
nouveau pour nous car nous l'avons vu lors de notre étude
des rentes et emprunts).
Soit:
(66.40)
Ce que nous retrouvons parfois dans la littérature
plutôt
sous la forme traditionnelle suivante (vive l'absence de normes
pour les notations...!):
(66.41)
Exemple:
Le taux zéro-coupon à 4 ans correspondant à un....
zéro-coupon
de nominal 100.- et de prix d'émission 90.- (en-dessous
du pair) est de:
(66.42)
Remarque: Parmi les obligations, seules
les zéro-coupon
permettent d'éliminer à peu près tout risque de taux
entre deux dates. Une obligation à taux fixe classique génère
en fait autant de risques de taux supplémentaires
qu'elle est dotée de flux financiers intermédiaires:
le taux de réinvestissement de chacun des coupons entre
sa date de paiement et la date de remboursement final est, en fait,
inconnu, même s'il est implicite dans le prix de l'obligation.
Il existe une autre manière courant et très pratique d'écrire
la valeur actuelle. Rappelons que nous avons démontré bien plus
haut que sous certaines conditions:
(66.43)
Il vient alors:
(66.44)
Exemple:
Considérons une obligation zéro-coupon qui paie
100.- dans 10 ans et dont la valeur actuelle est de 55.3895.-.
Ceci correspond
à un taux acturial zéro-coupon de:
(66.45)
Et intérêt continu, cela donne (conformément à la
démonstration
déjà effectuée bie plus haut) le "taux
actuarial continu zéro-coupon":
(66.46)
Les obligations sont caractérisées
par plusieurs propriétés:
P1. Leur "devise" de base
qui peut fluctuer sur un marché global.
P2. Leur "date d'échéance"
ou "date
de maturité" qui permettra
en fonction de leur date d'émission et du type de calendrier (échéancier)
de connaître la
valeur
actualisée
de l'obligation
à tout moment.
P3. Leur "valeur
nominale",
appelée le "pair",
désigne
la valeur servant de base au calcul des intérêts.
P4. Leur "taux
d'intérêt
nominal" ou "taux facial" associé à la
périodicité (souvent
annuelle) permet de définir
l'intérêt
appelé "coupon" ou "coupon
de dividende" appliqué sur
la valeur nominale d'une obligation qui sera versée au souscripteur à la
date dite "date
de jouissance". Normalement le mode de calcul du taux
d'intérêt doit être communiqué.
P5. Leur "prix
d'émission" ou "prix
de souscription" est le prix réellement
payé par le souscripteur pour devenir propriétaire
d'une obligation. L'émission
des obligations se fait donc au pair si la valeur nominale est égale à la
somme demandée
pour son acquisition. Le prix de souscription se fait en-dessous
du pair si la somme demandée est inférieure au nominal
(cas le plus fréquent), mais le prix peut au-dessus du nominal!
La différence
entre nominal et prix de souscription est appelée "prime
d'émission".
Le prix d'émission n'est pas toujours égal à la
valeur nominale afin de donner envie au prêteur d'acheter
sans forcéement proposer
un taux d'intérêt nominal trop élevé.
Ainsi, l'émission d'une obligation
est un jeu subtil pour l'émetteur entre la valeur du taux
facial et le prix d'émission.
P6. Leur "prix
de remboursement"
ou "valeur de remboursement"
est la somme réellement
versée à l'emprunteur
lors du remboursement de l'obligation à l'échéance.
Le remboursement peut être
prévu au pair ou parfois au-dessus à l'échéance
(in fine), par tranches, ou jamais (obligations perpétuelles).
La différence entre la valeur de remboursement et le nominal
est appelée "prime de remboursement".
Remarque: L'investisseur doit être particulièrement
attentif
à l'indication "subordonné"
sur son papier d'obligation, qui signifie qu'en cas de faillite
du débiteur (assimilée au "risque
de signature"),
le détenteur de l'obligation ne pourra
être remboursé qu'après tous les autres créanciers...
Le risque de signature peut être évité en choisissant
des obligations (très)
sûres comme les obligations d'État ou
de sociétés renommées. Le revers de la médaille
est la faiblesse des taux alors offerts qu'il faut en plus mettre
en opposition
avec l'inflation (sur un taux de 3% sur dix ans d'une obligation
d'état qui subit une inflation de 2% il ne reste plus que
1% de rémunération
par exemple).
Indiquons que les obligations à coupons multiples sont peu à la
mode à cause du système d'imposition des États et aussi de par
le coût des démarches administratives qu'elles génèrent. D'où le
fait que les zéro-coupon sont préférées.
Exemples:
E1. Considérons
un emprunt obligataire de 3'000'000.- divisé en 300
obligations de 10'000.- nominal émis en juin 2004 pour
une durée
de 10 ans. Souscription: 99.5% de la valeur au pair. Remboursement
au pair à
l'échéance. Intérêt annuel fixe: 4.5%.
Les valeurs définies
plus haut s'expriment alors ainsi:
La valeur nominale C
de l'obligation est donc de 10'000.-. Le nombre N d'obligations
est de 300. La durée n de l'emprunt est de 10 ans
et le taux facial t% est de 4.5%. Le prix d'émission
est de 99.5% de 10'000.- soit E = 9'950.- (en-dessous
du pair!). Le coupon a donc une valeur c de 450.-.et le
remboursement R s'effectue
au pair et vaut donc 10'000-4500 = 5'500.-.
E2. Soit
une obligation à taux fixe, émise au prix de 1'000.-,
et versant un coupon annuel de 100.-. Le taux servi est donc
de
100/1'000=10%.
Supposons
que les taux du marché passent à 15%. Cela signifie
qu'une nouvelle obligation, qui est émise au prix
de 1'000.-, sert un coupon de 150.- (car 150/1'000=15%).
La nouvelle
obligation est donc plus intéressante que l'ancienne,
et tout le monde va vouloir vendre l'ancienne pour acheter
la nouvelle. C'est pourquoi le prix de l'ancienne
obligation va implicitement baisser, jusqu'à ce qu'il
corresponde à celui d'un produit financier procurant du 15%,
soit ici 666.-. Alors, nous aurons bien 100/666=15%.
De même,
si les taux du marché baissent à 5%, cela signifie
qu'une nouvelle obligation, qui est émise au prix
de 1'000.-, sert un coupon de 50.- (car 50/1'000=5%).
La nouvelle
obligation est donc moins intéressante que l'ancienne,
et personne ne voudra l'acheter. C'est pourquoi le
prix de l'ancienne obligation va implicitement monter, jusqu'à ce
qu'il corresponde à celui d'un produit financier
procurant du 5%, soit ici 2'000.-. Alors, on aura bien 100/2'000=5%.
Ainsi, le
prix d'une obligation à taux fixe diminue implicitement
lorsque les taux montent, et monte lorsque les taux baissent. C'est
la
raison pour laquelle un placement en obligationes n'est pas
sans risques: on peut perdre une partie du capital. En fait,
la
seule stratégie sans risque consiste à acheter les
obligations au moment de l'émission, et à les
garder jusqu'à l'échéance.
À tout moment, la valeur
sur le marché d'une obligation à taux fixe ou taux variable
doit donc être
égale à la somme des valeurs actualisées des
coupons et du remboursement auxquels elle donnera encore droit.
La valeur
actuelle étant
calculée
au taux du marché obligataire en vigueur pour des obligations
du même type et de même durée.
Ainsi, la valeur actuelle
d'une obligation à taux fixe (le cas étant facilement généralisable
à un taux variable) doit être
vue comme un capital initial dont on retire pendant n
périodes restantes une certaine somme fixe,
somme correspondante au prix du coupon (taux facial multiplié
par le nominal):
(66.47)
avec C la
valeur nominale de l'obligation et le tout cumulé étant
périodiquement soumis à l'intérêt
du taux du marché (donc
le "taux à maturité")
constant dans le cadre d'une prise en considération
d'un avenir certain.
Ainsi, la valeur actuelle
d'une obligation à taux fixe est dans un premier temps constituée
que de la valeur actuelle des coupons futurs (appelés aussi
souvent
"flux") restants pendant n
périodes telle que:
(66.48)
Que l'on retrouve dans la littérature spécialisée parfois sous
la forme suivante:
(66.49)
Cette partie du prix de la
valeur de l'obligation correspond donc à la somme totale
nécessaire telle que l'on peut solder après
avoir retiré n fois (le nombre de périodes
restant) la valeur c à un taux d'intérêt .
Remarque: Rappelons suite à ce que nous avons démontré dans
le chapitre de Suite Et Séries, que si est
inférieur à 1 et que la somme tend vers l'infini,
alors:
(66.50)
Ensuite, l'obligation est
constituée de la valeur du remboursement R. Bien que
celle-ci soit remboursée à terme, elle peut être
vue comme un capital épargne à un taux correspondant
à celui du marché
tel que:
(66.51)
La valeur actuelle de l'obligation
concernant le remboursement est alors:
(66.52)
ce qui correspond au capital
actuel pour obtenir le remboursement R après les n
périodes restantes.
Ainsi, le prix total d'une obligation à taux fixe, appelé aussi "prix
obligataire de non-arbitrage" est:
(66.53)
c'est-à-dire la valeur actuelle des coupons futurs ainsi
que la valeur actuelle du remboursement in fine. Cette relation
à son importance en finance, il convient de s'en souvenir!!
Dans le cadre ci-dessus, il faut savoir que le taux est
souvent appelé "taux actuariel
au pair".
La valeur d'une obligation,
au sens de son cours en Bourse, peut donc différer de sa
valeur nominale fixée à l'émission si les
taux d'intérêts changent sur le marché d'où
l'intérêt de calculer sa valeur actuelle.
Exemple:
E1. Soit à calculer
le prix actuel d'une obligation, ayant des coupons annuels de
450.-, avec un remboursement au pair dans 5 ans de 10'000.-.
La
valeur actuelle pour un taux du
marché compris entre
0% et 100% a la caractéristique suivante:
Figure: 66.5 - Valeur actuelle d'une obligation en fonction du taux du marché (rendement)
Ainsi, une propriété fondamentale du prix d'une
obligation à taux
fixe est qu'il s'agit d'une
fonction strictement décroissante du taux de rendement. Les
financiers (et matématiciens) disent que la fonction est convexe:
c'est-à-dire
que lorsque les taux diminuent, le prix accélère à la
hausse et inversement lorsque les taux augmentent, le prix décélère à la
baisse.
Nous devinons également qu'à la vue de la relation
du prix obligataire de non-arbitrage que les variations des prix
des obligations
augmentent avec la hausse de la maturité et avec la valeur
des coupons.
E2. Aujourd'hui, nous achetons une obligation de maturité 3
ans, de montant principal 100.-, de taux de coupon 5% et de
taux de rendement fixe 10%. Les flux perçus sont alors de
5, 5 et 105 au bout respectivement d'un an, deux ans et trois ans.
Le prix de cette obligatione est alors égale à:
(66.54)
Que nous pouvons obtenir directement avec Microsoft Excel 14.0.6129
(version française) :
=PRIX.TITRE("01.01.2013";"01.01.2017";5%;10%;105;1;3)=87.577
Évaluer une obligation revient
donc à trouver ce qu'elle devrait valoir en principe
dans les conditions actuelles du marché, donc son cours
potentiel, par une opération mathématique dite "opération
d'actualisation"
déterminant sa valeur actuelle théorique. Il s'agit
donc, comme nous le savons déjà, d'un calcul actuariel.
L'obligataire aura évidemment
pour objectif de chercher le taux du marché qui permet de
faire de son investissement une action rentable. Ainsi, nous définissons
le " taux de rendement actuariel" (TRA) x comme
étant l'intérêt du marché qui permet
de satisfaire les relations suivantes, en fonction de la durée
restante à courir n de l'obligation.
Ainsi, à l'émission:
(66.55)
ou à une date quelconque:
(66.56)
Le taux de rendement actuariel
d'une obligation est donc le taux x qui annule la différence
entre la valeur du prix d'émission E et la valeur
actuelle des flux futurs qu'elle génère. Ce taux
est calculé au jour du règlement et figure obligatoirement
dans les brochures d'émission. Pour l'acheteur de l'obligation,
le taux actuariel représente le taux de rentabilité
qu'il obtiendrait en gardant l'obligation jusqu'à son remboursement
et en réinvestissant les intérêts au même
taux actuariel.
Voyons quelques autres définitions utiles relatives aux
obligations:
Définitions:
D1. Le "coupon échu" (C.E.)
d'une obligation est payé à son propriétaire
sous déduction de d'impôts
anticipés (IA étant l'abréviation
de: Impôts Anticipés).
Ainsi, le calcul du coupon net annuel d'obligations à X.-
(valeur monétaire) à rendement de Y % est
trivialement donné par :
(66.57)
D2. "L'intérêt couru" (I.C.)
est le montant de l'intérêt qui s'est accumulé depuis
la dernière
date de paiement de l'intérêt, mais qui n'est pas
encore dû. Il est gagné par une obligation depuis
sa dernière échéance
et est déterminé lors d'une vente ou d'un inventaire.
Son calcul est trivialement donné par une application des
règles de l'intérêt simple telle que:
(66.58)
où est
bien évidemment le nombre de jours compris entre la date
de la dernière échéance et la date de jouissance
(l'année commerciale étant définie comme ayant 360 jours).
Remarque: Donc pour obtenir la valeur effective d'une
obligation, nous ajoutons à sa valeur cotée (appelée
"prix immaculé") l'intérêt
couru depuis la dernière
échéance.
D3. Par extension, si nous cherchons à calculer la valeur
nette de X coupons à Y% dont
la valeur nominale vaut Z avec un impôt anticipé de IA%
, nous calculons le "coupon
annuel net à l'échéance" (C.A.E.)
par la relation triviale:
(66.59)
Contrairement au calcul de l'intérêt couru, le calcul du
dividende couru est impossible. Le cours de l'action est toutefois
influencé par
la date plus ou moins proche du paiement du dividende.
Remarque: Indiquons que le marché sur
lequel les émetteurs
vendent leurs obligations (à neuf) par adjudication, par
syndication, par placement direct à des invéstisseurs
est appelé "marché primaire".
Le marché sur lequel les investisseurs
s'échangent
entre eux des obligations (dont parfois les mêmes obligations
sont proposées à des prix différents) déjà en
circulation (marché de
l'occasion) est appelé "marché secondaire".
Voici ci-dessous un exemple d'annone d'émission d'obligations
par syndication sur Bloomberg:
Sur le marché secondaire les obligations
sont cotées
en pourcentage de leur valeur nominale (donc quand elles sont cotées
à 100% du nominal nous disons qu'elles sont "au pair")
et le prix coté sur le marché est le prix "pied
de coupon"
("clean
price" en anglais ), pour obtenir le prix global ("dirty
price" en anglais ) de la transaction (achat ou vente) il faut
ajouter le coupon couru.
BONS DE SOUSCRIPTION
Définition: Un "bon
de souscription",
également appelé "option
de souscription" ou "stock-option",
est un titre financier permettant (donc il n'y a pas obligation!)
de souscrire pendant une période donnée, dans une
proportion et a un prix fixé à l'avance (souvent
une moyenne des cours de la Bourse avant l'émission des
bons),
à un autre titre financier sous-jacent (action, obligation,
voire un autre bon...).
Le bon permet donc d'être intéressé à
la hausse ou à la baisse d'une action sans avoir à
y consacrer le même montant de capitaux qu'en achetant directement
des actions. Ainsi, lors de l'acquisition, si le titre sous-jacent
à une valeur plus élevée que sur le bon de
souscription, l'acquéreur fera un bénéfice
qui est appelé "plus-value d'acquisition".
Ensuite, l'acquéreur qui possède maintenant les titres
sous-jacents peut très bien vendre ceux-ci lorsque le prix
est plus élevé que lorsqu'il en a fait l'acquisition
et cela engendre alors un (pseudo) second bénéfice
appelé "plus-value de cession".
Un bon de souscription peut être donc attaché à
l'émission d'une action ou d'une obligation. Alors, selon
les cas, nous parlons "d'actions à
bons de souscription d'actions" (ABSA) ou "d'obligations
à bons de souscription d'actions" (OBSA) mais
également "d'obligations à
bons de souscription d'obligations" (OBSO) ou "d'actions
à bons de souscription d'obligations" (ABSO).
Dès l'émission de ces valeurs composées, le
tout se scinde en parties: les actions ou les obligations redeviennent
des titres classiques et les bons acquièrent une vie propre.
Ils sont cotés séparément après l'émission.
Les "plans de souscription",
plus connus sous le nom de "plan de
stock-options",
sont des paquets d'émission de bons de souscription (nominatifs)
destinés aux employés méritant
d'une entreprise et visent très souvent à renforcer
l'association au développement entre cette même entreprise
et ses salariés. Ainsi, ces derniers lors de l'acquisition
des titres seront des actionnaires à part entière,
recevant des dividendes et pouvant participer aux assemblées
des actionnaires. Ce qui est censé accroître
la motivation de l'employé (...). Cette motiviation
se fait principalement par le fait que les options Call (voir
plus loin) qui sont données aux employés seront très
intéressantes à exercer si l'entreprise performe grâce à eux
et que dès
lors le prix du sous-jacent dépasse de loin le prix d'exercice
du Call. Ainsi, les employés vont exercer leurs Call et revendre
le sous-jacent en se faisant un bénéfice au passage (c'est
une pratique courante dans les start-up américaines qui ont
peu de ressources financières au début pour engager des spécialistes
et qui font que certains employés -
10'000 dans
le cas de Microsoft - sont devenus millionnaires après l'exercice
des Call qu'ils possédaient).
Par ailleurs, les stock-options (données par l'entreprise),
sont des actifs financiers sans risques puisqu'il n'y a aucune
obligation
de les appliquer et qu'ils ont été offerts... Précisons
aussi que bon nombre d'entreprises annulent les bons de souscription
des employés qui les quittent...
Exemple:
Le bon de la société X permet de souscrire à
une action de cette société au prix de 500.- jusqu'au
30 avril 2004. Si l'action X dépasse le niveau de 525.-,
le bon qui permet de se procurer une action à un coût
inférieur au cours de Bourse se révèle
un placement gagnant. Si l'action X vaut donc par exemple 525.-
en avril 2004, le
gain vaudra 25.-.
Remarque: Le développement de la liquidité sur
les marchés d'actions et d'obligations a incité les établissements
financiers à émettre des bons de souscription permettant
de faire l'acquisition de titres financiers (sous-jacents) existants
indépendamment
des opérations financières de la société
concernée. Sauf exception, ceux-ci ne concernent que les
investisseurs et sont émis uniquement par les banques entre
elles et ne permettent donc pas le financement
d'entreprises (il s'agit donc de pure spéculation!). Ces
bons (également
cotés)
sont fréquemment
appelés "warrants"
(Warrant Call ou Warrant Put) ou, plus précisément "covered
warrants" (warrants couverts) car, dès l'émission,
l'établissement financier se couvre en rachetant des titres
sur le marché (les warrants sont basés sur le
même principe
que les options et utilisent à peu près les mêmes
outils mathématiques).
D'un point de vue conceptuel, un bon est assimilable à une
option d'achat (Call) vendue par une société sur
des actions à émettre ou existantes (voir plus loin
la définition détaillée de ce qu'est une
option). Le prix d'exercice de cette option est le prix auquel
le détenteur
du bon peut acheter le titre financier correspondant et l'échéance
de l'option est celle du bon.
Cependant, l'évaluation d'un bon présente quelques
particularités par rapport à une option:
- Un bon a généralement une durée de vie longue
(2 à 4 ans) et rend difficilement acceptable l'hypothèse
de constance des taux d'intérêt utilisée par
le modèle de Black & Scholes (voir la démonstration
de ce modèle plus loin).
- Toute opération de l'entreprise émettrice qui
modifie la valeur du titre sous-jacent affecte la valeur du bon.
Effectivement,
les entreprises ont le droit de réserve légal d'émettre
un nouveau contrat pour les bons de souscription et d'en changer
la valeur et la période de temps de validité!
- Si le titre sous-jacent est une obligation, son prix évoluant
dans le temps et sachant que plus une obligation se rapproche
de
son échéance, plus sa valeur tend vers son prix de
remboursement. Sa volatilité se réduit progressivement
ce qui rend inapplicable le modèle de Black & Scholes
qui postule la constance de la volatilité dans le temps!
Les opérateurs utilisent alors des modèles dérivés
de Black & Scholes pour remédier à ces lacunes
et évaluer le prix des bons de souscription.
CONTRATS À TERME
Définition: Un "contrat à terme",
appelé "future" sur
les marchés anglo-saxons (ou "forward" /"commodity
forward" lorsqu'il s'agit de contrats non standardisés
négociés
hors des marchés organisés) est
un contrat d'achat ou de vente d'un produit financier (sous-jacent),
passé
entre deux contreparties,
dont toutes les caractéristiques sont fixées à l'avance:
date de règlement, prix à terme, etc. Le prix conclu
est appelé "prix à terme" ou
aussi... "prix
forward" ou encore "fair
value" en anglais,
et l'échange
ainsi que le paiement se fera à ce
prix obligatoirement quel que soit le prix courant du marché du
sous-jacent (dit aussi "spot price") à la
date de livraison (donc à maturité/terme)!
En 2003, il y aurait eu 2'848 millions de contrats à termes échagcés
sur les marchés répartis respectivement en 2.06% pour les changes,
17.08% pour les matières premières (43.9% pour l'agro-alimentaire,
10% pour les métaux, 45.8% pour les carburants et 0.3% de divers),
25.48% pour les titres et obligations et 55.37% sur les taux d'intérêt.
Une différence majeure entre les futures et les forward
est que les pertes et gains par rapport aux fluctuations du sous-jacent
sont payés à la contrepartie au jour le jour pour
les futures ("daily mark to market to
margin" en anglais)!!! Ce qui
veut dire que le gain ou la perte est déjà presque
entièrement
empochée/déboursée le jour de la date de réglement
(ne reste qu'à
régler la différence du dernier jour).
Deux types d'exécutions peuvent se produire:
- Les "physical settlement" (règlement
physique): le sous-jacent est effectivement
échangé (ce qui est rare dans l'économie
virtuelle mais devrait dans l'économie réelle être...
une réalité).
- Les "cash settlement" (règlement
numéraire):
si le cours du sous-jacent est en-dessous du prix fixé,
l'acheteur (du contrat à terme) se fournit sur le
marché qu'il veut et verse la différence au vendeur
et inversement.
Dans la pratique, les spéculateurs, appelés "gérants
indiciels", pour lesquels la matière première représentant
le sous-jacent n'est d'aucun intérêt, ont pour mission de repositionner
leur portefeuille avant l'échance pour éviter la livraison physique.
Cette procédure, appelée "roll-over", consiste à vendre le contrat
que le gestionnaire détient en portefeuille et qui est en général
le contrat d'échéance la plus proche pour acheter le contrat d'échaénce
suivant. Le roll-over s'effectue normalement le dernier jour ou la
dernière semaine du mois précédant le début de la période de livraison
sur un critère de liquidité.
Un contrat à terme doit faire référence au
rôle de chaque intervenant
(acheteur ou vendeur), une référence officielle de
marché (actions,
indices, obligations, marché de changes, taux d'intérêt,
etc.) dont le prix au temps t est noté ,
la date future de référence notée T,
le prix du contrat à terme K, le montant notionnel
sur lequel porte la transaction du contrat à terme N (qui
est donc la quantité mais qui mathématiquement est
presque toujours ramenée à l'unité), les instructions
de paiement (physical ou cash settlement).
L'intérêt des contrats à terme pour les intervenants
est de figer des cours dans le futur: il s'agit dans ce
cas d'une opération de
couverture (hedging).
A l'échéance, le gain ou "pay-off" du
contrat est dans les deux cas (que cela soit pour un forward ou
un future):
(66.60)
Cette valeur correspond tout simplement aux pertes
ou profits latents (nous inverserons le signe suivant que le trader
est vendeur ou acheteur). Effectivement, cela peut se comprendre
mieux en voyant la somme des cash-flows dans le tableau ci-dessous
(cela aide aussi à comprendre
pourquoi les pertes ou les gains sont journaliers et que cas de
gains nous pouvons réinvestir ces derniers rapidement):
Temps
|
Contrat Forward
|
Contrat Future |
0 |
0 |
0 |
1 |
0 |
F1-K |
2 |
0 |
F2-F1 |
3 |
0 |
F3-F2 |
4 |
0 |
F4-F3 |
5 |
0 |
F5-F4 |
... |
0 |
... |
... |
0 |
... |
... |
0 |
... |
T-1 |
0 |
FT-1-FT-2 |
T |
|
ST-FT-1 |
Total (somme): |
|
|
Exemple:
Un
industriel suisse sait qu'il doit
recevoir en euros une forte somme d'argent dans
six mois. Pour se couvrir contre une baisse de l'euro, il achète
un
contrat de vente à terme, d'échéance
six mois sur l'euro, en francs suisses (si les opérateurs
financiers savent aussi que l'euro va baisser, le contrat de vente à terme
aura un coût suffisamment élevé pour que l'achat
du contrat ne soit pas intéressant). Notons que cette opération
de couverture du risque de change peut lui être
défavorable
si dans six mois, le contrat cède moins que le
taux de change.
Le pricing ("valorisation" en français....) des
contrats de forward, dans le cadre d'une approche naïve,
est assez simple si le rendement du sous-jacent est déterministe
et le rendement géométrique moyen du marché comme
souvent supposé connu.... Que nous soyons bien d'accord
sur une chose...: le prix final d'un contrat
forward ou de son équivalent future (du moins dans les conditions
vues avant...) doit être
constitué au
final que de la prime de risque ("risk
premium" en anglais) que
va prendre sur lui le vendeur du
contrat.
Commençons par le premier élément: il
y a une
première
information nécessaire du point de vue du vendeur de contrats,
il va déjà
actualiser K (valeur à terme fixée du contrat) au
rendement sans risque du marché pour savoir déjà la
limite inférieure
du prix qu'il va demander aujourd'hui pour avoir K le moment venu
(si le vendeur ne le fait pas... d'autres vendeurs le feront et
proposeront
des
prix
plus
intéressants à
l'acheteur ou... l'acheteur s'en chargera lui-même). C'est-à-dire:
(66.61)
Et évidemment si la vente du contrat se fait un peu plus
tard que sa date d'émission, nous avons:
(66.62)
Ce qui s'écrira dans le cas continu (et en adaptant la
notation traditionnelle à celui du taux de rendement continu):
(66.63)
Donc il s'agit déjà de la limite inférieure à demander
en tout temps t à
un potentiel acheteur de contrat (en attendant la maturité cette
somme d'argent sera placée dans un investissement considéré donc
sans risque). Cependant, ceci n'est pas la prime de risque
et donc à proprement
parler
le
prix
du
contrat
dans
le
sens où nous l'entendons d'habitude. Effectivement, le vendeur
du contrat va devoir acheter le sous-jacent à terme. Si par exemple
la vente du contrat se fait juste
à son émission (donc un temps T avant la
maturité),
alors nous avons le prix actualisé de la valeur supposée
(projetée)
de ce sous-jacent à maturité sachant qu'il aura lui
même un rendement
intrinsèque (que le vendeur prendra dans le pire des
cas: c'est-à-dire un rendement positif) que nous noterons y
(le "spot-rate") et
dans une cadre non stochastique nous pouvons faire ce calcul que
sur la base de quelque chose de connu qui est le prix spot du
sous-jacent:
(66.64)
Soit pour tout temps t:
(66.65)
Nous avons alors le pay-off actualisé du contrat à terme
correspondant donc à la prime de risque qui est donné en
tout temps sous les hypothèses que sous-tendent les relations
ci-dessus par la différence (sous l'hypothèse que
le sous-jacent sera d'un niveau supérieur au prix d'exercice
et donc la différence
est ainsi positive):
(66.66)
ce qui s'écrit par tradition dans le but de faire intervenir
le prix du future à chaque jour t:
(66.67)
avec donc le prix du future au temps t donné alors par:
(66.68)
Il est intéressant de remarquer que y se soustrait
au rendement sans risque et dès lors diminue le prix du
contrat. Cela est valable si être en possession du sous-jacent
nous fait gagner de l'argent mais si par contre cela nous en fait
perdre
(par exemple le stockage peut coûter très cher),
alors y sera
négatif et fera monter le prix du contrat forward (le marché
est alors en "contango": le prix
d'un forward ou d'un future s'échange à un
prix supérieur au prix spot dans le contraire il est en
"backwardation").
Si le
sous-jacent verse des dividendes, alors évidemment la
valeur ci-dessus est surestimée. Nous aurons logiquement
les dividendes à actualiser
et à soustraire tel que la valeur du future est à maturité:
(66.69)
Exemple:
Un client souhaite nous acheter dans 6 mois des dollars avec
des euros (ou en d'autres termes il paie dans 6 mois en euros une
machine qu'il a acheté aujourd'hui et nous, nous travaillons en
dollars). Nous souhaitons alors
nous
protéger déjà maintenant contre les variations
à la
hausse
du dollar (car si le dollar monte nous perdons alors in extenso
de l'argent puisque l'euro vaut alors alors moins pour un 1.- $).
Cependant, il existe
sur le marché à disposition uniquement des contrats
à terme émis il
y
a déjà
6 mois avec maturité de 12 mois. Sachant que le rendement
sans risque du marché est de 3% (en taux continu constant...),
que le taux du dollar est supposé
au pire
de
+1.5% (en taux continu constant...) et que nous souhaitons
savoir le prix du contrat
à l'unité de numéraire et que les contrats
d'il y a 6 mois avec maturité
dans 6 mois avaient un prix d'exercice pour 1.00.- € de1.50.-
$ et qu'aujourd'hui le coût de 1.00.- € est de 1.60.-
$, la prime de risque que nous allons devoir payer est alors de:
(66.70)
dollars par unité de numéraire en euros désiré (donc
nous payons 11% en tant que prime de risque ce qui est une valeur
typique de ce qui se pratique empiriquement sur les marchées: ajouté
de 5% à 15%). Cela paraître
beaucoup mais cela limite notre risque et le transfère sur
le vendeur du contrat. Par ailleurs, avant de vendre la machine
nous pourrions
tout à fait d'abord voir les primes des contrats à termes
et adapter le prix de la machine en conséquence.
Le prix spot contrat à terme sera lui de:
(66.71)
soit 1.612 $ pour 1.00.- € (ce qui correspond bien au résultat
renvoyé par le package GUIDE de R). Donc nous ne pourrons pas
obtenir évidemment 1.50.- $ pour 1.00.- € cette différence s'expliquant
par la prise de risque du vendeur du future.
Donc le prix total au final future est de 1.612.- $ + 0.11.- $
alors que le prix spot est de 1.60$. La différence, en omettant
la prime de risque, de -0.012$ est appelée
la
"base"
("basis"
en anglais ou aussi "cost of carry")
et elle indique à un
acheteur de future que les acteurs du marché projettent
une hausse si la base est négative ("under" en anglais)
et une baisse si elle positive ("over" en anglais).
Remarque: Dans la pratique, comme
avec de nombreux instruments financiers, la prime de risque est
inclue dans une terminologie
plus vaste de frais que nous appelons les "margin
money" qui incluent
les frais de transaction, la prime de risque, la frais d'assurance
en cas de faillite de l'acheteur du future, etc. Certains institutions
utilisent toutefois le terme "cost of carry" pour tous les types
de coûts et alors la prime de risque seule est appelée "net
cost of carry".
Nous n'étudierons pas plus la mathématique des
opérations
et de la détermination des prix ("pricing")
des contrats à terme
(futures) avec rendement stochastiques maintenant car comme ils
ne sont qu'un cas particulier des options que
nous verrons plus tard il serait redondant de présenter
deux fois tous les théorèmes
alors qu'il n'y a qu'une petite modification à faire par
exemple dans le modèle de Black & Scholes pour obtenir
l'un à partir de l'autre.
Effectivement, comme nous allons le voir une option est un produit
dérivé optionel qui ne donne pas forcément
lieu à
une exécution
de part
son caractère
optionel
par rapport à un contrat a terme ferme (futur, forward...)
ou l'exécution est fixée à l'avance.
Une entreprise va préférer des futures à des
options si son but est de connaître ses coûts à l'avance
alors qu'elle est certaine à 100% de consommer le sous-jacent.
Alors que l''achat d'une option qui demande le paiement d'une prime
de
risque génère alors un coût d'opportunité.
Dans le cas où l'entreprise n'est pas sûr de consommer le sous-jacent,
elle devra préférer l'option qui peut être exécutée
ou pas, ce qui fait que le management se réserve un bon résultat
quoi qui ce passe mais alors paient la prime de risque de l'option.
Étudions maintenant un cas intéressant de couverture
du risque de la variation des prix des matières premières.
Imaginons pour cela qu'une entreprise à besoin d'acheter
pour une somme totale S une
matière première mais pour laquelle il n'existe malheureusement
pas de contrats à terme (et aucun partenaire n'accepte de
la faire gré à gré). Cette entreprise souhaite
se protéger contre une variation haussière du prix
de la matière
première qui l'intéresse et alors deux stratégies
s'offre à elle:
S1. Trouver des contrats à terme d'une commodity positivement
corrélée à la matière première
intéréssée. Dès lors, en espérant
que la commodity réplique bien le comportement de la matière
première
d'intérêt et que si son prix augmente alors l'autre
augmentera très
probablement aussi (si possible dans les mêmes proportions)....
et l'idée est d'avoir
une position d'acheteur de contrats à terme afin d'acheter
la commidity
à une valeur inférieure à celle des prix du
marché et espérer
trouver quelqu'un afin de la revendre aux plus pressants et utiliser
la différence
du gain pour acheter la matière première qui nous
intéresse en subissant une minimum de pertes (voir même
une perte nul ou même un gain!).
S2. Trouver des contrats à terme d'une commodity négativement
corrélée à la matière première
intéréssée. Dès lors, en espérant
que la commodity réplique bien de façon inverse le
comportement de la matière
première d'intérêt et que si son prix diminue
alors l'autre augmentera très probablement aussi (si possible
dans les mêmes proportions).... et l'idée est d'avoir
une position de vendeurs de contrats à terme afin de vendre
la commidity à une valeur supérieure à celle
des prix du marché et utiliser la différence
du gain pour acheter la matière première qui nous
intéresse en subissant une minimum de pertes (voir même
une perte nul ou même un gain!).
Mathématiquement la stratégie consiste donc à écrire
dans les deux cas (nous verrons plus loin quel signe correspond à quelle
stratégie):
(66.72)
où est
donc la variation du prix de la matière première
d'intérêt sur
le marché et le
gain des contrats à termes qui repliquent positivement ou
négativement
(suivant la stratégie S1 ou S2) l'augmentation du prix
de S. Nous avons qui
est la différence de la bonne ou mauvaise réplication
et qui idéalement
doit tendre vers zéro. Une autre manière plus conforme
de voir les choses relativement aux informations disponsibles
du marché est de prendre la variance de cette dernière
relation:
(66.73)
et de chercher la valeur de N qui minimise
la variance de en
fonction de la corrélation des deux commodities et de
leur volatilité. Nous avons alors en dérivant par
rapport
à N:
(66.74)
Ce qui donne en utilisant la relation entre la covariance
et le coefficient de corrélation linéaire démontré dans le chapitre
de Statistiques:
(66.75)
Comme les écart-types sont positifs et que N doit
obligatoirement être positif (et arrondi à l'entier
le le plus proche pour avoir une solution physique réaliste), il
va de soi que le coefficient de corrélation
doit toujours
être de signe inverse au type de stratégie choisie.
Raison pour laquelle finalement on a pour tradition (car cela revient
toujours
au même) de prendre que le signe positif tel que:
(66.76)
et de prendre toujours la coefficient de corrélation
comme étant toujours positif. Donc N* est le nombre
de contrats à terme qui quelle que soit la stratégie, minimisera
la variance
totale.
Figure: 66.6 - Matrice de corrélations pour des devises diverses dans Bloomberg
Il est cependant d'usage de ramener cette expression
telle que nous ayons non pas les variance de la variation des prix,
mais
de la variation des taux. Ainsi, comme nous avons:
(66.77)
Il vient alors:
(66.78)
Donc:
(66.79)
Ce qu'il est parfois d'usage de noter sous forme
condensée:
(66.80)
La variance de V devient alors en utilisant
cet optimum (nous reprenons le double signe qui va à nouveau
nous
être utile):
(66.81)
Bien évidemment, le seul signe qui a ici un intérêt
physique est le signe "-" qui va diminuer la variance globale (puisque
c'est l'intérêt des deux stratégies). Nous avons alors:
(66.82)
Soit au final:
(66.83)
Exemple:
Considérons qu'une compagnie d'aviation à besoin
de 10'000 tonnes de carburant (dont le prix actuel est de 277.-/tonne)
pour son parc de d'avions dans 3 mois et qu'elle souhaite se prémunir
contre une éventuelle
augmentation des cours de cette matière première
transformée et qu'il n'existe pas de contrats à terme
directement pour ce carburant.. L'entreprise
souhaite alors se couvrir du risque en utilisant une autre commodity
précise pour laquelle il existe des contrats à terme
dont la quantité
sous-jacente est de 42'000 tonnes (à 0.6903.-/tonne). Nous
souhaiterions calculer la diminuation de la variance du carburant
en ayant un
position
d'achat de contrats à terme (donc nous faisons un pari à la
baisse pour la commodity répliquante) sachant que la variance à trois
mois du carburant est estimée à 21.17% et celle de
la commity répliquante
de 18.59% sur évidemment la même période et
que leur corrélation
est en valeur absolue de 0.8242.
Nous avons alors:
(66.84)
Comme nous avons pour la volatilité pure du carburant
en numéraires:
(66.85)
Et une fois couverte par la commodity répliquante,
celle-ci devient:
(66.86)
Donc la couverture par des contrats à terme permet
de réduire la volatilité numéraire d'environ 43.38%.
Remarque: Certains praticiens utilisent
l'indicateur empirique suivant appelée "efficacité d'Ederington" comme
qualité de couverture:
Qui n'est d'autre que le ratio de le différence
de la variance non couverte avec la couverte par la variance
non couverte. Dans l'exemple ci-dessus sa valeur est de 67.49%.
Lorsque la relation:
(66.87)
est appliquée non pas avec un numérateur
correspondant
à une matière première mais à un portefeuille
d'actions, cette technique est appelée "couverture
de portefeuille d'actions par réplication" (en
anglais:
"hedging equity portfolio") et est alors plutôt
notée
sous la forme suivante:
(66.88)
où le V signifie "valeur" (aucune
rapport avec la notation de la variance!). Ou encore sous la forme
suivante (P étant la faveleur du portefeuille et F celle des Futures):
(66.89)
Exemple:
Un trader possède un portefeuille de 2'000'000.-
actions d'IBM. Il souhetait se couvrir contre le risque en pensant
que le marché sera à la baisse sur l'indice S&P
500 et vend ("short") alors des futures pour un montant
de 225'000.- et que le bêta de correlation entre IBM et
S&P
500 est de 1.1. Le nombre de contrats à vendre
est alors de (ainsi si le portefeuille baisse avec la même
amplitude que l'indice S&P le trader ne perdra ni ne gagnera
quoi que ce soit):
(66.90)
Si le trader a fait l'acquisition
de futures pour se protéger de la baisse qu'il préssentait
(pari
à la baisse et donc stratégie "short" pour
rappel...) alors si les actions IBM perdaient 10% mais que l'indice
S&P perdait plus
que
ce que
dit
le bêta comme par exemple 15%, alors bien que le portefeuille IBM
ait perdu 200'000.- de sa valeur, le fait que le S&P 500 ait
perdu 15% grâce aux futures, le trader aura fait un gain
indirect de:
(66.91)
Donc un gain finalement pour le trader de 137'500.-
(comme quoi parier à la baisse cela a du bon parfois).
OPTIONS
Les options sont des "actifs conditionnels"
("contingent claim"), c'est-à-dire
une forme particulière d'un titre (contrat), donnant à son
détenteur contre le paiement d'une somme d'argent le droit,
et non l'obligation d'acheter ou de vendre une certaine quantité
d'un actif financier (action ou obligation), à ou jusqu'à une
date (échéance ou maturité) et à un
prix fixé d'avance.
Il s'agit principalement d'un produit dérivé permettant
de se couvrir des risques de variations des marchés. Par
exemple, si Airbus vend un avion en dollars mais produit dans la
zone euro.
Le prix de vente est fixé aujourd'hui, mais la vente est
réalisée
à la livraison! Airbus doit alors se protéger contre
le risque du taux de change (qui peut parfois être de 100%
en quelques années
seulement). En général, les entreprises se protègent
de ces risques en achetant auprès des banques des produits
dérivés comme des options.
En 2003 il y aurait eu 5'210 millions d'options échangées sur
les marchés réparties respectivement en 0.98% pour les matières
premières, 0.28% pour les changes, 5.80% pour les taux d'intérêt
et 92.94% sur les titres et obligations.
Remarques:
R1. Nous reviendrons plus loin
en détail
sur l'aspect mathématique des options qui sont des produits
dérivés
importants.
R2. Les options impliquent un jeu somme à nulle (cf.
chapitre de Théorie Des Jeux) dans le sens où pour tout vendeur il y a
un acheteur et ce que l'un
gagne, l'autre le perd (et vice et versa).
R3.
La principale différence entre les options et les contrats
à terme (future) réside dans le fait que les options
représentent
un droit d'acheter ou de vendre à l'échéance
du contrat alors que les futures représentent l'obligation
d'exercer le contrat à terme.
Définitions:
D1. Une "option"
est un produit dérivé qui donne le droit, et non
l'obligation, d'acheter ("option d'achat",
appelée aussi "Call")
ou de vendre ("option de vente",
appelée aussi "Put")
une quantité donnée d'un actif sous-jacent S (action,
obligation, indice boursier, devise, matière première,
autre produit dérivé, etc.) à un prix
fixé
d'avance appelé "strike" K ou
"prix d'exercice" E et
durant (jusqu'à)
un certain temps appelé "échéance" ou "maturité" T en échange
d'une "prime" dépendante
(C pour les Call ou P pour les Put) de
la valeur intrinsèque à la
maturité de
l'option appelée "flux" ou
plus souvent "pay off terminal" (et
par certains "cible stochastique").
La détermination de la prime avec des modèles mathématiques
est ce que nous appelons le "pricing" de
l'option ("valorisation" en français...). Une option est donc une
sorte de "contrat
d'assurance"
permettant de se prémunir contre les variations des coûts
en transférant
le risque sur une personne prête à vendre l'option
contre une prime de risque... par ailleurs souvent appelée "prime
d'assurance".
D2. Nous parlons de "cours spot"
ou plus simplement "spot" pour
désigner le cours en vigueur de l'actif sous-jacent S lors
d'une transaction immédiate de l'option (Call ou Put). Si le sous-jacent
consiste en un taux de change de devises, nous parlons alors de
"cours du cross" ou plus simplement "cross".
D3. Nous parlons de "cours forward" ou
plus simplement "forward" pour
désigner le cours qui sera en vigueur de l'actif sous-jacent S lors
d'une transaction à maturité de l'option (Call ou Put).
Nous retombons alors sur la définition d'un contrat à terme
telle que vue plus haut.
D4. Si la valeur intrinsèque d'une option est positive
par rapport au spot, elle est dite "dans
la monnaie". Dans le cas de l'achat
d'un Call, cela signifie que le prix d'exercice est inférieur
au cours spot. Il est donc possible dès lors d'acheter moins
cher que le cours du moment à la date d'exécution
de l'option (qui est une date comprise entre la date d'émission
et de maturité de l'option
pour rappel).
D5. Si la valeur intrinsèque d'une option n'est pas avantageuse
par rapport au spot, elle est dite "en
dehors de la monnaie". Dans
ce cas, le prix d'exercice est supérieur au cours du spot
pour un Call par exemple. Il ne serait dès lors pas judicieux
d'exercer ce Call à la date d'échéance (ni
avant non plus), car cela reviendrait à acheter plus
cher que le cours spot à cette date!
D6. Si la valeur intrinsèque à ce jour du sous-jacent est égale
à son cours du spot à maturité, la valeur
intrinsèque
est nulle et la valeur de l'option est dite "à la
monnaie" (nous verrons plus loin les implications mathématiques
de cela).
Voici un tableau récapitulatif:
Call |
|
Put |
Acheteur d'un Call
(long Call) |
Vendeur d'un Call
(short Call) |
|
Acheteur d'un Put
(long Put) |
Vendeur d'un Put
(short Put) |
À le droit, mais non l'obligation, d'acheter la valeur
sous-jacente au prix fixé d'avance jusqu'à la date d'échéance |
À l'obligation de vendre la valeur sous-jacente au
prix fixé
d'avance si le Call est exercé |
|
À le droit, mais non l'obligation, de vendre la valeur
sous-jacente au prix fixé d'avance jusqu'à la date d'échéance |
À l'obligation d'acheter la valeur sous-jacente au
prix fixé
d'avance si le Put est exercé |
Tableau: 66.1
- Différences entre Put et Call
Il y a donc une différence
mathématique d'une énorme importance entre les options
et les actions/obligations. Effectivement, les options
ayant une date d'exercice fixée, leur dynamique de prix
peut
être statistiquement prédictible et ceci d'autant
mieux lorsque nous sommes proche de leur date
d'exercice et ceci n'est pas applicable pour les
actions/obligations
car on
ne sait
jamais
au niveau stratégique quand elles seront vendues ou respectivement
achetées.
Alors que les modèles théoriques naïfs de valorisation
des options (comme celui de Black & Scholes) supposent une
volatilité constante
qu'elle que soit le prix du sous-jacent dans la réalité le
représentation
graphique du prix d'une option en fonction de son sous-jacent n'est
pas une droite horizontale mais une courbe qu'il est d'usage d'appeler
le "smile
de volatilité".
Remarques:
R1. L'utilité de l'existence des options peut être
vue comme la création d'actifs (dérivées) financiers permettant
d'accroître
la volatilité
(écart-type ou "loss/gain
deviation")
du marché
et ainsi son équilibre.
R2. Pour des raisons évidentes, le détenteur
ou acheteur d'un contrat d'option est dit être
en position longue alors que sa contrepartie, l'émetteur
ou vendeur du contrat, est en position courte.
R3. Si l'option peut être exercée à n'importe quel
instant précédant
l'échéance, nous parlons "d'option
américaine",
si l'option ne peut être exercée qu'à l'échéance,
nous parlons "d'option
européenne". Une option non exercée
est considérée
comme
"abandonnée" (perdue).
Ces deux familles d'options dans leur version Call/Put sont en
pratique regroupées sous le terme "d'options
vanilles" ("plain
vanilla options" en anglais) car ce sont les plus courantes
(comme les glaces à la vanille... qui sont tout sauf exotiques...)
R4. Parallèlement aux options classiques, apparaissent
depuis les années 1990, sur les marchés des options
dites "options exotiques"
caractérisées parfois par le nom du lieu où elles
ont
été créées et la manière de
calculer leur prix d'exercice à l'échéance
(donc il existe au plus autant de modèles mathématiques
qu'il y a de types d'options....) comme les "options asiatiques" dont
le prix d'exercice
est fonction de
la
moyenne
des cours du
sous-jacent
durant la durée
de vie de l'option, ou les "options parisiennes" qui
peuvent être
annulées
ou activées si le cours reste dans une certaine zone plus
d'un certain temps donné, les "options russes" qui
sont des options américaines perpétuelles qui garantissent
de toucher le maximum observé entre 0 et la date d'exercice,
les "options
binaires/digitales"
qui donnent le droit à montant fixé à l'avance
si le sous-jacent dépasse à maturité le prix
d'exercice (donc outil à usage totalement
spéculatif), les "options lookback" qui donnent
le droit à échéance
à la différence entre la valeur du cours à maturité et
la valeur du minimum, ou du maximum pendant la durée de
vie de l'option, les "options sur quantile" qui sont
un rafinement des options lookback car la règle du jeu est
basée sur un quantile et non sur le max
ou min, les "options à barrière (knock out,
knock in)" dont l'exercice
est autorisé que si le cours du sous-jacent franchis ou
ne franchis pas un certain seuil, les "options quanto" qui
sont sur des sous-jacents
étrangers, mais payés dans la devise locale (il faut
alors prendre en compte le taux de change), les "options cliquet" qui
permetttent
à l'acheteur de bloquer ses gains réalisés
sur le sous-jacent au cours d'intervalles déterminées
pendant la durée de l'option,
les "options doubles" qui permettent à l'acheteur
de choisir à
une certaine date avant l'échéance si l'option sera
une option d'achat ou de vente (purement spéculatif aussi),
les options sur options ("compounds" et "choosers" en anglais),
etc.
R5. Comme nous le démontrerons plus loin, certaines options
dites
"options non-path-dependant"
(O.N.P.D.) ont leur prix qui dépend (entre autres...) que
du prix final
à maturité
du sous-jacent K, alors que d'autres options dites "options
path-dependante" (O.P.D.) ont leur prix qui dépend
de toutes les valeurs prises par le sous-jacent pendant la durée
du contrat d'option.
Formalisons un peu plus les choses quand même... mais sans
aller trop dans les détails dans un premier temmps(nous
nous les gardons pour l'étude
du modèle de Black & Scholes plus loin qui consiste
à déterminer le montant de la prime selon certaines
hypothèses). Ne considérons
pour simplifier que des options portant sur un seul sous-jacent
ne versant pas de dividendes.
Nous noterons le
prix (cours/taux de change) de l'actif sous-jacent de l'option au temps t et
de maturité T et
ferons abstraction de la différence de notation entre Puts et Calls
continentaux (américains et européens).
Imaginons donc un Call, qui donne à son détenteur
le droit (mais non l'obligation) d'acheter l'actif sous-jacent à tout
moment entre aujourd'hui
et
au prix d'exercice K fixé à l'avance. Prenons
le cas pratique courant d'une option d'achat (Call) qui protège
une entreprise par exemple contre la hausse du taux de change euro/dollar.
Acquise aujourd'hui par l'entreprise, elle va lui conférer
donc le droit (mais pas l'obligation) d'acheter 1 dollar en échange
de K euros (le prix d'exercice ou strike K est
une caractéristique fixe du contrat) à la date future T fixée
(date de maturité).
Si le taux de change en question vaut à
la date t (c.-à-d. 1 dollar = euros),
cette assurance revient du point de vue de l'entreprise à percevoir
un montant (pay-off d'un Call du point de vue l'acheteur):
(66.92)
euros à la maturité T et noté traditionnellement
.
À tout temps, deux cas se produisent dès lors pour
notre acheteur du Call:
1. :
dans ce cas, le Call donne le droit d'acheter au prix K le
sous-jacent que nous pourrions acheter moins cher sur le marché.
Dans le cas de notre Call pour le change dollar/euro nous aurons
donc plutôt intérêt à faire le change
au taux du marché plutôt
que d'exercer notre Call puisque sinon nous aurons moins d'euros
pour un même dollar (c'est pour cela que le Call a une
valeur nulle dans cette situatio à maturité). Mais nous perdrons
la somme déboursée
(la prime) d'achat des Call.
2. :
le Call permet d'acheter le sous-jacent moins cher que sur le marché.
Nous exercerons donc très probablement le droit (le profit
étant la différence entre ces deux prix). Dans le
cas de notre Call pour le change dollar/euro nous exercerons notre
droit au taux plus avantageux garanti par le contrat d'option
(1 dollar = K euros) avec un gain noté traditionnellement:
(66.93)
Du point de vue de la contrepartie
(vendeur du Call), dans le cas (1) elle ne verse rien à l'acheteur,
et tout est oublié (le contrat expire; tout lien contractuel
entre les deux parties disparaît). Dans le cas (2), le
vendeur est assigné, il doit vendre à sa contrepartie
l'action aux prix K.
S'il ne détient pas cette action, il doit d'abord l'acheter
sur le marché plus cher (au prix ).
Dans les deux cas la contrepartie a encaissée par contre
la prime par unité de Call.
Ainsi, dans le premier cas,
l'acheteur et le vendeur ne reçoivent ni ne doivent rien.
Dans le deuxième cas, tout se passe comme si l'acheteur
de Call achetait l'action sur le marché et recevait au
même
moment la somme
(pour le vendeur c'est bien évidemment l'inverse). Donc
avec ces produits dérivés c'est le vendeur du Call
(ou du Put) qui endosse presque tout le risque du marché et
évidemment l'intérêt est grand de neutraliser
ce risque en utilisant un formalisme mathématique (le modèle
de Black & Scholes).
Voyons un exemple maintenant
du point de vue de l'investissement (la prise de risque
est flagrante
dans cet exemple):
Exemple:
Imaginons le cas d'une action
valant actuellement 1'000.- (peu importe la devise) et qu'elle
soit supposée augmenter de 12% en une année.
Imaginons aussi qu'un
investisseur ait l'alternative d'acheter l'action à 1'000.-
ou d'acheter l'option Call à un prix d'exercice de 1'000.-
(donc supposé
égal au prix de l'action, ce qui n'est pas nécessairement
toujours le cas) pour une prime de 40.- (nous verrons plus tard
comment calculer les primes). Évidemment, l'investisseur
peut alors pour 1'000.- acheter 25 options Call plutôt qu'une
seule action.
La question est de trouver
l'investissement le plus intéressant: Ainsi,
une augmentation de 120.- dans le cas de l'achat d'une action représente
un retour sur investissement de 12% par année, alors
que l'achat d'une option Call aura un retour sur investissement
de
80.- (120.-
de gains sur le prix de vente moins 40.- de la prime payée)
soit de 200%.
Il apparaît clairement dans cet exemple que la rentabilité d'achat
d'un Call à même investissement est nettement supérieure à l'achat
de l'action tant que la prime d'option ne dépasse pas
un certain seuil.
Maintenant abordons de manière détaillée
et par l'exemple un autre concept que nous avons déjà
implicitement présenté dans les paragraphes précédents
et qui nécessite toute notre attention, car il en est souvent
fait mention par les analystes. Il s'agit de "l'effet
de levier" des options qui est une arme à double
tranchant, une arme atomique de destruction massive de portefeuille
(si le levien n'est pas calculé à l'avance et
ce même
approximativement).
Lorsque nous évoquons les options, nous ne retenons souvent que
le droit d'acheter ou de vendre un bien ou un instrument financier
(à un prix fixé d'avance et durant un certain temps), en négligeant
l'obligation correspondante du vendeur de l'option. Or, l'effet
de levier qui caractérise ces instruments financiers peut rendre
cette obligation dévastatrice pour le vendeur.
Pour voir de quoi il s'agit commençons par le risque des
Call.
Exemple:
L'acheteur d'un Call sur une action (par exemple) limite son risque
à la prime de l'option pour un gain potentiel illimité. Le vendeur
du Call se trouve dans la position exactement inverse: il encaisse
la prime de l'option, mais prend un risque illimité.
Prenons une action X cotée 350.- à la mi-octobre.
Un investisseur parie sur la hausse du titre et achète
12.50.- (la "prime")
une option Call à échéance janvier de l'année
suivante au prix d'exercice de 380.-. Une représentation
graphique permet de mettre aisément en
relation l'évolution du titre (en abscisse) et son effet
sur l'acheteur ou vendeur du Call.
Considérons le cas de l'acheteur du Call:
Tant que le cours de l'action reste en dessous de 380.- ("valeur
de levier"), prix d'exercice, l'acheteur du Call
n'aura aucun intérêt à exercer son option, qui
est dite "out of the money" (O.T.M.).
Par contre, si le cours de l'action progresse et dépasse
le prix d'exercice, l'option est dite alors "in
the money" (I.T.M.)
et il devient intéressant d'exercer l'option. Lorsque le
prix d'exercice de l'option est égal au prix du sous-jacent
en Bourse, nous disons que l'option est "at
the money" (A.T.M.).
Dès que le cours de l'action dépasse 392.50.-, soit
l'addition du prix d'exercice et de la prime de l'option à la
mi-octobre (380+12.50), le détenteur du Call commence à gagner
de l'argent sur son investissement initial. Si le cours du titre
monte tout à coup à 500.-, soit une
augmentation d'un peu plus de 30%, le gain sera beaucoup plus que
proportionnel: pour 12.50.- investis, l'acheteur réalisera
un bénéfice
de 107.50.- soit un gain de 860%: c'est le fameux "effet
de levier".
Figure: 66.7 - Effet de levier pour l'acheteur d'un Call (diagramme pay-off)
Nous pouvons constater ci-dessus que le pay-off d'un Call du point
de vue de l'acheteur est une fonction convexe (cf.
chapitre Analyse Fonctionnelle).
Considérons maintenant le cas du vendeur du Call:
Tant que l'action reste en dessous de 380.- ("valeur
de levier"), le vendeur du Call fait un bénéfice
de 12.50.-, représentant la prime de l'option. À partir
de 380.-, le vendeur risque d'être obligé de livrer
l'action au prix d'exercice, soit 380.-. À partir de
392.50.-, il commence à perdre de l'argent
sur l'opération, puisque l'action qu'il devra sans aucun
doute livrer vaudra plus chère que l'addition du prix d'exercice
et de la prime
encaissée. Si pour son malheur le titre monte effectivement à 500.-
et qu'il ne le possède pas, il lui faudra aller le racheter
en Bourse pour honorer la demande d'exercice du détenteur
du Call, en perdant 107.50.- sur l'opération, soit plus
de huit fois la prime encaissée
au départ!!!!! Avec l'effet de levier, il est donc possible
de perdre beaucoup plus que la prime encaisée. Nous disons
alors que nous sommes en situation "d'appel
de marge".
Figure: 66.8 - Effet de levier pour le vendeur d'un Call (diagramme pay-off)
Nous pouvons constater ci-dessus que le pay-off d'un Call du point
de vue du vendeur est une fonction concave (cf.
chapitre Analyse Fonctionnelle).
Ainsi, si le prix du sous-jacent augmente de 3.29%, le vendeur
du Call perd 100%. Nous parlons alors d'un lever de 3.29 pour 100
ou plus simplement d'un levier correspondant au rappot 100/3.29
soit
un levier d'environ 30.39 (il est en de même évidemment
pour le gain!).
Maintenant intéressons-nous au risque des Put.
Exemple:
L'acheteur d'un Put limite son risque au coût de la prime de l'option
pour un gain potentiel beaucoup plus important. En face de lui,
le vendeur du Put se trouve dans la position exactement inverse: il encaisse la prime de l'option mais prend un risque beaucoup
plus grand. Si nous prenons la même action X cotée à 350.-
à la mi-octobre, nous nous trouvons cette fois avec un investisseur
qui parie sur la baisse du cours de l'action. Il achète donc pour
49.50.- (la "prime") un Put d'échéance décembre au prix
d'exercice de 390.-.
Considérons le cas de l'acheteur du Put:
L'acheteur du Put commence à réaliser un profit
si le prix de l'action tombe en-dessous de 340.50.-, soit le prix
d'exercice
moins
le prix de l'option (390-49.50). Entre 340.50.- et 390.- l'exercice
n'est pas profitable mais permet de diminuer la perte. Au-dessus
du prix at-the-money (390.-) l'exercice du Put n'offre vraiment
plus aucun intérêt et nous disons alors que l'option Put
est out of the money (O.T.M.).
Figure: 66.9 - Effet de levier pour l'acheteur d'un Put (diagramme pay-off)
Considérons le cas du vendeur du Put:
Le vendeur du Put encaisse d'abord la prime de l'option soit
49.50.-. Tant que le cours se maintient au-dessus de 390.-. il
est gagnant.
Si le cours de l'option se situe entre 340.50.- et 390.- il perd
un peu de sa prime mais reste gagnant. En-dessous de 340.50 le
vendeur
du Put sera obligé au moment de l'échéance
de verser 390.- à l'acheteur
du Put (en vendant le sous-jacent et en versant la différence
d'une manière ou d'une autre). Bien évidemment si
le prix du sous-jacent tombe à zéro, le vendeur
du Put peut ainsi perdre jusqu'à 340.50.-
de fonds propres.
Figure: 66.10 - Effet de levier pour le vendeur d'un Put (diagramme pay-off)
Au niveau du vocabulaire voici un excellent schéma
récapitulatif (en haut acheteur de Call, en bas achateur de Put)
en sachant que la "moneyness"
est par définition le rapport entre le prix du sous-jacent S et
le strike K:
Figure: 66.11 - Vocabulaire de base d'une situation du porift option par rapport à son
sous-jacent
(source: Fast Calibration in the Heston Model, BAUER Rudolf, p. 14)
Si nous réfléchissons un petit moment,
une stratégie possible est d'acheter des Put et des Call
du même sous-jacent
avec le même strike et la même date d'expiration (échéance).
Ce type de stratégie s'appelle un "straddle" ou "straddle
purchase" ou
encore "bottom
straddle" (nous reviendrons sur ce type de stratégies
dans partie qui y sera entièrement dédiée
plus tard).
Ainsi, si le cours du sous-jacent est proche du
strike K à la date d'expiration T alors
le straddle engendre une perte nette (car nous n'utiliserons ni
le Put, ni
le Call et nous aurons perdu la somme équivalant à la prime des
options). En revanche, si le cours du sous-jacent est assez loin
du strike à l'échéance
le profit peut être très important.
C'est de la pure spéculation des banques
d'affaires et cela devrait être objectivement interdit mais
voyons en quand même le principe via un exemple... Exemple:
Considérons qu'un sous-jacent qui vaut actuellement
69.- va décaler violemment
dans les trois mois qui viennent. Nous pouvons mettre en place
une stratégie straddle en achetant à la
fois un Call et un Put de strike 70.- et de maturité 3 mois.
Supposons que le Call coûte 4.- et le Put 3.-.
Dans le cas où à échéance,
la valeur du sous-jacent est celle du strike K, pour le
spéculateur c'est la pire
situation car il aura perdu la somme des deux primes, soit 7.-
car il n'avait n'a aucun intérêt à exercer
le Call en utilisant son Put (puisque la différence est nulle entre
les deux).
Si le cours du sous-jacent reste à 69.-,
nous perdons 6.- car le Call ne vaut plus rien à maturité (du
moins comme il fait perdre de l'argent il serait peu judicieux
pour un pur spéculateur de l'exercer) et le Put ne vaut
plus que 1.- (car on va pouvoir vendre à 70.- quelque chose
qui en vaut 69.- et cela fera un petit gain de 1.-). Donc:
(66.94)
Si le cours du sous-jacent monte à 90.-
(ou descend à 50.-), nous réaliserons un profit
de 13.- grâce au Put car:
(66.95)
Il faut espérer pour le spéculateur
qu'il pariera correctement sur une forte variation ignorée
de la majeure partie des acteurs du marché, sinon quoi les
primes d'options seront suffisamment
élevées pour que son gain soit dès lors quand
même nul.... Graphiquement le stratégie Straddle est souvent
représentée sous la forme suivante (l'axe verticle est le gain,
l'axe horizontal est le prix du sous-jacent):
Figure: 66.12 - Stratégie Straddle (diagrammes pay-off)
Nous pouvons résumer ces quelques propriétés sous
la forme du tableau suivant:
Stratégie
|
Anticipation du cours
|
Gain potentiel
|
Perte potentielle
|
Profit
|
Achat de Call
|
Hausse
|
"Illimité"
|
Limitée
|
|
Achat de Put
|
Baisse
|
Limité
|
Limitée
|
|
Vente de Call
|
Stabilité ou légère baisse
|
Limité
|
"Illimitée"
|
|
Vente de Put
|
Stabilité ou légère hausse
|
Limité
|
Limitée
|
|
Tableau: 66.2 - Différentes stratégies des options Call et Put
FONDS
DE PLACEMENT
Définition: Un "fonds
de placement" est un véhicule d'investissement
(portefeuille de titres, d'actions ou d'obligations par exemple)
que les
établissements financiers proposent à leurs clients.
Remarque: Un "hedge
fund" ou "fonds
couvert" est un ensemble
de produits financiers utilisés comme couverture contre
les fluctuations du
marché. En théorie, si la Bourse chute, le hedge
fund ne descend pas et a une performance absolue. Ces types de
fonds alternatifs sont
cependant réservés à une clientèle
fortunée et avertie.
Bien qu'un fonds de placement
réunisse divers actifs financiers,
les clients peuvent acheter les parts émises à une
faible valeur par rapport à l'achat d'actifs individuels.
Chaque part contient théoriquement une proportion de chacun
des actifs se trouvant dans le fonds de placement. Elles garantissent
un droit de participation à la fortune globale du fonds
sans toutefois donner de droit sur les sociétés inclues
dans le fonds.
Un fonds de placement peut
investir les montants de diverses manières dont les plus
communément
pratiquées sont les papiers-valeurs (actions, obligations),
papiers monétaires, valeurs immobilières, régions
(pays, continents), secteurs d'activité ou encore selon
des objectifs personnels. Il existe en ce début de 21ème
siècle à peu
près 30'000 fonds de placement à travers le monde.
Les fonds de placement rendent
souvent service aux petits portefeuilles: avec des montants
relativement modestes, il est possible de bénéficier
d'une bonne répartition des risques et aussi de
prix de gros accordés sur les transactions effectuées
par les gestionnaires de fonds.
RETOURS ET TAUX D'INVESTISSEMENTS
Pour définir l'objectif poursuivi par le possesseur d'actifs financiers,
nous nous référerons à la motivation économique de tout acte d'investir.
Celle-ci consiste concrètement à consentir présentement à une dépense,
en vue d'un accroissement de patrimoine espéré dans le futur.
De deux ou plusieurs stratégies d'investissements, la
meilleure au niveau individuel est celle qui maximise le capital
final de
l'investisseur.
Il existe alors différents types de retour sur investissements
suivant l'objet d'étude. Ainsi, nous différencions
en finance (avant d'en voir les détails):
1. Les retours d'actifs financiers sur un horizon économique
(return on investment) et leurs taux de rendement respectifs (rate
of return).
2. Les retours sur des investissements en comparaison à
un taux géométrique moyen du marché et la limite du taux de rentabilité correspondante (internal
rate of return).
Ensuite, il faut considérer d'autres approches de taux
de rentabilité. Outre les deux mentionnés ci-dessus
les deux autres grands classiques sont (avant d'en voir les détails):
1. Le taux de retour pondéré par les capitaux investis
(M.W.R.R.) qui a l'avantage par rapport au taux de rendement interne
de prendre en compte les investissements faits en dehors des périodes
temporelles classiques.
2. Le taux de retour pondéré dans le temps (T.W.R.R.) qui est un
outil pratique pour mesurer la performance des gestionnaires de
fonds car il ne prend pas en compte les flux (retraits ou investissements)
des investisseurs qui sont incontrôlables.
Voyons donc un peu tout cela:
RETURN ON INVESTMENt
En pratique, nous définirons
l'objectif de l'investisseur comme consistant à maximiser l'accroissement
de sa fortune initiale, quelles que soient les modalités
de cet accroissement. Cet accroissement appelé donc
en anglais "return
on investment" (R.O.I.) ou, plus brièvement, "return" est
défini
par la relation (logique) dans le cadre de la gestion d'actifs
par:
(66.96)
où est
donc le return de l'actif financier pour la période (se terminant
au temps) t, le
prix du marché au temps t de l'actif financier et le
revenu liquide attaché à la détention de l'actif financier durant
la période (se terminant au temps) t.
Le revenu
est supposé perçu au temps t,
ou, s'il est perçu entre
et t,
il est supposé ne pas être réinvesti avant le temps t.
Le prix de marché P au temps
est une valeur "ex-coupon" c'est-à-dire une valeur
enregistrée
immédiatement après (le détachement du coupon
donnant droit à) la perception,
au temps ,
du revenu liquide afférant à la période .
Sur le plan empirique, l'hypothèse de non-réinvestissement
jusqu'à
la période élémentaire de temps utilisée
est courte (un mois maximum), afin d'éviter des distorsions
statistiques trop importantes dans le traitement des données
chronologiques.
Pour faciliter les comparaisons
entre investissements, nous utilisons une mesure exprimée
en termes relatifs le "taux de rentabilité" ou "rate
of return"
défini assez logiquement par:
(66.97)
où
est le taux de rentabilité pour la période t.
Nous reviendrons lors de notre étude du modèle mathématique
d'évaluation des actifs financiers sur ces outils.
INTERNAL RATE OF RETURN
La mise en oeuvre d'un capital
financier pour permettre la réalisation d'opérations
d'économie
réelle (c'est-à-dire le fait de consacrer, directement
ou indirectement, ce capital financier à l'acquisition
ou à la
constitution de moyens de production, au sens le plus large
de ce terme)
peut donc produire
à travers le temps des retours d'argent sous la forme de
flux nets de liquidités appelés "flux
net de trésorerie" (F.N.T.) ou
encore "cash-flows" (C.F.)
(cela fait toujours mieux en anglais....).
Le calcul actuariel permet
de construire formellement un critère de décision.
En effet, nous définissons (logiquement mais sans toutefois
être complètement réaliste) la prise de
risque par le "goodwill"
celui-ci étant
donné
par la relation démontrée dans le chapitre de Techniques
De Gestion sous la démination de "valeur actuelle nette" (le
terme
"goodwill" étant souvent utilisé par les
comptables):
(66.98)
Explications:
Le deuxième terme à droite de l'égalité nous
est déjà
connu (nous en avons démontré l'origine dans le chapitre de Technique
De Gestion) mais pour rappel sous la forme:
(66.99)
Dans un contexte de certitude de l'avenir (...) il nous donne
donc l'investissement initial à effectuer à un pourcentage donné constant
(...) pour avoir un retour sur investissement (cash-flow)
à un taux d'intérêt périodique moyen
géométrique
t% (taux du marché) avec T étant
l'horizon de l'opération (nombre de périodes),
étant la dépense initiale d'investissement.
En d'autres termes,
le goodwill
de
l'opération
représente les flux excédentaires actuels obtenus
après avoir remboursé la somme initiale investie
sur sa durée d'utilisation et après
avoir rémunéré le capital encore investi
au début
de chaque période au taux d'actualisation.
Si:
(66.100)
A la formulation du critère
de décision telle qu'elle vient d'être présentée,
nombreux sont ceux, notamment les praticiens, qui préfèrent
la méthode dite
du "taux de rentabilité interne" (TRI)
ou
"internal rate of return" (I.R.R.).
Celle-ci n'est en apparence qu'une variante
de la première
formulation. Elle consiste à calculer un taux déterministe
généralement
symbolisé
par la lettre grecque ,
qui annule la valeur du goodwill (il s'agit donc de déterminer
le taux de rentabilité tel que la somme des flux nets
de trésorerie soit égale au montant du capital
investi):
(66.101)
Si:
(66.102)
Nous voyons que le taux
interne de rentabilité intervient dans le processus de
décision
de manière
à première vue équivalente à celle dont il est utilisé dans
le calcul d'une valeur actuelle nette. En outre, l'expression du
résultat
du calcul est indéniablement plus parlante que le montant
absolu (goodwill) obtenu dans la première formulation. Nous
inclinerions donc à adopter la seconde formulation si celle-ci
ne présentait,
à l'examen approfondi, l'inconvénient majeur que le calcul
du taux interne de rentabilité comporte dans certains cas
plusieurs solutions. La relation est en effet une équation
polynomiale dont nous avons
démontré, dans le chapitre d'Algèbre, qu'elle
a autant de racines que le polynôme
présente de changements de signe.
Nous verrons après notre étude du modèle
de Black & Scholes des manières beaucoup plus perfectionnées
de considérer des stratégies
d'investissements qui ne sont pas purement déterministes
comme précédemment mais stochastiques.
MONEY
WEIGHTED RATE OF RETURN
Nous allons maintenant introduire un type de taux interne de
rentabilité
différent de celui lié au goodwill et qui s'applique
mieux à la gestion de portefeuilles que le taux interne
de rentabilité vu plus haut (qui rappelons-le se base
sur l'hypothèse
que les cash-flows sont déboursés à intervalles
périodiques).
Considérons un
fonds F et les informations
suivantes:
1. La valeur du fonds juste
avant le temps 0.
2. La valeur du fonds juste
après le temps 1.
3. Une
valeur monétaire
totale nette investie
durant la période [0,1] versée
en deux moitiés
en début
et fin de période (pour simplifier l'exemple...).
Les données qui vont nous intéresser
sont les suivantes:
1. La valeur qui
représente la valeur totale du fonds et d'une partie de
l'investissement au moment 0.
2. La valeur qui
représente le capital qu'il aurait fallu rassembler au
temps 0 pour arriver en fin de période à la valeur N/2 lorsque
le taux du marché est à un taux t%.
3. La valeur qui
représente au temps 0 la valeur du fonds à laquelle
on voudrait arriver pour arriver en fin de période à lorsque
le taux du marché vaut aussi t%.
La différence:
(66.103)
donne la valeur qu'il aurait fallu capitaliser
pour obtenir la somme .
Ce qui est trivialement
intéressant pour un
investisseur est alors de connaître le taux tel
que le premier investissement égalise son objectif
annuel. C'est-à-dire:
(66.104)
soit:
(66.105)
relation qui est
appelée "relation
de Hardy".
Si cette relation
se vérifie pour connus
et déterminés et un supposé, un
investisseur n'aura rien à gagner ni à perdre à investir dans le
fonds ou de capitaliser au taux du marché .
Si l'équation de Hardy n'est pas non nulle, mais
positive alors l'investissement dans le fonds n'est pas intéressant.
Si elle est négative, il vaut alors mieux investir dans
le fonds.
De l'algèbre élémentaire, nous conduit à la
relation:
(66.106)
avec:
(66.107)
Effectivement:
(66.108)
Le taux est
souvent nommé en gestion de fortune le "Money
Weighted Rate of Return " (M.W.R.R.). ou "Taux
de Retour Pondéré par les Capitaux Investis" (T.R.P.C.I.)
et représente donc la performance d'un fonds (portefeuille) avec
prise en compte des entrées et sorties de capitaux au cours de
la période d'évaluation.
Exemple:
Un fonds a eu les revenus suivants pendant l'année 2006:
- Valeur au 1er Janvier 2006: 30 MFr.-
-
Investissement dans le fonds pendant l'année: 18 MFr.-
- Retraits sur
le fonds: 30 MFr.-
-
Valeur du fonds au 31 décembre 2006: 21 MFr.-
Quel est le taux
effectif (M.W.R.R.) de ce fonds en 2006 ?
Nous
avons alors comme données initiales ce
qui donne si nous assumons les hypothèses de départ
concernant N :
(66.109)
et alors:
(66.110)
Considérons maintenant que nous savons que les investissements
ont eu lieu la 3/8ème part de l'année et les retraits la
3/4ème
part de l'année.
Le M.W.R.R. est alors
le taux du cash-flow:
(66.111)
Nous devons alors trouver t% tel que:
(66.112)
La
résolution de
cette équation avec Maple 4.00b donne:
(66.113)
Nous
voyons qu'en considérant les cash-flows et les moments
où ils
ont lieu (donc une analyse plus fine et rigoureuse) nous réduisons
le M.W.R.R. Par ailleurs, le dernier calcul étant plus
rigoureux que le premier, c'est celui que l'investisseur voudra
connaître
en fin d'année.
Ce
taux est donc une mesure effective du taux d'accroissement du
fonds, donnant
l'impact du poids des cash-flows sur la valeur du fonds. Il s'agit
aussi au fait d'une simple généralisation du de
l'IRR (Internal Rate of Return).
Remarque: En Suisse, certaines fondations
d'assurance de la LPP (Loi sur la Prévoyance Professionnelle)
communiquent la M.W.R.R. annuelle ou trimestrielle
sur les 5 à 10 ans passés.
TIME
WEIGHTED RATE OF RETURN
Nous allons maintenant nous intéresser à un autre outil financier
de la gestion de portefeuilles utilisé également pour
juger du rendement d'un investissement.
Considérons
un fonds tel que:
|
Décembre
31. 2000 |
T1
2001 |
T2
2001 |
T3
2001 |
T4
2001 |
Valeur
de début du fonds |
|
1000 |
370 |
81 |
7.8 |
Gain
ou (perte) pour le trimestre en % |
|
10% |
3% |
(4%) |
6% |
Gain
ou (perte) pour le trimestre .- |
|
100 |
11.1 |
(3.2) |
0.5 |
Cash-flows
trimestriels entrées/(sorties) |
|
(730) |
(300) |
(70) |
0 |
Valeur
du fonds |
1000 |
370 |
81.1 |
7.8 |
8.3 |
Tableau: 66.3
- Time Weighted Rate Of Return
Le
31 décembre 2000, le fonds a une valeur de 1000.-. Durant
le premier trimestre 2001 il a un retour de 10% mais nous imaginons
que
cette valeur est loin de celle qui était attendue alors
l'investisseur retire 730.- du fonds (portefeuille basé sur
le fonds). Lors du second trimestre, le fonds a gagné 3%
et 300.- supplémentaires
ont été retirés par l'investisseur. Lors
du troisième trimestre
le fonds a perdu 4% et 70.- ont été retirés.
Le dernier trimestre, le fonds a gagné 6% et aucun fonds
n'a été retiré.
Nous
avons alors l'accroissement (retour) global sur l'ensemble de
la période (année) qui est donné par:
(66.114)
Nous
voyons bien que cette valeur est indépendante des flux
monétaires
du portefeuille de l'investisseur. Nous
appelons la valeur de 15.3% le "Time
Weighted Rate of Return" (T.W.R.R) ou "Taux
de Retour Pondéré dans le Temps" (T.R.P.T.)
sur une base trimestrielle.
En d'autres termes, le T.W.R.R. indique la performance d'un portefeuille
sans prise en compte des entrées et sorties de capitaux au cours
de la période d'évaluation.
Ce
cas particulier peut être noté de manière générale par la relation:
(66.115)
Il convient de se rappeler que si nous avions voulu calculer
la moyenne du rendement du fonds par trimestre, nous aurions
simplement utilisé la moyenne géométrique
(cf.
chapitre de Statistiques)!
Le T.W.R.R. est un outil pratique pour mesurer la performance
des gestionnaires de fonds, car il ne prend pas en compte les
flux
(retraits ou investissements) des investisseurs qui sont incontrôlables.
Ainsi, nous avons une mesure de la qualité de la dynamique
des fonds indépendante du choix des investisseurs qui
pourraient considérer
les retraits ou investissements comme des cash-flow qui serviraient
à calculer un I.R.R. qui n'aurait plus ou moins aucune signification
par rapport à la dynamique du fonds.
Remarque: En Suisse, certaines fondations
d'assurance de la LPP (Loi sur la Prévoyance Professionnelle)
communiquent la T.W.R.R. annuelle ou trimestrielle sur les 5 à 10
ans passés mais sur une base journalière.
MODÈLE SPÉCULATIF DE BACHELIER
Après ces nombreuses
définitions contextuelles, le but maintenant est d'introduire
les techniques mathématiques spéculatives stochastiques
de base utilisées
en finance. En effet, la finance étant devenue au fil
du temps un domaine de plus en plus concurrentiel, les marges
sur les
produits standards ont tendance à se réduire, la
prime est donc donnée à l'innovation. Cette évolution
a conduit à une sophistication croissante des produits
financiers, faisant ainsi appel à des notions mathématiques
poussées,
basées principalement sur des modèles de probabilités,
introduits par Louis Bachelier dans sa "Théorie de
la spéculation" mais réellement utilisées
que depuis 1973 grâce aux différents travaux de
Black &
Scholes et Merton (qui ont
valu à leurs auteurs un Prix Nobel d'économie).
Regardons pour commencer quels
sont les développements proposés par Louis Bachelier
dans sa thèse pour déterminer l'espérance
mathématique prévisionnelle et l'écart-type
prévisionnel d'un actif financier (résultat
que nous utiliserons dans le cadre de l'étude du modèle
d'évaluation de Black & Scholes).
Désignons
par
la fonction de densité de probabilité que le cours
d'un actif soit x au
temps t. Dès
lors, la probabilité cumulée que la valeur du
cours se trouve comprise dans l'intervalle élémentaire
[x, x + dx] au
temps t est de la forme:
(66.116)
dont l'intégrale sur l'ensemble du domaine de
définition devra donner 1.
En vertu du quatrième
axiome des probabilités (voir chapitre du même nom),
la probabilité que le cours évolue d'une certaine
valeur
à une autre (chaîne de Markov temporelle à temps
continu), sera égale
au produit de la probabilité cumulée pour que le
cours soit coté x dans un intervalle donné à l'époque ,
c'est-à-dire:
(66.117)
multipliée
par la probabilité cumulée pour que, le cours étant
coté x à l'époque ,
le cours soit coté z dans un intervalle
donné à l'époque ,
c'est-à-dire, multipliée par:
(66.118)
La probabilité cherchée
est donc:
(66.119)
Cette écriture suppose donc que les cours sont des variables aléatoires
indépendantes...
Le cours pouvant se trouver à l'époque
dans tous les intervalles dx compris entre ,
la probabilité cumulée pour
que le cours soit
coté z à l'époque
sera:
(66.120)
La probabilité de
ce cours z,
à l'époque
a aussi pour expression:
(66.121)
Nous
avons donc:
(66.122)
ou:
(66.123)
telle est l'équation
à laquelle doit satisfaire la fonction de distribution de
probabilité p
que nous recherchons.
Cette équation
est vérifiée, comme nous allons le voir, par la
fonction:
(66.124)
Mais il ne faut pas oublier qu'il s'agit d'une solution particulière
(raison pour laquelle ce modèle est parfois appelé "modèle gaussien
de Bachelier")... et de plus rien ne dit que les deux variables
aléatoires
indépendantes
suivent la même loi de probabilité...
Les deux
hypothèses de construction du modèle vues jusqu'à maintenant
(indépendance et distribution identique) sont souvent indiquées
en finance sous
l'appellation des "hypothèses
d'indépendance
et de stationnarité".
Ceci étant dit, nous devons alors bien évidemment
imposer (axiomes des probabilités
obligent!):
(66.125)
L'intégrale classique qui figure dans le deuxième
terme a pour valeur (cf. chapitre de Statistiques):
(66.126)
nous
devons donc obligatoirement avoir pour la normalisation:
(66.127) Il en découle:
(66.128)
En posant ,
nous obtenons
c'est-à-dire que A égale la probabilité
du cours coté actuellement. Il faut donc établir
que la fonction:
(66.129)
où
dépend du temps, satisfait bien à l'équation
de condition ci-dessus.
Soient
les quantités correspondant à
et relatives aux temps ,
il faut donc prouver que l'expression:
(66.130)
peut se mettre sous la forme
où
A,B ne dépendent que du temps!
Cette intégrale devient
en remarquant que z n'est pas une variable d'intégration
(nous supposons qu'il est indépendant de x comme
vous l'aurez compris depuis le début)
(66.131)
Nous allons maintenant changer la forme de l'intégrale (nous changeons
aussi de notation pour l'exponentielle sinon cela devient illisible):
(66.132)
et posons:
(66.133)
Nous aurons alors:
(66.134)
L'intégrale:
(66.135)
ayant
pour valeur 1 (cf. chapitre de Statistiques),
nous obtenons finalement:
(66.136)
Cette expression ayant la
forme désirée puisque:
(66.137)
Cette relation exprime le fait que la probabilité cumulée
totale que la variable aléatoire
z puisse prendre n'importe quelle valeur est égale à l'unité.
Nous devons en conclure que
la probabilité que le titre soit coté z au
temps s'exprime
bien par la relation:
(66.138)
Nous voyons que la probabilité
est régie par une loi de distribution de type loi Normale
centrée réduite (cf. chapitre
de Statistiques)! Ceci
constitue un résultat
remarquable obtenu par Louis Bachelier en 1900 et qui avait été déjà spéculé par
Jules Regnault au milieu du 19ème siècle.
Effectivement, Regnault compare la spéculation à un
jeu de pile ou face dans lequel les deux côtés de
la pièce correspondent aux
deux possibilités, hausse ou baisse du cours. Sous l'hypothèse
qu'à quelque moment que ce soit, il n'y a jamais plus d'avantages
pour une chance que pour l'autre. Autrement dit, à chaque
cotation, le cours a une chance sur deux d'augmenter et une chance
sur deux
de diminuer. Mais chaque spéculateur a son opinion sur
la question. Sans cette diversité d'opinions, il n'y aurait
par conséquent ni
échanges ni variations des cours. Les opérateurs
se répartissent
donc en deux groups (haussiers, baissiers) qui font des évaluations
subjectives de la valeur future du cours qui comportent forcément
une marge d'erreur. Cependant, pour Regnault, les erreurs des spéculateurs
ne sont pas quelconques, elles obéissent à une distribution
Normale. Effectivement, comme l'a démontré Laplace,
si la probabilité
d'erreur est petite et qu'elles sont nombreuses et indépendantes
alors les résultats des erreurs suivent une loi Normale
(cf.
chapitre de Statistiques).
Figure: 66.13 - Analyse de distribution des rendements dans le terminal Bloomberg
La relation antéprécédente
nous montre que les paramètres
satisfont à la relation fonctionnelle:
(66.139)
Différentions par
rapport à ,
puis par rapport à .
Le premier membre ayant la même forme dans les deux cas,
nous obtenons:
(66.140)
donc après simplification:
(66.141)
Ce qui donne finalement:
(66.142)
Cette relation ayant lieu,
quels que soient ,
la valeur commune des deux rapports est constante et nous avons
donc:
(66.143)
Une fonction qui satisfait
cette relation existe et est:
(66.144)
H
désignant une constante ou une fonction indépendante du
temps.
Vérification:
(66.145)
donc:
(66.146)
Nous avons donc pour expression
finale de la fonction de densité de probabilité de
la valeur du cours x:
(66.147)
avec x (pour rappel) qui est supérieur ou
égal à 0.
Le lecteur remarquera donc que pour une valeur de
H et t fixées nous avons toujours ici
la forme d'une loi Normale centrée (cf.
chapitre de Statistiques)!! Les financiers disent alors
que nous avons affaire à un "hasard sage", sous-entendu
que les variations sont faibles et régulières.
ESPÉRANCE ET VARIANCE
POSITIVE
Comme le cours ne peut pas être négatif, nous nous restreignons
au calcul de l'espérance
positive comme étant
alors (cf.
chapitre de Statistiques):
(66.148)
en notant:
(66.149)
le "coefficient d'instabilité" (sur
lequel nous ne savons rien) nous avons ainsi l'espérance
positive du cours qui est au final:
(66.150)
l'espérance mathématique du cours est donc proportionnelle
à la racine carrée du temps comme l'est le mouvement
brownien que nous avons étudié dans le chapitre de
Mécanique
Statistique!!
Il découle aussi immédiatement de ce résultat
que l'écart-moyen
de la valeur du cours à deux instants différents
consécutifs est
lui aussi proportionnel à la racine carrée du temps écoulé
entre les deux instants!
Nous remarquons aussi qu'à l'instant où t est
égal à 0, l'espérance positive du gain est
nulle, car la valeur y est connue de manière sûre
(c'est ainsi qu'il faut l'interpréter).
Remarque: Le mouvement brownien est
massivement employé
par les professionnels, puisque les calculs de volatilité annualisée
(en %/an) dont on trouve les résultats dans
toute page financière de la presse
quotidienne, ne sont que des conversions en racine
carrée
du temps des calculs de volatilité périodique
(en %/mois ou %/semaine) utilisée comme base d'estimation.
Calculons maintenant la variance positive aussi:
(66.151)
Nous posons:
(66.152)
soit:
(66.153)
avec:
(66.154)
Il vient alors:
(66.155)
Or, dans le chapitre de Statistiques, nous avons démontré par
intégration par parties (cf. chapitre
de Calcul Intégral Et Différentiel) que:
(66.156)
Soit au final:
(66.157)
Donc si nous posons:
(66.158)
Nous avons finalement:
(66.159)
Donc l'écart-type positif est lui aussi proportionnel à la
racine carrée du temps (et le résultat serait le
même si nous calculions l'écart-type total)!
Donc par stabilité de la loi Normale (cf.
chapitre de Statistiques)
nous avons:
(66.160)
Il s'ensuit immédiatement que:
(66.161)
et:
(66.162)
Donc les variations du prix du cours d'un actif financier entre
deux instants successifs ont une loi de probabilité bien évidemment
aussi décrite par une loi Normale centrée (découlant
donc de la stabilité de cette loi) caractérisée
elle aussi par une espérance positive et un écart-type
positif proportionnels à la racine carrée du temps.
Ce résultat démontré mathématiquement
avait été mesuré par Regnault
une cinquantaine d'années auparavant (~1850) en
observant que l'écart-moyen de titres obligataires français était
proportionnel à la
racine carrée du temps.
Ceci dit il faut accepter les limites de cette approche. Prenons
par exemple les rendements journaliers de l'indice Dow Jones
en 2008 et 2009. D'après les spécialistes possédant
les détails de ces données, elles suivraient plutôt
une loi de Student de paramètre 3 qu'une loi Normale...!
Pour donner une comparaison flagrante de la limite
de ces approches rappelons (cf. chapitre
de Statistiques)
que la probabilité cumulée
qu'une variable aléatoire suivant une loi Normale soit au-delà de
4 écart-types est de 1-99.99366% soit 0.00634%. Cela signifie,
si la Bourse a 252 jours ouvrés, une
certitude d'avoir une grande déviation tous les:
(66.163)
où nous considérons donc (cf.
chapitre de Probabilités)
les événements comme disjoints deux à deux.
Or la réalité montre, par exemple, que l'indice
Dow Jones a eu entre 2008 et 2009 en moyenne 8 déviations
au-delà de 4 écarts-types par année… et
ce n'est guère qu'un peu mieux si nous faisons une approche
avec la loi de Student.
Au final trois résultats majeurs sont à retenir
ici sous les hypothèses fortes de normalité centrée
et d'indépendance:
1. Que la fonction de distribution de probabilité que le
cours d'un actif financier soit x à un instant t donné suit
une loi Normale centrée...!!
2. Que l'espérance positive et l'écart-type positif
de la valeur d'un actif financier sont proportionnels à la
racine carrée
du temps avec un facteur dont nous ne savons rien!!
3. Que l'espérance de gain est globalement nulle (ce qui rend
le modèle peu réaliste mais donne déjà une base de travail).
C'est le premier modèle de base à connaître
en finance (qui ne devrait plus être utilisé dans
les entreprises en ce début de 21ème siècle
mais qui l'est malheureusement encore en majorité...) et
nous réutiliserons
donc ces démarches lors de notre introduction au modèle
de Black &
Scholes.
Enfin, il convient de préciser que c'est un modèle
théorique!
Il faut donc le confronter à la pratique pour voir s'il
est valide ou non. En l'occurrence l'observation des marchés
financiers montre que ce n'est que hors des bulles spéculatives
que les variations peuvent être modélisées
par un mouvement brownien. Il faut donc chercher des modèles
plus puissants et nous verrons un jour (...) que le mouvement brownien
(appelé également "processus brownien")
qui est lisse (continu) et donc sans sauts brusques (donc incapable
de modéliser certains événements brusques des marchés comme les
crash ou les corrections) est un cas particulier des processus
de Lévy.
MODÈLE DE DIVERSIFICATION EFFICIENTE DE MARKOWITZ
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. Nous 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 celui 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. À risque identique, nous retenons celui qui a l'espérance
de rendement la plus élevée (gain maximal)
H2. À 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.
Il existe un grand nombre de modèles complémentaires empiriques.
Citons les plus connus:
- Portefeuille à variance globale minimale (PVGM) que nous allons
étudier ici
- Portefeuille à variance robuste globale minimale (PVRGM)
- Portefeuille à semi-variance robuste globale minimale (PsVRGM)
- Portefeuille à ratio de Sharpe maximum (PRSM)
- Poretefeuille à erreur de suivi (tracking error) minimale (PESM)
- Portefeuille à poids identiques (P1/N)
- Portefeuille à index nul (PIN)
- Portefeuille d'arbitrage (dollar-neutre: somme des poids nulle)
(PH)
-
Portefeuille à moyenne unique (PG)
- Portefeuille zéro bêta (PZb)
- Portefeuille tangent (PT) que nous allons étudier ici
- Portefeuille à utilité maximale (PA)
- Portefeuille de diversification maximale (PDM)
- Portefeuille de Black-Litterman (PBL)
- Portefeuille draw-down (PDD)
- Portefeuille à VaR minimale (PVaR)
- ...
Passons maintenant à la théorie (un exemple pratique
du modèle de Markowitz sera donné après les
développements mathématiques).
Soit le
rendement d'un portefeuille composé de n actifs caractérisés
par leur rendement respectif .
Nous posons, en outre, que chaque actif i entre pour une
proportion Xi dans la composition du portefeuille
P tel que:
(66.164)
Remarque: Une 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:
(66.165) (66.166)
où l'espérance de Ri est souvent
prise 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):
(66.167)
Dès lors, la variance du portefeuille est donnée par (cf.
chapitre de Statistiques):
(66.168)
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 ne 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 le
même vecteur transposé:
(66.169)
et finalement la
matrice des covariances (rappelons qu'il existe une méthode simple
pour passer de la matrice des covariances à la matrice des corrélations
et inversément):
(66.170)
matrice qui se simplifie directement en:
(66.171)
nous obtenons finalement la relation de la variance sous forme
matricielle condensée:
(66.172)
telle que nous la voyons souvent dans la littérature spécialisée.
Pour en revenir à la forme algébrique du modèle,
puisque la covariance est symétrique (cf.
chapitre de Statistiques):
(66.173)
et
que:
(66.174)
Nous pouvons simplifier et écrire la variance:
(66.175)
sous la forme algébrique suivante:
(66.176)
telle que nous la voyons souvent dans la littérature
spécialisée d'une certaine époque...
Sélectionner un portefeuille
revient donc à résoudre le problème de maximisation
sous contrainte suivant:
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 Des Jeux et 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:
(66.177)
qui doit être maximisée sous la contrainte que
et où 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:
(66.178)
Cette fonction de n + 1 variables ()
est maximisée si sa dérivée (partielle) par rapport à chacune de
ces variables est nulle, ce qui revient à poser le système suivant:
(66.179)
Posons:
(66.180)
Nous
pouvons alors écrire:
(66.181)
soit sous forme matricielle:
(66.182)
Soit
désormais:
et
(66.183)
Dans ce cas, le système d'équations à résoudre peut se résumer
sous la forme matricielle:
(66.184)
Par
conséquent:
(66.185)
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 covariances
(la diagonale comportant des variances seulement et la matrice étant
symétrique!). Ce qui est relativement long à calculer
pour de gros portefeuilles.
Cependant, même une fois la pondération des actifs
terminée, le problème lui ne l'est pas complètement.
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.
Exemple:
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 saisis
dans Microsoft Excel 11.8346 (la composante j pouvant être vue comme
une période temporelle):
Figure: 66.14 - 5 observations des rendements de 3 titres
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 (poids optimaux)
qui minimise la variance pour une espérance
maximum pour un portefeuille composé d'un actif sans risque
d'un rendement Rf de 0.22.
Au-dessous de la table donnée précédemment
nous allons créer dans Microsoft Excel
le tableau contenant les proportions des
titres (que nous supposerons équidistribuées, soit
1/3), nous afficherons la moyenne du rendement
calculée bien évidemment selon l'estimateur:
(66.186)
et la variance calculée
pour chaque titre par l'estimateur:
(66.187)
Ce qui nous donne le tableau suivant dans Microsoft Excel 11.8346:
Figure: 66.15 - Proportions, estimateurs de l'espérance et de la variance des 3 titres
Soit sous forme détaillée dans la version française
de Microsoft Excel 11.8346:
Figure: 66.16 - Formules explicites pour le calcul des estimateurs de l'espérance
et
de
la
variance
des
3 titres
Nous devons maintenant calculer le rendement moyen du portefeuille
selon:
(66.188)
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 plages de cellules ( et
)
ayant la même dimension (même nombre de lignes et même nombre
de colonnes). Nous pouvons alors utiliser la fonction suivante
dans la version française de
Microsoft Excel 11.8346:
=SOMMEPROD(B14:D14;B15:D15)
Pour la variance du portefeuille, c'est un peu plus compliqué
puisqu'il s'agira de calculer:
(66.189)
La relation développée dans notre cas particulier
donne:
(66.190)
L'astuce pour appliquer ceci dans un tableur Microsoft Excel
consiste à utiliser
l'algèbre linéaire et écrire cette relation
sous forme matricielle comme nous l'avons démontré:
(66.191)
Ce qui équivaut dans la version française de Microsoft
Excel 11.8346 à écrire:
=SOMMEPROD(PRODUITMAT(B14:D14;G14:I16);B14:D14)
Soit sous forme matricielle explicite:
(66.192)
En se basant sur les tableaux précédents, il
est simple dans Microsoft Excel d'obtenir la matrice de covariance
(dans la pratique il est souvent considéré comme difficile d'obtenir
une estimation robuste de la matrice des covariances):
Figure: 66.17 - Matrice de covariance des 3 titres
Soit sous forme détaillée dans la version française
de Microsoft Excel 11.8346:
Figure: 66.18 - Formules explicites de la matrice des covariances
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:
Figure: 66.19 - Espérance et variance du portefeuille
en appliquant donc les relations susmentionnées:
Figure: 66.20 - Formules explicites pour l'espérance et variance du portefeuille
Le problème maintenant est de déterminer pour un
rendement du portefeuille fixé (B20), 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):
Figure: 66.21 - Objectifs en termes de rendements et parts
Nous devons donc maintenant résoudre le problème d'optimisation
non linéaire:
(66.193)
et ceci ne peut que se faire (simplement) à l'aide du solveur:
Figure: 66.22 - Recherche des solutions à l'aide du solveur
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. À chaque résultat, nous noterons le
numéro
de l'itération,
la variance du portefeuille et
l'espérance de rendement
qui était exigée. Cela devrait donner (bon il faudrait
automatiser dans l'idéal la procédure par du VBA):
Figure: 66.23 - Solutions pour différentes valeurs du rendement
Ce qui donne la frontière efficiente de Markowitz suivante
sous forme graphique, appelé "plan
de Markowitz", dans Microsoft Excel 11.8346:
Figure: 66.24 - Plan de Markowitz correspondant aux solutions du tableau précédent
Maintenant il est aisé avec Microsoft Excel 11.8346
de déterminer
une équation approchée et approximative de cette
frontière par l'équation
d'une parabole (mais attention se n'en est pas une en réalité
puisqu'il s'agit d'une relation plus complexe qu'une simple parabole
comme nous l'avons
vu plus haut) en utilisant l'outil d'interpolation (nous sommes
obligés
dans Microsoft Excel 11.8346 de tourner la
parabole pour cela...):
Figure: 66.25 - Rotation du plan de Markowitz pour déterminer l'équation de la parabole
Évidemment avec l'équation de cette parabole (approximation
grossière de la vraie frontière efficiente pour rappel!),
en cherchant où
sa dérivée s'annule, nous obtenons alors ce qu'il
est d'usage d'appeler dans la finance le "portefeuille
global de variance minimum"
(en anglais: "Global Minimum Variance Portfolio"). Les
poids des actifs de ce portefeuille sont donnés évidemment
directement par les résultats affichés par le
solveur.
Maintenant, nous allons déterminer la "capital
market line"
abrégée C.M.L (voir le modèle des actifs
financiers - MEDAF - plus bas pour les détails mathématiques),
et plus rarement en français "droite des marchés
des capitaux", 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 élevée.
Nous allons pour déterminer cette droite avec Microsoft
Excel 11.8346 nous fixer dans un premier temps un taux de
rendement sans risque
que
nous noterons et
que nous prendrons arbitrairement comme valant 0.22 (en Suisse
en 2011, le rendement sans risque était estimé à 1%
par exemple).
Nous avons donc la courbe de Markowitz d'équation approxmative:
Figure: 66.26 - Mise en évidence de la Capital Market Line
et la droite du portefeuille sans actif risqué:
(66.194)
avec la condition (voir sur le graphe):
(66.195)
Nous avons alors deux équations à deux inconnues
pour résoudre ce problème (l'intersection de la
droite et de la parabole pour la première et l'égalité de
la pente de la parabole et de celle de la droite au point d'intersection
pour la deuxième):
(66.196)
La deuxième équation nous donne:
(66.197)
Injecté dans la première équation:
(66.198)
Si nous résolvons ce polynôme du deuxième
degré nous avons deux
solutions réelles (Microsoft Excel n'arrive pas à déterminer
les racines de ce polynôme mais pour Maple 4.00b c'est
très simple):
(66.199)
Suite à la demande d'un internaute, voici les lignes Maple correspondantes:
>a:=18.795;
>b:=-8.3892;
>c:=0.9384;
>f:=a*(((-d/0.22)-b)/(2*a))^2+b*(((-d/0.22)-b)/(2*a))+c
=(-d/0.22)*(((-d/0.22)-b)/(2*a))+d;
>solve(f,d);
La solution 2 est à éliminer (nous le savons en
essayant de la prendre comme solution). Nous avons donc:
(66.200)
Ce qui donne sous forme graphique:
Figure: 66.27 - Représentation de la "vraie" Capital Market Line
Soit sous forme traditionnelle:
Figure: 66.28 - Petite rotation de la figure précédente
Il vient aussi immédiatement:
(66.201)
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:
(66.202)
Il s'agit donc par construction du portefeuille qui,
parmi l'ensemble des portefeuilles comportant uniquement des actifs
risqués, maximise le rendement alors qu'il comporte un actif
sans risque tout en minimisant le risque!!! Encore une fois, rappelons
que ce portefeuille est appelé "portefeuille de marché" ou "portefeuille
tangent".
Remarque: Pour une approche plus rigoureuse
vous pouvez télécharger gratuitement mes e-book
sur le logiciel R ou MATLAB et vous reporter au chapitre Finance.
Voilà donc un sympathique petit exemple
applicatif dans un logiciel accessible à presque tout
le monde mais qui est en réalité relativement faux (mais au moins
c'est pédagogique)!
Cependant rappelons deux hypothèses de construction
de ce modèle qui font que son utilisation est limite....:
H1. L'optimisation moyenne-variance revient à modéliser
les actifs du portefeuille par des variables aléatoires pour lesquelles
ces deux moments existent. Or dans la réalité, rien ne nous dit
que c'est le cas.
H2. Le modèle est basé sur des rendements moyens
estimés pour une période d'allocation pouvant évoluer à court-terme.
Or un changement très faible de la moyenne des rendements peut
avoir des conséquences démesurées sur l'allocation.
De plus dans la pratique il faut faire attention
à une chose. Rebalancer un portefeuille suite à une optimisation
peut coûter très cher en frais de transactions. Un cas d'école
souvent cité est celui d'un fond de pension américain constitué
de plus de 2'000 types d'actifs différents dont le rebalencement
en octobre 2000 impliqua
40 gestionnaires de portefeuilles, 500 millions d'actifs pour une
somme totale de 17.5 milliards de dollars. Le coût de ce rebalancement
en termes de transactions seules serait monté à 120 millions de
dollars!
MODÈLE DE DIVERSIFICATION EFFICIENTE DE SHARPE
L'utilisation du modèle de
Markowitz, tel qu'il le proposait dans son ouvrage de 1959, soulevait
de nombreux problèmes dès qu'il s'agissait d'utiliser des algorithmes
à partir d'une liste de base comportant un nombre élevé de valeurs.
Ces problèmes étaient de deux ordres:
1. L'ampleur des matrices requérait à l'époque un
calculateur de grande capacité et un temps de calcul assez
long!
2. L'utilisation du modèle de base requérait que l'on connaisse
dans son entièreté la matrice des covariances. Le principal problème
qui se pose à ce propos réside tant dans le nombre des estimations
à fournir que dans la difficulté de réaliser des estimations précises
et surtout cohérentes.
Si nous voulons que l'approche
proposée par Markowitz puisse entrer dans le domaine de
l'application, il faut de toute évidence trouver le moyen
d'alléger notablement
la procédure tout en perdant le moins possible de la
rigueur de la méthode.
En 1963, William Sharpe a proposé une solution dont la
caractéristique
essentielle consiste à faire l'hypothèse que les returns
des diverses valeurs sont exclusivement liés entre eux
par leur commune relation avec un facteur de base sous-jacent
(indice boursier typiquement)
qui permet de déterminer un coefficient appelé le
"bêta" (corrélation entre le rendement d'un titre
et celui du portefeuille de marché).
Cette hypothèse purement empirique appelée "modèle
à un indice" (ou "modèle
unifactoriel", "modèle monofactoriel")
a revêtu par la suite une importance considérable, car elle
a été,
comme on le verra dans les développements ultérieurs, à la
base de la théorie de la formation des prix des actifs
financiers dans un univers incertain.
Remarque: Encore une fois, les développements qui
vont suivre pourraient s'avérer abstraits mais... nous verrons
comment résoudre l'exemple précédent fait
avec Microsoft Excel pour le modèle de Markowitz mais en
appliquant
le modèle
de Sharpe et nous pourrons ainsi même comparer visuellement
les deux méthodes.
Le terme "unifactoriel" vient donc du fait qu'à
la base le but du modèle de Sharpe est de définir
le rendement d'un placement financier en fonction de son risque
non diversifiable, assimilé au seul risque de marché
(ou "risque systématique") donné par un
nombre appelé
"coefficient bêta".
Les investisseurs et gestionnaires distinguent trois sortes de
risques:
1. Le "risque spécifique"
relatif (implicite) au titre lui-même (sa variance) appelé aussi
"risque non systématique"
ou "risque idiosyncratique".
2. Le "risque systématique/non
diversifiable"
relatif à l'économie/marché au sens le plus large
(variance du portefeuille de référence du marché).
3. Le "risque global" qui
est en quelque sorte la somme des deux (c'est un peu plus subtil
qu'une simple somme...).
Comme vous l'aurez probablement deviné, le facteur risque est difficilement
quantifiable. L'élément qui aidera à le déterminer est la variation
du rendement de l'actif financier par rapport à la variation
du rendement du marché dans sa globalité. Un actif
financier dont le cours fluctue souvent et dont la volatilité
est grande présente donc certainement un risque élevé.
Voici par exemple les distributions des rendements de fonds de
placements du deuxième pilier (LPP) en Suisse en fonction
de la stratégie
de diversification d'un portefeuille (les chiffres après
LPP représentent
la part en % d'actions):
Figure: 66.29 - Effets de la diversification sur la distribution du rendement (source:
PPC Metrics)
Vous remarquerez sur la figure précédente
que les distributions sont centrées (donc de moyenne nulle),
symétriques
et que l'écart-type (volatilité) est d'autant plus
grand que la part d'actions dans le portefeuille est élevée.
Définition (simpliste): Le "coefficient
bêta" mesure la dépendance
entre le rendement d'un portefeuille ou d'un actif financier et
le rendement d'un indice de référence et constitue
la pente d'une droite appelée "security
characteristic line" (S.C.L.):
(66.203)
ce coefficient est bien évidemment d'autant plus utile que
l'horizon de prévision futur est éloigné et que la fréquence d'observation
est petite. Ce coefficient est aussi parfois appelé
"volatilité relative".
Figure: 66.30 - Principe de régression linéaire du coefficient bêta
Remarque: L'indice de référence est choisi de la
manière la plus pertinente possible avec ce que cela implique...
Si possible lorsque le rendement de l'indice est nul, la variation
de la valeur du portefeuille ou de l'actif devrait aussi être
nulle.
Ou un exemple plus réaliste (certains éléments indiqués
seront étudiés plus loin):
Figure: 66.31 - Principe de régression linéaire du coefficient bêta
avec exemple dans Bloomberg
Une simple analyse du graphique (c'est de l'analyse fonctionnelle élémentaire)
montre donc qu'un coefficient bêta égal
à 1 pour un titre/actif donné signifie qu'une augmentation
(respectivement: diminution) de 10 % du rendement des titres sur
le marché pendant
une certaine période se traduira par une augmentation (respectivement:
diminution) de 10 % en moyenne du rendement de ce titre. Donc
la volatilité de l'actif est égale à celle
de l'indice.
Un bêta supérieur à 1
signifie que l'évolution du return de l'actif financier
est plus volatile (ou plutôt, était volatile, puisque
ce coefficient se réfère généralement à une
période passée) que celle du return
du marché, tandis qu'un bêta inférieur à 1
révèle l'inverse.
Ainsi, un fonds ayant un bêta de 1.15 est de 15% plus volatile
que l'indice. Inversement, un fonds ayant un bêta
de 0.70 est 30% moins volatile que l'indice.
Donc pour résumer:
1. Un investissement
ne présentant aucun risque (par rapport à l'indice de
référence) afficherait donc un bêta
égal à 1.
2. Un bêta
inférieur à 1 indique que si le marché (indice
de référence) est à la
baisse, le titre sera susceptible de baisser moins que le marché.
3. Un bêta
supérieur à 1 indiquera que si le marché (indice
de référence) est à la
hausse, le titre sera susceptible de suivre moins rapidement
la tendance à la hausse.
Le concept de bêta ayant été introduit, passons
maintenant à la théorie du modèle qui a donc
pour objectif de simplifier celui de Markowitz en utilisant
ce
fameux
coefficient.
Par définition, le bêta global d'un portefeuille est déterminé
à partir des bêtas pondérés respectifs de chacun
des titres ou bêtas
sous-jacents qui le composent tel que:
(66.204)
avec étant
le bêta du portefeuille global, Xi la
proportion du titre i dans le portefeuille P, le
bêta du titre i et n le nombre d'actifs
financiers présents dans le portefeuille (le bêta est
donc additif lorsque pondéré).
Sharpe suggère donc que le rendement Ri de
chaque actif i à un instant t est donné par
la régression
linéaire (cf. chapitre de Méthodes
Numériques) déterminant la "security
characteristic line" vue plus haut (il s'agit donc d'un modèle
de régression linéaire avec un facteur explicatif mais dans la
pratique il existe bien évidemment des modèles linéaires multiples
ou non linéaires):
(66.205)
où:
- I est le rendement d'un indice économique donné supposé
de référence... (indice
boursier, indice du produit national brut, indice des prix ou
voire
même le rendement du portefeuille du marché
lui-même...) au temps t et est la variable expliquée
de la régression (selon la terminologie utilisée
dans le chapitre de Méthodes Numériques) considérée
comme une variable aléatoire.
- sont
des estimateurs non biaisés (cf.
chapitre de Statistiques) des paramètres propres à cette
valeur. Le premier terme appelé en finance "coefficient
alpha" est simplement l'ordonnée à l'origine
de la régression (le rendement de l'actif lorsque le
rendement de l'indice de référence est nul soit
lorsque le marché a un rendement nul appelée souvent
"rendement résiduel") et le deuxième
paramètre est pour rappel simplement le bêta
du titre risqué i. Le coefficient alpha n'étant
pas une source de risque, il est souvent ignoré dans
les calculs.
- est une
variable aléatoire supposée caractérisée
par une espérance
nulle, une variance égale à une constante et les
différents
sont supposés non corrélés entre eux (covariance
nulle).
Quant au niveau de l'indice I, il sera caractérisé
par la relation (afin de simplifier les développements plus
tard):
(66.206)
où est
un paramètre non biaisé supplémentaire pour
caractériser
l'indice I et une
variable aléatoire caractérisée par une espérance
nulle et une variance égale à une constante.
Notons déjà que (en adoptant au passage une notation
fréquente
pour le rendement de l'indice de marché) pour un actif:
(66.207)
Ce qui se généralise facilement à une somme d'actifis pondérés
pour un portefeuille:
(66.208)
et où nous obtenons allors aussi un écart-type du portefeuille
qui est la somme des deux termes du risque systématique et risque
spécifique (diversifiable). Bien évidemment si le nombre d'actifs
tend vers l'infini et donc les poids vers zéro, alors le risque
total tend lui aussi vers zéro!
Pour résumer les points principaux, le modèle de régression
linéaire simple des rendements des actifsfinanciers est
basé sur
les hypothèses majeures suivantes:
H1. Le modèle de rendement s'écrit de
manière
générale:
(66.209)
en supposant que nous n'avons pas fait d'erreur sur la forme linéaire
du modèle, ni sur la liste des régresseurs.
H2. Nous supposons que la perturbation de la
régression est d'espérance nulle telle que (hypothèse
sous-jacente d'un effet brownien!):
(66.210)
ce qui constitue ceci dit une hypothèse simplificatrice
dangereuse mais pratique pour être utilisable (et compréhensible)
par les praticiens de la finance...
H3. Pour n'importe quel échantillon de taille n,
nous utilisons les estimateurs du maximum de vraisemblance (cf.
chapitre de Statistiques) pour l'espérance et variance
des rendements des actifs financiers du portefeuille de référence:
(66.211)
Ces hypothèses posées, nous utilisons aussi les
résultats obtenus
dans le chapitre de Méthodes Numériques sur la régression
linéaire
pour obtenir le bêta. Nous y avons démontré qu'il
existait plusieurs manières de faire une régression
linéaire
dont une consiste à utiliser la covariance et l'espérance.
En adoptant les notations de l'économétrie, la
pente de la régression
peut alors s'écrire:
(66.212)
ce qui donne la définition rigoureuse du coefficient bêta
selon le modèle de Sharpe où Ri
est le rendement de l'actif financier et RI
le rendement du marché (ou du portefeuille du marché/référence).
Définition (rigoureuse): Le "coefficient
bêta" est donné par le rapport de la
covariance des rendements et indices des actifs sur l'écart-type
de l'indice du marché du portefeuille.
Maintenant, en considérant la même hypothèse que dans le modèle
de Markowitz, le rendement d'un
portefeuille est défini à nouveau assez logiquement par:
(66.213)
où pour rappel Xi la proportion
du titre i dans le portefeuille P.
Si les rendements ne sont pas explicitement connus dans la pratique,
nous utilisons alors le modèle linéaire:
(66.214)
Dès lors en utilisant les propriétés de l'espérance:
(66.215)
Posons pour simplifier l'écriture que:
(66.216)
Dans ce cas, comme par hypothèse et
:
(66.217)
Finalement:
(66.218)
Si les rendements sont explicitement donnés
et donc connus l'espérance se calculera avec:
(66.219)
Cette relation est souvent appelée "weighted
average return" ou
"rendement moyen pondéré".
Comme le client va souvent chercher à maximiser l'espérance
tout en minimisant la variance (le risque) il nous reste à
déterminer cette dernière. Étant donné
que maintenant nous supposons explicitement connus les rendements
des actifs
financiers du portefeuille et les rendements du portefeuille (indice)
du marché nous avons:
Hypothèse: Si l'indice I est correctement choisi, lorsque
nous
devons avoir ce
qui implique (c'est
une hypothèse forte qui amène à avoir une approximation!).
Ainsi:
(66.220)
Finalement:
(66.221)
Ce qui donnerait donc pour un portefeuille comportant deux titres:
(66.222)
Nous pouvons condenser l'écriture de la variance en utilisant
la formulation matricielle en notant d'abord respectivement
le vecteur
transposé et le vecteur-colonne des poids des actifs du portefeuille
par:
(66.223)
et en en définissant la matrice des bêtas:
(66.224)
Ce qui nous donne finalement:
(66.225)
Pour un portefeuille de deux titres cette dernière
relation se réduit donc à:
(66.226)
Nous retrouvons donc bien la même chose que la forme algébrique.
Si nous ne connaissons pas explicitement les rendements,
l'étude de la variance est un peu plus délicate.
Il
faut alors utiliser le modèle linéaire tel que:
(66.227)
Et toujours sous l'hypothèse déjà précisée
plus haut comme quoi l'indice I est correctement choisi
ce qui implique .
En outre, notons:
(66.228)
De plus, nous savons que:
(66.229)
Dès lors en négligeant la variance de l'ordonnée à l'origine:
(66.230)
car:
(66.231)
Finalement:
(66.232)
Dans ce contexte le problème
revient toujours à maximiser la fonction économique Z:
(66.233)
simplement que maintenant elle s'écrit:
(66.234)
Le calcul de chacune des dérivées partielles donne alors:
(66.235)
soit sous forme matricielle:
(66.236)
La résolution de ce système passe alors par l'inversion
d'une matrice plus simple que celle du modèle de Markowitz
mais nécessite
cependant des hypothèses relativement contraignantes.
Pour finir, signalons que les financiers utilisent souvent
les indicateurs de rendement pondéré par le risque,
le plus répandu
au niveau international
étant le "ratio de Sharpe".
Il est déterminé par le rapport entre le
(pour être
plus exact il s'agit de son espérance) différentiel
du rendement d'un placement (actif) sans risque (ce
différentiel étant appelé par la praticiens "rendement
actif")
et le rendement du marché (appelé le "benchmark")
et
la déviation
standard du placement au taux du marché (nous déterminerons
rigoureusement l'origine de cette relation plus loin lors de notre étude
du MEDAF):
(66.237)
Relation qui exprime donc le niveau de rendement pur par unité
de volatilité (ou par unité de risque). Pour simplifier,
c'est un indicateur de la rentabilité (marginale) obtenue
par unité de risque pris dans cette gestion.
Il permet de répondre à la
question suivante: le gestionnaire parvient-il à obtenir
un rendement supérieur au référentiel, mais
avec davantage de risque?
- Si le ratio est négatif, le portefeuille a moins performé que
le référentiel et la situation est très mauvaise.
- Si le ratio est compris entre 0 et 0.5, le surrendement du
portefeuille considéré par rapport au référentiel
se fait pour une prise de risque trop élevée.
Ou, le risque pris est trop élevé pour le rendement
obtenu.
- Si le ratio est supérieur à 0.5, le rendement
du portefeuille surperforme le référentiel pour
une prise de risque ad hoc. Autrement dit, la surperformance ne
se
fait pas au prix d'un risque trop élevé.
Ce qui donne en développant:
(66.238)
Signalons également un autre indicateur courant qui est
le "tracking
error" défini comme étant l'écart-type
de l'écart de
performance entre le portefeuille et le benchmark. Plus le tracking
error est faible, plus le fonds ressemble à son indice de
référence
en termes de risque:
(66.239)
Ces modèles sont relativement complexes. Raison pour laquelle
quelques années plus tard, Sharpe et Lintner ont créé
un nouveau modèle qui leur a valu le prix Nobel d'économie
et que nous allons étudier de suite après un exemple
pratique de ce que nous venons de voir.
Exemple:
Considérons trois titres composants un portefeuille en
proportions
égales et les n observations de leurs rendements saisis
dans Microsoft Excel 11.8346. Ces rendements seront comparés à un
indice de référence
I qui sera le rendement d'un portefeuille de marché de
référence
:
Figure: 66.32 - 3 titres avec leurs rendements comparés à un portefeuille de marché de
référence
Le but est de déterminer la frontière d'efficience du portefeuille
avec le modèle de Sharpe.
En détail sous forme graphique voici d'abord les bêtas (rendement
de l'actif en fonction du rendement du portefeuille de marché/indice
de référence) obtenus avec Microsoft Excel 11.8346:
Figure: 66.33 - Régression linéaire pour le calcul des bêtas des titres
et le tableau de construction suivant pour le calcul des bêtas,
la variance et l'espérance du portefeuille du marché et
des différents
titres:
Figure: 66.34 - Indicateurs-clés correspondants du portefeuille de référence
et des 3
titres
Voici les détails des formules (remarquez que les bêtas
sont obtenus
à l'aide d'une simple régression linéaire
avec l'indice de référence
qui est le portefeuille et les autres paramètres avec les
estimateurs non biaisés):
Figure: 66.35 - Formules explicites pour les indicateurs précédents
L'espérance du rendement du portefeuille composé des
trois titres est facile à calculer puisque nous avons leurs
rendements. Donc:
(66.240)
Ce qui donne sous Microsoft Excel 14.0.6123:
Figure: 66.36 - Espérance de chacun des titres et de l'ensemble du portefeuille
Soit de manière détaillée:
Figure: 66.37 - Formules explicites pour les calculs de l'espérance
Maintenant, il nous faut calculer la variance en utilisant
la relation démontrée dans la partie théorique
des paragraphes précédents:
(66.241)
avec pour rappel dans notre cas particulier:
(66.242)
avec dans notre exemple (cellule
B13).
Soit sous forme développée pour notre exemple:
(66.243)
Ce qui donne dans Microsoft Excel 11.8346 pour notre matrice des
bêtas:
Figure: 66.38 - Matrice des bêtas
Soit sous forme développée (la matrice est symétrique):
Figure: 66.39 - Formules explicites pour la matrice des bêtas
Et finalement le couple variance/espérance du portefeuille est
donné par:
Figure: 66.40 - Couple espérance/variance
Soit sous forme détaillée:
Figure: 66.41 - Formules espérance/variance
Une fois ceci fait, nous procédons comme pour la frontière de Markowitz.
Nous utilisons le solveur en minimisant la variance tout en imposant
une espérance et une contrainte comme quoi la somme des parts des
actifs financiers est égale à l'unité:
Figure: 66.42 - Paramétrages du solveur
Ce qui donne le tableau variance/rendement suivant (à comparer
avec le même tableau de Markowitz):
Figure: 66.43 - Itérations obtenues à l'aide du solveur
et le graphique suivant (comparaison directe avec Markowitz mise
en évidence):
Figure: 66.44 - Comparaison entre les frontières de Sharpe et Markowitz
La suite de l'exercice (C.M.L.) se fait de la même manière que
dans le modèle de Markowitz.
MODÈLE D'ÉVALUATION DES ACTIFS FINANCIERS (MEDAF)
Comme nous l'avons vu, Markowitz (1959) a développé la
théorie
du choix optimal d'un portefeuille par un individu sur la base
de la variance du rendement espéré. Plus tard (1963),
Sharpe élabore
un modèle de choix d'actifs basé sur des indices
de risques comme les coefficients bêta.
Sharpe, Lintner et Mossin (1965) ont ensuite étudié
les conséquences de ces théories pour mettre en place une théorie
extrêmement simple permettant d'évaluer les coefficients
bêta, les rendements espérés et les variances
d'actifs financiers d'un portefeuille à partir de données
statistiques sur le marché global et de la spécificité
de la composition d'un portefeuille.
Cette théorie basée encore une fois sur le problème
moyenne-variance est appelée "modèle
d'évaluation des actifs financiers" (MEDAF)
ou encore "modèle d'évaluation
des actifs financiers à l'équilibre"
(MEDAFE) (en anglais: "capital
asset pricing model" (C.A.P.M.)). C'est donc un
modèle
très
souvent utilisé, aussi bien par les praticiens que par les
académiciens,
pour évaluer les rendements anticipés d'équilibre
de n'importe quel actif risqué sur le marché.
Pour commencer, rappelons que nous avons vu plus haut lors de
notre étude du return que le taux de rentabilité périodique
(quotidien, hebdomadaire, mensuel, annuel) d'un actif se calcule
comme suit:
(66.244)
avec qui
est le prix d'un actif à la fin de la période t, le
prix de ce même actif à la fin de la période t-1
et finalement le
flux monétaire payé par l'actif pendant la période
de détention
allant de t-1 à t.
Cette relation sert à calculer le "rendement
réalisé" (ex
post) d'un titre alors qu'au fait c'est le "rendement
espéré" qui
intéresse un investisseur donné.
À la date de la prise de la décision, le rendement
que va réaliser
l'investisseur en détenant un actif donné est incertain,
c'est pour cette raison que l'on parle de rendement espéré:
il s'agit d'un rendement que l'on cherche à évaluer
et que l'on espère recevoir
au cours de la prochaine période d'investissement.
Pour calculer le rendement espéré, comme nous l'avons déjà vu,
il convient d'attribuer à chaque valeur possible du rendement
une probabilité de réalisation, puis de calculer une moyenne
pondérée de ces différentes valeurs possibles en utilisant les
probabilités comme
pondérations:
(66.245)
Or, il est clair que dans une économie donnée, l'investisseur
sera tenté de détenir plusieurs actifs financiers et cherchera donc
à composer des portefeuilles. Le rendement (moyen) espéré d'un portefeuille
peut être calculé en utilisant la relation connue:
(66.246)
avec n qui est le nombre de titres inclus dans le portefeuille,
le
rendement de l'actif i inclus dans le portefeuille et la
proportion de la richesse totale de l'investisseur investie dans
l'actif i.
Le taux de rendement espéré est cependant insuffisant
pour caractériser une opportunité d'investissement
et il faut tenir compte également du risque, c'est-à-dire
de la variabilité du
rendement de cet investissement sur l'actif financier. La variance
est comme nous l'avons déjà vu utilisée comme mesure
du risque et donnée pour un actif financier par:
(66.247)
Soit:
(66.248) Le calcul du risque d'un portefeuille fait donc intervenir
deux concepts importants: la variabilité du rendement de chacun
des actifs, mesurée par les variances de ces derniers, ainsi
que les relations existantes entre les différents actifs composant
le portefeuille. La dépendance entre deux actifs est souvent mesurée, comme
nous en avons déjà fait mention lors de notre étude des return,
par la covariance ou encore le coefficient de corrélation linéaire. La covariance entre deux actifs i et j se
calcule comme suit:
(66.249)
Soit comme nous le savons si les probabilités sont équiprobables
(et que nous ne travaillons pas sur un échantillon sinon quoi
nous devrions avoir n -1 au lieu de n au
dénominateur de facteur de la somme):
(66.250)
La covariance entre les rendements de deux titres peut être positive
ou négative et sa valeur n'a aucune signification économique comme
nous le savons (cf. chapitre de Statistiques).
Remarque: Rappelons que nous avons vu dans le chapitre
de Statistiques que, lorsque les rendements (valeurs) de deux actifs
(variables
aléatoires)
varient dans le même sens (dans le sens contraire) leur covariance
sera positive (négative).
Le coefficient de corrélation entre deux actifs i et j quant à lui
se calcule comme suit (cf. chapitre de
Statistiques):
(66.251)
Une fois les variances et covariances des différents
actifs calculées, nous serons en mesure de calculer
la variance de rendement d'un portefeuille contenant n actifs.
Cette variance est donnée par la relation suivante (cf.
chapitre de Statistiques):
(66.252) ou écrit autrement:
(66.253)
La relation ci-dessus de la variance de rendement d'un portefeuille
montre clairement que même dans le cas où les rendements des différents
actifs détenus dans le portefeuille sont totalement non corrélés,
la variance de ce dernier peut encore être réduite en ajoutant plus
d'actifs.
Pour comprendre ceci, nous noterons que pour n actifs non
corrélés, la variance se réduit à (puisque la covariance est alors
nulle):
(66.254)
En simplifiant davantage, si toutes les variances sont supposées égales
et si tous les actifs sont détenus dans les mêmes proportions (1/n),
nous avons (cf. chapitre de Statistiques):
(66.255)
Ainsi, quand n tend vers l'infini, la variance du portefeuille
s'approche de zéro. Ainsi, si des risques non corrélés
sont réunis
en portefeuille, le risque total peut être éliminé par
diversification, nous parlons alors naturellement de "risque
diversifiable". Dans le cas où les
risques sont corrélés,
la diversification ne permettra d'éliminer que les risques
spécifiques aux actifs
alors que le risque de marché continuera d'exister. Notons
que la réduction du risque serait plus importante lorsque
les différents
actifs détenus sont négativement corrélés.
En effet, plus le coefficient de corrélation entre les
rendements des titres est petit, plus les bénéfices
inhérents à la diversification sont
substantiels. Dans le cas où le coefficient de corrélation
est égal à 1,
il n'y a aucun bénéfice lié à la
diversification, puisque le risque du portefeuille sera égal à la
moyenne pondérée des risques
le composant. Par contre, la diversification est à son
maximum lorsque le coefficient de corrélation est égal à -1.
Dans cette situation, il est possible de combiner deux actifs
risqués pour
former un portefeuille sans risque.
D'après ce qui précède, il est clair que tout investisseur
désirant former un portefeuille cherchera à détenir un ensemble
d'actifs risqués qui lui permettra de recevoir un rendement donné avec
un minimum de risque. En d'autres termes, il cherchera à minimiser
la variance pour un niveau de rendement espéré tout en respectant
une contrainte budgétaire. Nous savons que le rendement espéré et
la variance de rendement d'un portefeuille contenant n actifs
risqués s'écrivent comme suit:
(66.256)
Par ailleurs, nous savons qu'à partir de ces n titres,
il est possible de construire une infinité de portefeuilles
en faisant varier les pondérations Xi.
Or, les portefeuilles les plus intéressants pour un investisseur
donné sont ceux qui
permettent de minimiser le risque qu'il doit supporter pour
obtenir un niveau
de rendement donné. Ces portefeuilles sont le résultat
du problème
de minimisation suivant qui est un problème d'optimisation
non linéaire
(cf. chapitre de Méthodes Numériques):
(66.257) que nous avions déjà vu lors de notre étude du modèle de Markowitz.
Il est donc possible de constituer une infinité de portefeuilles
en faisant varier les proportions investies dans chacun des titres.
La prochaine étape consiste à sélectionner, parmi
l'ensemble des portefeuilles disponibles, un portefeuille donné.
Pour ce faire, on doit considérer les préférences
individuelles de l'investisseur.
Un investisseur rationnel ne devrait donc considérer que les
portefeuilles se trouvant sur la frontière efficiente
pour ses choix d'investissement. Son portefeuille optimal se
situera
au point de tangence entre la frontière efficiente et sa courbe
d'indifférence la plus haute qu'il serait capable d'atteindre.
En procédant ainsi, chaque investisseur maximisera son utilité espérée.
En présence d'une économie ne contenant que des actifs risqués,
la composition du portefeuille d'actifs risqués varie d'un individu à un
autre.
En pratique, les investisseurs ont également la possibilité d'investir
dans des actifs financiers sans risques. Nous allons donc chercher à déterminer
la nouvelle frontière efficiente en tenant compte de cette nouvelle
opportunité d'investissement. Considérons alors un portefeuille qui est une combinaison de
l'actif sans risque et d'un portefeuille de marché (à risque).
Nous avons alors:
(66.258)
où est
la fraction du portefeuille investie dans le portefeuille du
marché (m) et est
le "taux de rendement certain" ou
"taux de rendement sans risque".
Rappel: L'espérance d'une constante est égale à cette constante
(cf. chapitre de Statistiques).
Nous avons donc:
(66.259) et donc:
(66.260)
Soit sous forme condensée:
(66.261) La dérivée du rendement espéré par rapport à nous
donne:
(66.262) La dérivée de l'écart-type par rapport à nous
donne:
(66.263)
Mettant ces deux résultats ensemble (ratio), nous avons:
(66.264)
et puisque:
(66.265)
Il vient alors:
(66.266)
Et puisque dans la finance l'intérêt est de représenter graphiquement
.
(66.267)
Alors, il est de tradition de noter la fonction sous la forme
suivante:
(66.268)
Cette équation est l'équation d'une droite appelée "capital
market line" (C.M.L.). L'ordonnée à l'origine
est évidemment et
sa pente est une variable fonction de l'espérance et de l'écart-type
type du portefeuille du marché (reliés entre eux par la "parabole
de Markowitz" vue plus haute ) et nous retrouvons en facteur
de l'écart-type
de
le coefficient appelé "Sharpe
ratio" (ou "ratio de Sharpe") dont nous avions
parlé
plus haut mais sans en démontrer la provenance.
Ceci est donc
l'équation centrale du modèle C.A.P.M. Tout portefeuille
mesuré sur le marché ne se trouvant pas sur l'équation
de la droite du modèle est considéré (du moins
dans la théorie) comme n'étant
pas à l'équilibre.
Par construction, cette droite associe donc à chaque niveau
de risque, la rentabilité espérée la plus élevée.
Ainsi, étant donné le rendement d'un actif sans
risque il devient facile à partir de cette équation
de déterminer
le point de tangence avec la frontière d'efficience de Markowitz
ou de Sharpe pour obtenir le portefeuille le plus efficient sur
la base du rendement sans risque!!
Intéressons-nous maintenant à déterminer
une équation
pour le rendement espéré de n'importe quel actif
individuel.
Considérons un nouveau portefeuille de rendement qui
est une combinaison d'un actif sans risque quelconque A et
du portefeuille de marché, où est
la fraction du portefeuille investie dans l'actif sans risque A.
Ce que nous souhaiterions évaluer est la pente de la courbe
des combinaisons espérance/écart-type lorsque nous
combinons le portefeuille de marché (qui contient déjà l'actif A)
avec l'actif A.
Nous souhaitons évaluer la valeur de la pente de l'équation
tangente à la frontière efficiente telle que la pondération de
l'actif sans risque A soit nulle. Nous avons:
(66.269) Nous obtenons de suite:
(66.270)
et (cf. chapitre de
Statistiques):
(66.271) donc:
(66.272) Dérivant le rendement espéré de ce nouveau portefeuille par
rapport à ,
nous obtenons:
(66.273) Dérivant l'écart-type du rendement de ce nouveau portefeuille
par rapport à ,
nous obtenons:
(66.274) La contribution de Sharpe et Lintner a été de dire qu'il faut évaluer
ces dérivées au point où c'est-à-dire
où la pondération de l'actif A dans le nouveau portefeuille
est nulle. Ce faisant, nous obtenons, l'expression suivante pour l'écart-type
du nouveau portefeuille (bien sûr, l'expression pour le rendement
espéré ne change pas):
(66.275) ce qui donne après simplification:
(66.276) Avec les deux dérivées, nous
pouvons obtenir une expression pour la courbe de combinaisons
espérance/écart-type
pour le nouveau portefeuille. Nous avons alors:
(66.277) Cette pente doit être égale à celle de la C.M.L. En égalisant,
nous obtenons:
(66.278) Quelques manipulations algébriques et nous y sommes! Nous avons:
(66.279) et donc:
(66.280) d'où:
(66.281) En posant ce que nous avons déjà vu lors de notre étude du
modèle de Sharpe, c'est-à-dire le risque non diversifiable sous
forme de facteur bêta:
(66.282)
c'est donc la volatilité de la rentabilité de
l'actif considéré
rapportée à celle du marché.
Nous avons alors:
(66.283) Cette expression permet donc d'exprimer le rendement excédentaire
d'un actif comme le produit du rendement excédentaire du portefeuille
de marché et le facteur bêta du titre.
Le rendement excédentaire d'un actif ne dépend
pas directement que de sa variance, qui est souvent une mesure
intuitive du risque
d'un actif. Ce qui compte est son facteur bêta, qui dépend
de sa covariance avec le portefeuille de marché.
Plus classiquement, la dernière relation est utilisée graphiquement
sous forme de droite:
(66.284)
Cette droite est appelée la "security
market line" (S.M.L.), et plus rarement en français
"droite de marché des titres", elle est
extrêmement
importante en finance, car elle donne donc le rendement moyen
d'un titre A en
fonction du bêta, du rendement du marché et
du taux sans risque. Ce modèle est dit "monofactoriel" en
ce sens qu'il ne distingue qu'un seul facteur explicatif
du risque d'un titre.
Il existe évidemment des modèles plus complexes prenant en
compte d'autres facteurs explicatifs supplémentaires comme
le modèle de Fama-French par exemple qui à trois variables
explicatives.
Exemple:
Le taux sans risque est de 5% et la rentabilité espérée du
marché est de 8%. Une action A est deux fois
plus ensible aux mouvement de marché que l'indice de référence,
in extenso lorsque l'indice enregistre une hausse de 1%, l'action A montre
de 2%. D'après la S.M.L, la rentabilité espérée est alros de:
(66.285)
Remarque: Le lecteur vérifiera
facilement que dans la relation ci-dessus, si le bêta
est égal à l'unité, le rendement
espéré
du titre A sera égal au rendement espéré du
marché.
Le MEDAF est donc un outil de détermination de supplément
de rentabilité que l'on doit attendre lorsqu'on s'investit
dans un portefeuille ou une société donnée
(société dont le rendement
est estimé sur la base de ses dividendes si elle est
cotée
ou sinon comparée à des sociétés équivalentes
qui elles seront cotées).
On la trouve aussi fréquemment sous la forme suivante:
(66.286)
avec qui
est appelé la "prime par unité de
risque" ou plus simplement "prime
de risque" (surplus
de rentabilité exigé par les investisseurs lorsque
ces derniers placent leur argent sur le marché plutôt
que dans un actif sans risque) et l'ordonnée à l'origine
est le taux d'intérêt sans
risque (généralement des emprunts d'État).
Enfin, indiquons qu'en théorie (en A.O.A.) nous
devons donc avoir:
(66.287)
mais dans la pratique avec les valeurs numérique du marché
le résultat peut être différent de zéro. Cette "anomalie"
du marché est alors appelée "alpha
de Jensen":
(66.288)
Si l'alpha de Jensen est supérieur à 0, cela
signifie bien évidemment que le portefeuille bat son
marché de
référence. S'il est inférieur à 0,
le portefeuille fait moins bien que ce qui est prévu
dans le modèle
du C.A.P.M.
Le MEDAF stipule donc que le taux de rendement espéré (ou
que devrait exiger un investisseur rationnel ayant une aversion
pour le risque) d'un
actif risqué doit être égal au taux de rendement
de l'actif sans risque, plus une prime de risque appelée
parfois "spread de crédit".
Dans ce cas, la relation entre le risque systématique
et le rendement espéré demeure
linéaire
et seul le risque systématique doit être rémunéré par
le marché puisque
le risque spécifique peut être éliminé grâce à la
diversification.
Il est peut-être intéressant d'expliciter les hypothèses
sur lesquelles reposent mathématiquement les
développements
que nous avons faits. Ce sont donc les hypothèses du MEDAF
dont certaines semblent
difficilement acceptables. Il ne faut cependant pas oublier
que la validité d'un
modèle ne dépend pas du réalisme de ses
hypothèses mais bien
de la conformité de ses implications avec la réalité.
Nous avons pour rappel émis les hypothèses
suivantes:
H1. Les investisseurs composent leurs portefeuilles
en se préoccupant
exclusivement de l'espérance et de la variance de rendement
de ces derniers
H2. Les investisseurs ont
une aversion pour le risque: ils n'aiment pas le risque
H3. Il n'y a pas de coût de transaction (ce qui est
un gag dans le cas du delta-hedging...)
H4. Les actifs sont
parfaitement divisibles
H5. Ni les dividendes, ni les gains
en capitaux ne sont taxés
H6. De nombreux acheteurs et vendeurs interviennent sur le
marché et aucun d'entre eux ne peut avoir d'influence
sur les prix.
H7. Tous les investisseurs peuvent prêter ou emprunter le
montant qu'ils souhaitent au taux sans risque.
H8. Les anticipations des différents investisseurs
sont homogènes
H9. La période d'investissement est la même pour tous
les investisseurs
D'autres modèles plus modernes et complexes ont été développées
depuis prenant en compte par exemple l'asymétrie de la distribution
des rendements (non-normalité) ou basé sur la semi-variance
plutôt que sur la variance.
MODÈLE D'ÉVALUATION DES OPTIONS DE
BLACK & SCHOLES
C'est au génie de trois célèbres mathématiciens
que le marché des
dérivés (qu'il est d'usage de classer en trois grandes
familles: Dérivées sur titres, Dérivés
sur taux, Dérivés sur devises) doit son succès,
grâce à l'équation
de Black & Scholes
conçue dans les années 1970 (et publiée en
1973) qui permet de déterminer
théoriquement la prime exacte (sous plusieurs hypothèses)
que doit payer un client pour acquérir
un Call ou un Put et la stratégie
que devra suivre le vendeur de ces options pour se couvrir du
risque
(pour
ne citer
que l'exemple
le plus
connu). Évidemment ce modèle ne fonctionne que si
les périodes
temporelles considérées sont relativement courtes
(de l'ordre de la semaine
ou de quelques mois au mieux). Au-delà l'utilisation de
ce modèle
théorique particulier est une farce!
Remarque: La dynamique du modèle
de Black & Scholes avait déjà été bien dépoussiérée avant par Bacheler
et Thorpe, raison pour laquelle nous parlons parfois de modèle
de "Bachelier-Thorpe".
Black, Scholes et Merton sont les ancêtres
d'une génération de produits dérivés
sophistiqués, donnant droit
de cité à tout un lexique de termes aussi exotiques
que Butterflies, Rainbows, Knock-in, Knock-out, Barrières,
Swaps, Calls, Puts, Baskets, Swings. Ce modèle est aussi
considéré
ceci dit comme un des facteurs principaux du crash boursier de
1987 par certains spécialistes...
Il existe bien évédiemment cependant de nombreux
modèles empirique plus perfectionnés comme:
- Modèle de Black & Scholes & Barenblatt
- Modèle de diffusion à sauts
de Merton
- autres...
Ce que nous aimerions dans ce qui va suivre est déterminer
la valeur théorique de la prime d'une option à partir
des cinq données suivantes:
1. La valeur actuelle de l'actif financier sous-jacent de l'option
(déterminée par la spéculation du marché).
2. Le temps qui reste à l'option avant son échéance
(choisie par la société émettrice).
3. Le prix d'exercice (strike) fixé par l'émetteur
subjectivement ou après modélisation.
4. Le taux d'intérêt sans risque (supposé comme étant
le taux de rendement attendu du sous-jacent).
5. La volatilité (écart-type) du prix du sous-jacent
de l'option (mesurée sur le marché).
La prime de l'option ainsi déterminée sera unique
et équitable
pour les deux parties. Effectivement, le système des options
permettrait de faire payer un prix d'option (prime) majoré
par rapport aux prévisions du marché et
donc de générer
à coup sûr et à partir de rien un profit mais
les nombreux acteurs du marché vont faire jouer la concurrence
pour être
au
plus juste
et attirer le client sur leurs options plutôt que sur celles
de la concurrence.
La
modélisation du cours des options (Black & Scholes)
repose sur l'utilisation du calcul différentiel stochastique.
Ainsi, l'approche de Black et Scholes suppose que l'évolution
du cours de l'action
définit un mouvement brownien géométrique
(dans le sens que les mouvements possibles du prix tendent vers
l'infini) et que son
rendement
définit un processus de Wiener généralisé (concept
que nous allons définir un peu plus loin).
ÉQUATION
DE PARITÉ CALL-PUT
Avant de nous attaquer à des calculs stochastiques un peu
ardus, il est utile d'établir au préalable une équation
dite de "parité Call-Put"
qui nous servira de sorte d'équation de conservation pour
vérifier la validité des résultats que nous
établirons par la suite sur l'évaluation des prix
des options.
L'objectif va être
de répondre à la question suivante: Quelle somme M devons-nous
payer maintenant pour recevoir une somme garantie correspondant
au prix "prix
d'Exercice" E (qui est la notation française
du "strike
price" K utilisée jusqu'à maintenant) à un
temps futur T ?
Pour réponde à cette question, rappelons que nous avons vu lors
de notre étude du calcul d'intérêts qu'en
considérant
un capital C et un intérêt r constant
nous avions dans un cas de capitalisation continue:
(66.289)
Dès lors, en posant
et
nous avons alors dans un univers sans risque, c'est-à-dire en delta-neutre
(le cas avec risque sera le sujet du modèle de Black & Scholes
que nous verrons plus loin):
(66.290)
d'où:
(66.291)
Mais cette relation n'est
pas tout à fait juste. Effectivement, nous devons avoir
M = E assuré au temps T = t .
Dès lors nous sommes naturellement amenés à
poser:
(66.292)
Ce petit rappel élémentaire étant fait, nous
allons maintenant supposer pour la suite que le Call et le Put
possèdent
les propriétés suivantes:
P1. Même
support qui vaut S à l'instant t (spot).
P2. Même
échéance T
P3. Même
prix d'exercice E (souvent noté K)
et les hypothèses suivantes (qui sont à la base du modèle
de Black & Scholes que nous détaillerons plus loin):
H1. Il n'existe
pas de coûts de transaction (ce qui est un gag pour le delta-hedging)
H2. Le delta-hedging élimine tout le risque
H3. Le support
n'est pas un instrument à terme (possible d'effectuer des
ventes à découvert)
H4. Le support
ne verse pas de dividendes pendant la durée de vie
de l'option (c.-à-d. entre [0,T] ).
H5. Les options
sont européennes
H6. Le taux sans risque du marché est supposé connu
à l'avance et considéré
comme constant
H7. Il n'y a pas d'opportunité d'arbitrage (mais bon dans
la pratique... il n'y a presque que cela)
H8. Les prix des options n'influence pas les prix du sous-jacent
(mouarf!)
H9. Les rendements ne sont pas autocorrélés
En nous reposant maintenant
la question initiale: Quelle somme devons-nous
payer maintenant pour un portefeuille afin de recevoir une somme
garantie E (prix d'exercice) à un temps futur T
?
Le portefeuille pouvant être
considéré comme une boîte noire, rien ne nous
empêche dès lors de répondre en écrivant
avec S le prix du jour du sous-jacent, P celui
du Put et C celui du Call:
(66.293)
qui n'est rien d'autre que
"l'équation de parité Call-Put" ou
autrement écrite si nous adoptons la notation anglo-saxonne K au
lieu de E et nous prenons comme début le temps
zéro, alors:
(66.294)
En toute rigueur, il vaudrait cependant mieux écrire cette
dernière écriture
sous la forme suivante:
(66.295)
Quel que soit le réarrangement des termes dans cette dernière
égalité, il doit toujours y avoir égalité sinon
quoi il y a opportunité d'arbitrage. Cette relation
montre aussi que la valeur d'un Call européen avec prix
d'exercice K et
maturité T peut être déduite
de celle d'un Put européen avec le même prix d'exercice K et
la même maturité T.
Voyons plus en détails suite à la demande d'un lecteur
que cette dernière relation découle de l'absence d'opportunité d'arbitrage
(O.A.O.):
Démonstration:
Considérons la configuration fréquente et
naturelle d'un premier agent économique ayant un
portefeuille A contenant une option
d'achat (Call) européenne de prix C et une somme investie
dans
un
placement sans risque. La valeur initiale de ce portefeuille sera donc:
(66.296)
Considérons la deuxième configuration naturellement opposée à la
première d'un portefeuille contenant une option de vente (Put)
européenne de prix P et le sous-jacent de prix S.
La valeur initiale de ce portefeuille sera donc:
(66.297)
Nous avons alors deux scénarios:
S1. À l'échéance (maturité) T, si le sous-jacent a une
valeur inférieure ou égale au prix d'exercice (soit ),
le portefeuille A vaudra K car l'option Call ne
sera très probablement pas exercée et donc sa valeur financière
devient nulle mais l'actif sans risque (placé au rendement sans
risque) aura lui rapporté K. Le portefeuille B quant à lui
vaudra où le
terme entre parenthèse représente le gain généré par le Put.
S2. À l'échéance (maturité) T, si le sous-jacent a une
valeur supérieure au prix d'exercice (soit )
nous sommes donc une situation contraire à celle du premier scénario.
Le portefeuille A vaudra alors .
Le portefeuille B vaudra lui car
la vente ne sera pas effectuée et l'option de vente sera alors
considérée comme ayant une valeur nulle.
Pour résumer:
Tableau: 66.4 - Résumé de l'absence d'opportunité d'arbitrage
Donc les deux portefeuilles sont toujours égaux à maturité sinon
quoi il y a opportunité d'arbitrage. Ce que nous pouvons écrire
(l'indice T pour le cours du sous-jacent à maturité est
souvent omis):
(66.298)
HYPOTHÈSE D'EFFICIENCE DU MARCHÉ
Le modèle de Black &
Scholes (et beaucoup d'autres modèles financiers) se base
sur le postulat que le marché est "efficient".
Définition: Un "marché efficient"
("Efficient Market Hypothesis" en anglais... - abrégé E.M.H)
est un marché où les prix reflètent complètement
toute l'information disponible. Ainsi, si le marché est
efficient, il n'est pas possible de faire des profits anormaux.
Nous pouvons distinguer trois
types de marchés efficients qui sont fonction du type d'information
disponible:
1. L'hypothèse de marché efficient
en "forme faible" qui explicite que les prix reflètent
toute l'information contenue dans la série historique des
prix.
2.
L'hypothèse de marché efficient en "forme semi-forte"
établit que les prix reflètent toute l'information publique disponible.
3. L'hypothèse de marché efficient
en "forme forte" qui établit que toute l'information connue,
publique et privée, est reflétée dans les prix du marché. Plusieurs
études ont essayé de tester l'hypothèse de
l'efficience des marchés
des actifs. Pour tester la forme faible de l'hypothèse,
on a utilisé
l'analyse des séries temporelles (voir plus loin) en testant
spécifiquement
l'hypothèse
d'une marche au hasard (mouvement brownien - nous y reviendrons).
Plus spécifiquement, ces tests ont essayé de tester
si les accroissements des prix sont indépendants des accroissements
passés. Si l'hypothèse
d'une marche au hasard est rejetée, alors le marché n'est
pas efficient, car les accroissements de prix passés pourraient
aider à anticiper
les prix futurs des actifs. L'évidence empirique soutient
l'hypothèse
de marché efficient en forme faible. Pour tester la forme
semi-forte de l'hypothèse, on a évalué la
vitesse d'ajustement des prix de marché à l'arrivée
de nouvelles informations; l'évidence en
faveur d'un rapide ajustement des prix de marché est
dominante. La forme forte de l'hypothèse de l'efficience
des marchés, consiste à tester
s'il est possible de tirer profit d'une information
privilégiée
(information accessible à un petit groupe d'agents économiques).
Étant donné qu'on ne peut pas identifier l'information
non publique, un type de test de forme forte considère
l'examen de la performance d'investissement des individus
ou groupes
qui pourraient avoir de
l'information privée. Elton et Gruber (1984) signalent que
l'analyse de la performance des fonds mutuels, après déduction
des coûts,
soutient la forme forte de l'efficience.
Ceci implique
les hypothèses suivantes (pour résumer en gros):
H1. L'histoire
passée du cours de l'actif est complètement réfléchie
dans le prix présent qui ne contient lui pas d'autres informations
sur l'actif.
H2. Le marché
incorpore immédiatement toute nouvelle information
dans le prix d'un actif.
Le paradoxe
du postulat des marchés efficients tient à ce que si chaque
investisseur pensait vraiment que le marché était
parfaitement efficient, alors personne n'étudierait les
sociétés, leurs bilans, etc. Il suffirait
d'acheter de l'indice. En vérité, les marchés
efficients dépendent
d'individus actifs sur le marché parce qu'ils pensent que
ce marché
est "inefficient" et qu'ils peuvent faire mieux que le
marché !
Ce postulat
est source de beaucoup de débats dans le domaine...
Remarque: Avec les deux hypothèses précédemment énoncées,
tout changement non anticipé dans le prix de l'actif est
appelé un "processus
de Markov".
Rappel:
Un processus de Markov est un processus dont l'évolution
future
ne dépend de son passé qu'à travers son état à l'instant
présent. Or, le cours d'une action n'est vraisemblablement pas
un processus de Markov (la "mémoire" du processus
est probablement plus longue - par exemple une tendance saisonnière).
PROCESSUS
DE WIENER
Soit la
variation de la valeur non tendancière d'un actif sur un petit
intervalle de temps noté .
À l'aide
de la connaissance des deux résultats majeurs du modèle
de Bachelier vu plus haut nous avons donc pour les variations
de la valeur de l'actif une espérance
positive dépendante de manière proportionnelle à la
racine carrée du temps
selon:
(66.299)
où nous posons comme hypothèse (acceptable...
car nous travaillons sur de petites variations pour rappel!) que
le coefficient d'instabilité est une fonction:
(66.300)
où rappelons-le, N(0,1) est la notation de la loi Normale
centrée réduite telle que nous
l'avons établie dans le chapitre de Statistiques.
Remarque: Souvent
dans le domaine de l'économie, nous notons WN au
lieu de N en
hommage à Wiener.
Ceci dit, la relation antéprécédente est
souvent notée de manière généralisée:
(66.301)
et définie comme étant un "mouvement
brownien standard" avec "bruit
blanc" (loi marginale de type Normale), ou "mouvement
brownien arithmétique", où
le W est là par hommage à Wiener! Il est intéressant
de remarquer que le mouvement brownien est supposé indéfiniment
divisible (ce qui signifie que la période temporelle prise
n'influe pas sur la loi de probabilité qui reste toujours
la même... c'est une propriété fractale du
mouvement brownien qui a été creusée par Mandelbrot
aussi!).
Ne pas oublier pour une démonstration que nous ferons plus loin
que nous en déduisons:
(66.302)
Il est possible de produire un graphique de ce mouvement brownien
dans la version anglaise de Microsoft Excel 11.8346 avec dans
la colonne A le temps avec un pas typique
de 0.01 [s] (colonne qui sera là uniquement par souci
de confort de lecture et par tradition) et dans la cellule B2 la
formule suivante:
=B1+NORMSINV(RAND())*SQRT(0.01)
où B1 contient la valeur 0.
Nous obtenons alors pour 4 colonnes du même type les variations
de valeurs suivantes:
Figure: 66.45 - Exemple de 4 mouvements browniens standards
Les mouvements browniens standards ont certaines propriétés
remarquables comme nous pouvons le voir: la trajectoire a tendance à alterner
au-dessus et en dessous de l'axe des abscisses. Cela provient de
ce que la loi Normale considérée est d'espérance
nulle, autrement dit qu'il n'y a pas de tendance générale à la
hausse ou à la baisse des variations
(pour le vérifier faites au moins 30'000 points dans Microsoft Excel
et vous verrez....).
Il est facilement possible de
caractériser à
l'aide de son espérance:
(66.303)
effectivement, rappelons que
pour la loi Normale centrée réduite, nous avons:
(66.304)
donc nous pouvions nous attendre à ce résultat d'absence
totale de tendance générale (c'était
quasi-intuitif!).
Nous pouvons également caractériser à l'aide
de sa variance:
(66.305)
d'où:
(66.306)
effectivement, rappelons que
pour la loi Normale centrée réduite, nous avons:
(66.307)
Finalement (au fait ce résultat découle de manière immédiate
de la propriété de linéarité de la loi Normale):
(66.308)
Donc lorsque nous avons:
(66.309)
Il est d'usage de parler de "processus
de Gauss-Wiener"
ou plus simplement ou plus simplement de "processus
de Wiener".
Pour résumer un peu les choses...
1. Nous savions avec le modèle de Bachelier que l'espérance
positive et l'écart-type positif de la valeur sont proportionnels à la
racine carrée
du temps. Nous avons utilisé ces deux résultats ici.
2. Nous savons maintenant (sous l'hypothèse bien précise
d'un coefficient de type Normal) que les variations ont une espérance
(tendance) nulle et un écart-type
proportionnel à racine carrée de la variation
temporelle.
La propriété qui vient d'être
établie reste valable pour un grand intervalle de temps
noté T
correspondant à n petits
intervalles !!!
En d'autres termes:
(66.310)
Dans ce contexte, il convient
de remplacer les grandes variations par tel
que:
(66.311)
Or sans tendance, nous avons pour l'instant l'égalité:
(66.312)
Comme
dans l'hypothèse d'une évolution du cours sur un
petit intervalle de temps, il est possible de caractériser à
l'aide de son espérance et de son écart-type:
(66.313)
ce qui est logique...
Nous
retrouvons alors, pour un grand intervalle de temps T:
(66.314)
que nous pouvons aussi écrire sous la forme suivante en
utilisant les propriétés de la loi Normale:
(66.315)
résultat auquel nous pouvions raisonnablement nous attendre
avec les hypothèses susmentionnées...
Ce dernier
résultat est écrit sous la forme
explicite suivante dans les tableurs:
(66.316)
et nous voyons que c'est peu réaliste car cela signifierait
que tout actif financier suit la même loi (quelle que soit
sa volatilité....)
et n'aurait aucune tendance générale à la
baisse ou à la hausse. Nous verrons de suite comment améliorer
cette approche.
Pour clore cette approche, remarquons que si tend
vers 0 (ce qui revient à considérer une subdivision
du temps T en
intervalles extrêmement petits)
le cours subit sur la période T un
nombre infiniment grand de variations. En d'autres termes, le
processus d'évolution du cours de l'actif est continu,
ce qui conduit à remplacer
par dt,
par
dx et par dz.
Dans ce cas, nous obtenons:
(66.317)
ce qui définit un "processus
de Wiener" (nous reviendrons là-dessus lorsque nous aurons
établi l'équation différentielle stochastique).
Mais évidemment ceci n'est pas vraiment conforme à la réalité comme
nous l'avons déjà mentionné...
Nous préférons alors ajouter un décalage constant
dans le temps ce qui donne le mouvement brownien que nous allons
voir maintenant.
MOUVEMENT BROWNIEN GÉNÉRALISÉ
Dans
ce cas (généralisation un peu plus réaliste),
l'évolution
du cours dépend
non seulement d'un processus aléatoire brownien standard
(deuxième
terme ci-dessous à droite de l'égalité),
mais également
d'un paramètre
de tendance centrale, ou
"drift" (premier terme ci-dessous à
droite de l'égalité):
(66.318)
avec toujours:
(66.319)
et:
(66.320)
Nous avons donc un mouvement brownien généralisé,
constitué d'un
mouvement brownien standard (dz représenté par une loi Normale d'espérance nulle et de variance dt comme
nous l'avons vu plus haut) et
d'un drift. Dans ce scénario, a et b sont
imposés comme constants contrairement au cas encore plus
général
que nous verrons un peu plus loin.
La relation antéprécédente est souvent représentée
dans la littérature
sous la forme différentielle suivante:
(66.321)
Donc graphiquement cela donne, en rajoutant ce drift et en prenant
une valeur positive et non nulle pour a, un mouvement brownien
standard qui aura tendance à alterner au-dessus et en-dessous
du drift:
Figure: 66.46 - Exemple de mouvement brownien standard avec drift (et décomposition)
Sur
un petit intervalle de temps ,
le processus, en temps discret s'écrit bien évidemment:
(66.322)
Dans
ce cas, nous avons:
(66.323)
dans
la mesure où seule a
une composante aléatoire.
Ainsi:
(66.324)
Finalement:
(66.325)
En
subdivisant une période T en
n intervalles
de temps (soit
),
la variation du cours devient sur cette période T:
(66.326)
Dès
lors:
(66.327)
Finalement:
(66.328)
Soit:
(66.329)
ou encore:
(66.330)
Il est alors aisé de comprendre pourquoi nous
disons que la loi Normale régit la variable aléatoire
obtenue en arrêtant
un processus brownien à un instant donné: c'est une
photo instantanée
du mouvement brownien simple ou généralisé!
En choisissant:
(66.331)
Nous avons alors la relation antéprécédente
qui s'écrit
traditionnellement
sous la forme explicite suivante dans les tableurs:
(66.332)
où est
le rendement moyen en % de l'actif financier et la
volatilité du
rendement en %. Soit écrit autrement:
(66.333)
Dans la pratique c'est le taux sans
risque qui est choisi pour représenter les rendements des
sous-jacents à cause du fait que nous supposons toujours
travailler en probabilité risque neutre (absence d'opportunité
d'arbitrage).
Il est alors intéressant pour le financier
de visualiser l'espérance en fonction
de t et
la valeur x(t) correspondante à une probabilité cumulée
de 2.5% et de 97.5% sur un graphique pour avoir une idée
de l'évolution de l'intervalle
de confiance à 95% de son x(0). Ceci est très
facile
à obtenir dans Microsoft Excel et l'on tombe typiquement
en jouant avec plusieurs types de graphiques dans le même
diagramme sur un résultat comme celui visible ci-dessous
pour un portefeuille de 500 MF
avec rendement de 5% et écart-type de 20%:
Figure: 66.47 - Tracé du mouvement brownien standard avec intervalle de confiance
Avec le tableau suivant:
Figure: 66.48 - Tableau des données correspondantes au tracé précédent
Utilisant donc les relations démontrées
plus haut:
Figure: 66.49 - Formules explicites pour le mouvement brownien et l'intervalle de confiance
Évidemment, dans la pratique il est possible
de faire ce type de graphique avec n'importe quelle donnée
comportant un drift linéaire et dont l'écart-type
est connu.
PONT BROWNIEN
Voyons maintenant un cas d'application du mouvement brownien
qui va nous être utile plus tard! En refaisant les développements
vus plus haut, il vient immédiatement que:
(66.334)
Effectivement, vérifions cela en choisissant:
(66.335)
Nous avons:
(66.336)
et donc pour :
(66.337)
et de même pour :
Ce qui est donc bien équivalant à:
(66.338)
pour .
Bref, ceci étant dit, nous souhaiterions construire un mouvement
brownien qui partant au temps de
zéro (ce qui impose )
fluctue pendant une période T donnée et revient à zéro comme
le montre les deux figures ci-dessous:
Figure: 66.50 - Deux exemples de ponts browniens
Comme il est d'usage, choisissons
la notation
suivante:
(66.339)
Si nous voulons que le mouvement brownien s'annule au moment T,
il suffit de faire une simple soustraction du type suivant:
(66.340)
où BB signifie "Brownian Bridge" ou
"pont
brownien"
en français.
Si nous nous arrêtons ici, nous avons bien:
(66.341)
mais nous avons un problème au temps :
(66.342)
et pour s'assurer que la différence est bien nulle, l'astuce
naturelle consiste à écrire:
(66.343)
Ainsi, nous avons:
(66.344)
Mais dès lors, vient un autre problème. Effectivement:
(66.345)
Donc, la solution finale consiste à écrire:
(66.346)
Et donc:
(66.347)
Et nous avons:
(66.348)
Le pont brownien:
(66.349)
fonctionne pour tous les processus de Wiener, raison pour laquelle
vous verrez parfois dans la littérature tantôt des ponts avec:
(66.350)
ou par exemple avec:
(66.351)
qui n'est qu'un cas particulier du précédent avec .
PROCESSUS D'ITÔ
Considérons maintenant un
processus brownien correspondant à une variation de x en
temps continu définie
par:
(66.352)
a
et b étant
alors des fonctions des 2 variables x et
t. Cette considération
est ce que nous appelons un "processus
d'Itô". Il s'agit donc d'une généralisation du cas
précédent où a et b ne sont
plus constants.
Il est possible de calculer
l'espérance et la variance de dx exactement
de la même façon que pour le processus de
Wiener et nous obtenons très facilement par analogie:
(66.353)
Par
conséquent, nous pouvons écrire:
(66.354)
où a(x,t)
correspond au drift instantané et b(x,t) à
la variance instantanée.
Remarque: Il paraît que le cas général où a
et b dépendent du temps et d'un paramètre x (qui
comme nous le verrons plus loin correspond au strike) fait partie
d'une classe de modèle qui s'appelerait les "modèles
de Heat-Jarrrow-Morton". Dans le cas où seulement b ne
serait plus dépendant du temps on parlerait de "modèle
de Ho & Lee". En réalité il y a pléthore de modèles
empiriques qui s'adaptent plus ou moins bien suivant les situations
et pour étudier l'ensemble, une vie ne suffit plus...
Le "mouvement brownien
géométrique" qui permet de définir
théoriquement une prédiction possible d'évolution
du rendement d'un actif est un cas particulier de processus d'Itô (parmi
tant d'autres modèles...) où nous
supposons que:
et
(66.355)
Donc la variance et le drift est indépendante du temps! L'avantage
de poser ceci est que contrairement au mouvement brownien arithmétique nous verrons que le rendement suit alors une loi log-normale
et ne peut dès lors être négatif. Cependant les deux processus
ont deux faiblesses communes: le prix de l'actif associé
peut
tendre
vers
l'infini en un temps infini (ce que corrige le processus de Vasicek)
et les deux considèrent la volatilité comme constante
dans le temps...
Dès lors nous pouvons écrire l'expression du
mouvement brownien géométrique de la valeur de l'actif
notée:
(66.356)
souvent représentée dans la littérature
aussi sous la forme suivante:
(66.357)
ou encore plus explicitement:
(66.358)
Le fait de considérer le rendement de l'actif et sa variance comme
des constantes dans le temps sont des choix basés sur l'observation
empirique des marchés quand les actifs sont actions. Cela n'empêche
cependant certains modèles plus élaborés d'avoir le rendement de
l'actif et la variance qui dépendendt du niveau de ce dernier et
du temps.
L'interprétation financière de la relation:
(66.359)
devient
apparente lorsque nous divisons les deux membres par x:
ce qui correspond au taux de rentabilité de l'actif sur
une période infinitésimale dt.
Le mouvement brownien géométrique est donc a priori
un bon candidat pour modéliser
l'évolution du prix de certains actifs financiers à partir
de son taux de rentabilité.
Dans la littérature spécialisée, le return
(rendement) est aussi parfois noté (notation
justifiée)
sous la forme de l'équation différentielle stochastique
(E.D.S.) suivante:
(66.360)
où
est bien évidemment le prix du sous-jacent appelé "stock
price" au temps t, est
appelé la "dérive" (assimilé
souvent au rendement) et la "volatilité" (la
volatilité du rendement). C'est la notation et le vocabulaire
que nous adopterons pour la suite. Remarquons qu'écrit ainsi nous
voyons mieux que cela suppose que la dérive est indépendante de
la valeur du sous-jacent (ce qui est une observation vérifiée pour
certains actifs).
Dans le cas de versement continu de dividendes, soit q le
taux de dividende, la dynamique du prix s'écrit assez intuitivement:
(66.361)
À noter que puisque nous avons:
(66.362)
Nous pouvons donc aussi écrire (nous poursuivons avec le
cas sans dividendes!):
(66.363)
Au cas où (processus
de Wiener, autrement dit le prix du sous-jacent est parfaitement
connu à un temps donné et sans risques), nous nous
retrouvons avec une équation
différentielle
(connue dans le domaine) que nous pouvons de suite résoudre:
(66.364)
Il s'agit donc d'une exponentielle (comme l'intérêt
continu que nous avons vu au début de ce chapitre). Cette
relation n'étant valable
que si l'intervalle de temps est donc très petit.
Nous allons voir maintenant à l'aide du "lemme
d'Itô",
qu'il est possible (ce qui n'est pas une possibilité unique!)
d'établir
qu'un tel processus
peut définir une loi log-normale (cf.
chapitre de Statistiques).
Le lemme d'Itô est établi
à partir du développement de Taylor (cf.
chapitre de Suites et Séries) à 2 variables x
et t donné
par :
(66.365)
avec
à l'origine du mouvement brownien.
En considérant ,
et en ne prenant les termes que jusqu'au deuxième ordre
(approximation formelle périlleuse mais numériquement
non obligatoire grâce à la puissance de calcul des ordinateurs),
nous avons:
(66.366)
Revenons maintenant à:
(66.367)
Élevons au carré, nous obtenons:
(66.368)
Or:
(66.369)
et comme nous l'avons démontré
dans le chapitre de Statistiques:
(66.370)
Nous avons alors:
(66.371)
Donc:
(66.372)
Par ailleurs:
(66.373)
qui tendent tous deux vers
0 quand
tend vers 0.
Nous avons aussi en considérant une subdivision du temps
en intervalles extrêmement
petits (approximation qui va nous être utile un peu plus loin):
(66.374)
ce qui implique dans ce dernier cas de figure:
(66.375)
donc
en se plaçant en temps continu (donc un modèle
continu avec intervalles de temps extrêmement petits), l'application
du développement
de Taylor discrète vue plus haut:
(66.376)
peut alors s'écrire:
(66.377)
il s'agit du lemme d'Itô également appelé "théorème
d'Itô-Doeblin".
Remarques:
R1. Comparer la forme de la dernière égalité à la
relation
R2. L'expression entre parenthèses ci-dessus (facteur
de dt)
est parfois appelée "équation
backward de Kolmogorov".
Si nous prenons:
(66.378)
Dès lors:
(66.379)
Dans ce cas:
(66.380)
En
revenant à l'hypothèse de mouvement brownien géométrique,
nous savons que nous devons considérer que:
et
(66.381)
Nous avons donc:
(66.382)
et nous obtenons finalement
l'équation différentielle stochastique à coefficients
constants:
(66.383)
Soit en reprenant la notation du début sous forme explicite:
(66.384)
ou sous une autre forme encore plus explicite:
(66.385)
appelée parfois "équation
intégrale de la dynamique des prix".
Une approche triviale de la résolution de
cette intégrale
est (on considère toujours dans ce modèle que la
volatilité est
indépendante du temps...):
(66.386)
Soit:
(66.387)
Soit:
(66.388)
Remarques:
R1. Se rappeler que nous sommes
partis de la relation
R2. Les mouvements browniens ont été successivement
dégagés
de l'hypothèse de Normalité dans
les années 1960, puis de l'hypothèse
de stabilité dans
les années
1980. Avec ces deux hypothèses, les mathématiciens
les rangent dans la catégorie particulière des "processus
de Lévy
2-stables".
dF
définit alors un mouvement brownien géométrique
avec drift particulier dont nous pouvons maintenant mesurer les
paramètres
(c'est ce que nous voulions obtenir). Par conséquent, les
résultats
que nous avions obtenus pour le mouvement brownien peuvent être
récupérés et nous
permettent d'écrire au final:
(66.389)
ce
qui revient dire que dF suit
une loi log-normale (cf. chapitre de Statistiques) de paramètres:
et
(66.390)
Ou autrement écrit:
(66.391)
Un petit pic de rappel avec ce qui a été vu
dans le chapitre de Statistiques mai appliqué à la
finance de la loi log-normale peut être la bienvenue. Considérons
la valeur présente
d'un actif donnée (intérêt composé)
dont le taux varie à chaque période:
(66.392)
Alors si nous prenons le logarithme:
(66.393)
Et donc si le taux de rendement est une varaible
aléatoire et indépendante de période en période et identiqument
distributé,
nous
avons alors ci-dessus une expression qui va donner selon le théroème
central limite (cf. chapitre de Statistiques)
une distribution Normale. Donc une variable aléatoire est distributé
de façon log-normale lorsque son logarithme est Normalement distribué.
Exemples:
E1. Considérons un titre avec un prix actuel de 40.-, avec
un rendement moyen supposé de 16% par année et une
volatilité annuelle de 20%.
Dans 6 mois (T = 0.5) nous avons alors:
(66.394)
Nous pouvons alors construite un intervalle de confiance à 95%:
(66.395)
et dès lors:
(66.396)
Donc il y a 95% de probabilité cumulée que dans
6 mois que la valeur du titre soit comprise entre 32.55.- et 56.56.-.
E2. Sachant que:
(66.397)
et qu'à taux continu:
(66.398)
Nous avons alors pour le rendement la possibilité d'appliquer
le même type de calcls qu'avant:
(66.399)
Allons maintenant un peu plus loin en intégrant l'élément différentiel.
Nous avons donc:
(66.400)
Intégrons cette dernière relation:
(66.401)
La première primitive est simple:
(66.402)
La deuxième primitive est simple (pas
de constante d'intégration car au temps zéro l'espérance
de gain est nulle):
(66.403)
La troisième primitive vaut (pas de constante
d'intégration car au temps zéro la valeur du gain est parfaitement
connue comme valant 0):
(66.404)
Remarque: Attention à l'abus
d'écriture!!! Dans
la racine il s'agit implicitement d'un dt (du pas d'analyse
donc!) et non simplement d'un t. Souvenez-vous en pour
la suite!!!
Nous avons donc:
(66.405)
Et au final (nous mettons le signe "-" dans
la constante):
(66.406)
Pour trouver la signification du premier facteur,
il suffit de poser la condition initiale:
(66.407)
Nous avons alors immédiatement pour l'expression
finale du brownien géométrique qui est donc une variable
aléatoire:
(66.408)
obtenue par P. Samuelson en 1965 et qui est
parfois appelée "modèle
de Bachelier-Samuelson" ou "représentation
log-normale de la valeur de l'actif" ou encore "solution
d'Îto".
Cette dernière relation est souvent écrit sous la forme suivante:
(66.409)
Remarquons que si nous écrivons (de par l'inégalité de
Jensen démontrée dans le chapitre de Statistiques):
(66.410) cela nous donne l'espérance des écarts-positifs
par rapport au strike (prix d'exercice). Et si nous actualisons cette valeur
dans l'idée que cette somme d'argent pourra être investie à un rendement sans
risque, nous obtenons alors la version Monte Carlo de l'évaluation d'une option
de type Call:
(66.411) et général la même forme de relation écrite pour un Put s'appelle la "relation
fondamentale d'évaluaton des options". Dans la réalité il faut prendre garde
au fait que le "fondamental" signifie qu'il faut faire cependant attention
à choisir le bon processus stochastique, c'est la raison pour laquelle dans
la littérature nous avons plus souvent l'expression suivante qui généralise
la relation précédente:
(66.412)
où f est une fonction d'un mouvement (processus) stochastique
donné (puisque pour rappel il y en a plusieurs en fonction du type de
sous-jacent) et la fonction D est appelé "discount
factor". Pour cette dernière
relation, nous trouvons presque autant d'écritures différentes
qu'il y a d'ouvrages sur le sujet...
Nous pouvons classifier la dynamique de cette fonction en trois
cas particuliers:
1. Si , quand
2. Si , quand
3. Si , fluctuera
entre des valeurs arbitrairement petites ou grandes quand
Suite à la demande d'un lecteur, bien que nous ayons vu
que le mouvement géométrique brownien a été construit
plus haut à partir d'une loi log-Normale dont nous connaissons
l'espérance, faisons le calcul inverse, c'est-à-dire
de calculer l'espérance du mouvement géométrique
Brownien pour évidemment à la fin retomber sur nos
pattes:
(66.413)
Donc le terme entre parenthèses suit par définition
(ou par construction si vous préférez) une loi log-Normale.
L'espérance de cette dernière est alors:
(66.414)
Pour pricer ("valoriser" en
français...)
un actif suivant ce modèle sur un horizon, t nous
pouvons utiliser la fonction VBA de Monte-Carlo suivante:
Nous
avons au final une formulation (sous forme de fonction de
distribution probabiliste) d'une variation temporelle et du return
intrinsèque
d'une action qui peut être utilisée à des fins
décisionnelles
d'investissements sur une prévision. Mais ce modèle
est quand même trop lisse en n'arrive pas à modéliser
les krachs boursiers (il en est de même pour rappel avec
le mouvement brownien standard) pouvant arriver sur le long terme.
Raison pour laquelle certains modèles plus récents
que nous n'étudierons
pas ici ajoutent un processus de Poisson (discret
et à événements rares par construction) à celui
de Wiener.
Il existe d'autres modèles
que la log-normale mais celle-ci de par sa facilité est
la plus répandue. Il faut cependant encourager d'autres
méthodes plus
généralistes!
Pour terminer cette partie résumons par une comparaison
le mouvement brownien standard et le mouvement brownien géométrique
qui régissent donc la dynamique des cours lorsque les paramètres
(rendement et volatilité instantanés) sont donnés
en %:
(66.415)
et rappelons que l'avantage du mouvement brownien
géométrique est qu'il élimine (grâce à l'exponentielle) les valeurs
négatives du cours que nous pouvions obtenir avec le mouvement
brownien standard de Bachelier.
Il est alors intéressant pour le financier
de visualiser l'espérance
en fonction de T et la valeur x(T) correspondante à une
probabilité cumulée de 2.5% et de 97.5% sur un graphique
pour avoir une idée de l'évolution de l'intervalle
de confiance à 95% de son x(0). Ceci est très
facile à obtenir dans Microsoft Excel et l'on tombe typiquement
en jouant avec plusieurs types de graphiques dans le même
diagramme sur quelque chose du genre (portefeuille de 500 MF avec
rendement
de 5% et écart-type de 20%):
Figure: 66.51 - Tracé du mouvement brownien géométrique avec intervalle de confiance
Avec le tableau suivant:
Figure: 66.52 - Tableau des données correspondantes au tracé précédent
Utilisant donc les relations démontrées
plus haut (la cellule $B$2 contient la valeur 500):
Figure: 66.53 - Formules explicites pour le mouvement brownien géométrique
et pour l'intervalle de confiance à 95%:
Figure: 66.54 - Formules explicites pour l'intervalle de confiance
Il est intéressant de comparer l'évolution de portefeuilles
ayant les mêmes paramètres (volatilité et rendement) sur la même
période de temps. Cela donne alors graphiquement:
Figure: 66.55 - Comparaison mouvements browniens géométrique et standard
Donc dans 6 mois, nous voyons que le portefeuille a 95%
de probabilité cumulée de se situer entre 404.49
et 885.90 millions avec une espérance de 662.54 millions.
Enfin, le lecteur remarquera que l'on peut généraliser
l'écriture des deux mouvements browniens (en prenant le
logarithme népérien en ce qui concerne le mouvement
brownien géométrique) en les écrivant sous
une forme proposée par Mandelbrot en 1962:
(66.416)
où et c sont
respectivement les paramètres
de localisation (rentabilité moyenne) et de dispersion (volatilité non
gaussienne) du processus, et où désigne
le mouvement -stable
standard de Lévy.
Le problème
avec ce modèle
c'est la perte de l'existence, pour certaines lois de probabilité qui
marchent très bien, du deuxième moment (la variance)
si important en termes de communication et d'images pour les professionnels
dans les années 1970 car il leur servait d'unique mesure
du risque. L'absence de variance finie constitua vraisemblablement
l'une des causes les plus puissantes du rejet.
ÉQUATION DE BLACK & SCHOLES
Nous avons obtenu lors des
développements précédents, sous la contrainte d'une loi log-normale
et d'un mouvement brownien, l'équation différentielle suivante
pour la marche aléatoire de la valeur de l'action:
(66.417)
Soit avec les bonnes notations:
(66.418)
Si nous construisons maintenant
un portefeuille delta neutre (donc non risqué pour rappel)
consistant en une option en position short et un nombre de
titres sous-jacents (souvent aussi noté dans
la littérature) en position long (ou inversement peu importe!).
La valeur du portefeuille est
alors exprimée
par:
(66.419)
L'idée de l'égalité ci-dessus est la même
que lorsque nous avons un portefeuille avec un montant numéraire S d'un
titre (donc la montant numéraire total des titres dans le
portefeuille de titres) et que nous nous protégeons
par exemple d'une tendance baissière avec l'acquisition
d'un certain nombre de Put à la différence qu'ici
c'est le montant numéraire total
d'options qui est fixé à F (donc le montant
numéraire total des options dans le portefeuille d'options)
et nous cherchons le nombre de sous-jacents à acheter (d'où le
signe négatif) dans
le cas d'une tendance supposée baissière.
Le différentiel temporel
du portefeuille s'écrit alors (ce qui suppose que nous faisons
du delta hedging en instantané ce qui dans la pratique est difficile
à réaliser!):
(66.420)
Vous remarquerez que nous
supposons constant le nombre durant
le différentiel de temps...
Remarque: Attention!!! Certains auteurs
choisissent, par convention, d'invervser les signes des termes à droite
de l'égalité des deux
relations précédentes. Cela ne change pas le résultat
final de la solution de l'équation différentielle
mais il faut savoir que cela peut se faire puisque ce n'est qu'un
choix de protection de tendance haussière ou baissière.
En réunissant les relations
précédentes et (nous adoptons ici la notation traditionnelle
usitée
dans le domaine) l'équation
de l'actif risqué donnée donc par:
(66.421)
nous obtenons:
(66.422)
où nous avons dans le crochet tout à droite le
mouvement brownien géométrique.
Ce qui donne après réarrangement des termes l'équation différentielle
du portefeuille:
(66.423)
Considérons maintenant que est
lié par la relation de dépendance spéculative
(dont nous prenons la valeur entière) qui élimine
de la relation précédente la partie aléatoirement
risquée
du portefeuille (c'est le
dz qui génère le risque de manière
aléatoire
pour rappel!) tel que (nous retrouvons cette expression du delta
lors de notre étude des grecques):
(66.424)
Nous pouvons alors écrire le varationnel infinitésimal
sans risque suivant de notre portefeuille:
(66.425)
Or, nous avons aussi pour un portefeuille placé dans un investissement
sans risque (puisque nous venons d'éliminer le risque
aléatoire
nous pouvons l'écrire ainsi):
(66.426)
noté parfois aussi dans littérature:
(66.427)
Le lecteur attenif aura remarqué que les deux relations
ci-dessus:
(66.428)
constituent donc une situation de non-arbitrage.
En substituant maintenant
les quatre relations:
(66.429)
dans:
(66.430)
Nous obtenons:
(66.431)
qui
n'est autre que "l'équation
différentielle partielle parabolique
linéaire (sans second membre) du second ordre de Black &
Scholes" (à coefficient S non constant).
Cette relation n'étant donc valable que sous l'hypothèse,
de par la présence de r, que le rendement est celui
sans risque du marché
et donc que le mouvement
brownien est un mouvement brownien en risque neutre!!! De même
cette dernière relation suppose aussi que la variance est indépendante
du temps!!
Le fait de poser que le drift µ est égal au rendement
sans risque
r a un impact important aussi sur l'interprétation de
cette équation différentielle. Cela suppose effectivement indirectement
que deux
options ayant des drifts différents ont leur rendement implicite
qui est égal et qui est pris comme celui sans risque du marché!!!
Raison pour laquelle en finance si nous avons deux options
dont le drift diffère et que la variance et maturité sont
identiques,
l'équation de Black & Scholes donne le même pricing par construction!!!
Cette dernière équation est
plus souvent notée sous la forme relative à la référence
implicite d'un Call telle que:
(66.432)
ou sous forme un peu plus condensée (suivant les auteurs...):
(66.433)
et encore plus condensée... (mais là cela
devient franchement abusé comme notation...):
(66.434)
Le lecteur aura noté que le paramètre (dérivation)
est absent de cette équation! En d'autres termes, la valeur
d'une option est indépendante
de la vitesse de variation des valeurs des titres sous-jacents.
Le seul paramètre qui affecte le prix de l'option est la
volatilité du
sous-jacent. Une conséquence de cela est que deux
personnes ayant des opinions divergentes quant à la valeur
de sont
toujours en entente sur la valeur de l'option.
L'objectif bien évidemment
est de résoudre cette équation différentielle
afin de déterminer le return F(S, t).
Celle-ci ne se laisse par ailleurs pas résoudre en deux
lignes.
Avant de nous attaquer à cette tâche quelques
définitions et indications pratiques préalables
concernant certains paramètres sont utiles et nécessaires
(nous déterminerons leur forme explicite après
la résolution
de l'équation
différentielle):
PORTEFEUILLE AUTOFINANçANT SUR SOUS-JACENT RISQUÉ
Une stratégie de portefeuille autofinançant est une stratégie
dynamique d'achat ou de vente de titres et de prêts ou d'emprunts à la
banque, dont la valeur n'est pas modifiée par l'ajout ou le retrait
de cash (nous aurions pu introduire ce sujet dès le début
du chapitre mais nous avons jugé plus opportun de ne le
faire que maintenant).
Nous supposerons ici pour l'exemple que nous ne pouvons investir
que dans un seul titre (placement risqué), et dans du cash (placement
supposé non risqué), c'est-à-dire en plaçant ou empruntant de l'argent à une
banque.
Nous désignons par le
prix à la date t du titre, par le
taux d'intérêt pour un placement entre à la
banque.
Soit la
valeur de marché, ou encore valeur liquidative, ou encore "Mark
to Market" (M.t.M.) du portefeuille à la date t.
Après renégociation, le nombre d'actions du
portefeuille est constant jusqu'à la prochaine date d'échéance
de gestion. Pour simplifier, nous supposons pour le moment que
le
gestionnaire
ne prend en compte dans sa règle de décision la valeur
du cours du sous-jacent qu'au moment de renégocier.
Dans un temps très court, la variation de valeur du portefeuille
n'est due qu'à la variation de la valeur du sous-jacent et à l'intérêt
versé par la banque sur le cash, soit, puisque le montant investi
dans le cash est:
(66.435)
nous avons "l'équation d'autofinancement":
(66.436)
Ainsi, pour un vendeur de Call (par exemple...), il s'agit de
trouver le coût initial et
la stratégie qui
permettent d'obtenir (les financiers parlent de "réaliser
l'actif financier"):
(66.437)
dans tous les scénarios de marché. S'il existe une telle stratégie
de couverture, nous disons alors que nous avons affaire à un "marché complet".
LES GRECQUES ET AUTRES...
Dans la réalité ces modèles théoriques
sont bien jolis (pour l'honneur de l'esprit humain) mais toutefois
très peu réalistes. Raison pour
laquelle les traders font (comme en ingénierie) appel à des
indicateurs simples et parlants appelés "les
grecques" pour prendre leurs décisions
de vente ou d'achat. Cependant on peut, avec un peu de
créativité, utiliser ces mêmes indicateurs
dans de nombreux autres domaines (industriel, gestion de projets,
chimie,
etc.).
Voici la liste des plus connus (nous calculerons leur expression
explicite pour certains modèles que nous développerons par la suite):
Définitions:
D1. Le "delta" d'une
option, qu'il est important
de comprendre (ou de savoir), est donné par:
(66.438)
et représente le taux
de changement de la valeur des options du portefeuille dépendamment
des valeurs des titres sous-jacents S (mathématiquement
parlant c'est donc la dérivée première de
la prime de l'option sur le prix du sous-jacent). Ce terme
est fondamental dans la théorie (c'est une hypothèse dans
la construction du modèle de Black & Scholes comme nous l'avons
vu plus haut) et dans la pratique et nous en ferons fréquemment
usage. C'est donc une mesure dans la corrélation entre
le mouvement de l'option ou autres actifs financiers et dérivés
et les sous-jacents.
Considérons par exemple qu'un Call sur l'action
ABC est de delta 0.25 avec un cours du support (spot) à 90.-
et une prime à 5.-. Lorsque le cours de l'action ABC passe
de 90.- à 91.-,
la prime de l'option va augmenter alors de 1 delta, et devient
alors 5.25.-. Lorsque le cours de l'action ABC passe de 90.- à 88.-,
la prime de l'option va diminuer de 2 fois delta, et devient 4.50.-.
Cette variation en termes de delta (nombre entier) est alors
notée .
Remarque: De nombreux praticiens préfèrent utiliser le
"delta cash" défini par le produit
du delta et du prix spot. Ainsi dans
notre
exemple
ci-dessus
le delta cash vaut 90 fois 0.25 ce qui vaut 22.5.-. Si le cours
de l'action passe de 90.- à 91.- soit 1.09% d'augmentation, la
variation
du Call est le produit du delta cash par la variation en % soit
22.5.- fois 1.09% ce qui donne une variation positive de
0.25.- et nous retrouvons alors notre 5 + 0.25 = 5.25.-.
Le delta est donc un paramètre important pour un
praticien qui veut se couvrir contre le risque. Effectivement,
afin d'obtenir
le delta global d'une position, il suffit de multiplier la valeur
du
delta de
chaque option par sa position. Puis on fait la somme de tous ces
deltas.
Par exemple, si sur un même sous-jacent nous sommes vendeur de
5 calls C1 et
acheteur de 7 Call C2 alors notre delta global
sera égal à:
(66.439)
La valeur de ce paramètre nous informe sur la quantité de
sous-jacents à acheter ou vendre (position opposée
sur le sous-jacent) afin d'immuniser la valorisation de notre portefeuille
aux variations du cours de
ce
sous-jacent.
Nous disons alors qu'il s'agit d'une "stratégie
en delta-neutre" ou de "delta-hedging".
Plus exactement il s'agit d'une stratégie dynamique ("dynamic
hedging") car il faut maintenir un portefeuille delta-neutre
tout au long de la
vie
de l'option (en théorie de façon instantanée
pour rappel!) contrairement aux stratégies statistiques ("static
hedging").
Par exemple, une stratégie
statique pour couvrir la vente d'un Call de strike de 125.- sur 1'000
actions (prix spot 100.-), peut consister à acheter immédiatement
1'000 actions sur le marché contre 100'000.-, et attendre
l'échéance. Dans cette situation, si l'acheteur exerce
le Call le vendeur est en mesure de lui livrer les 1'000 actions
contre 125'000.-. Mais s'il ne l'exerce pas, le vendeur reste avec
1'000 actions. De même, si le cours final s'établit
par exemple à
80.-, le vendeur enregistre une perte de 20'000.-. Le delta-hedging
permet d'éliminer ce risque.
Cependant, la stratégie de hedging dynamique à un
côté vicieux car si la majorité des acteurs du marché achètent
des sous-jacents pour se couvrir d'une hausse, alors cela aura
pour effet d'augmenter
encore plus la valeur du sous-jacent (loi de l'offre et de la demande)
et ainsi ils vont acheter encore plus de sous-jacents, ce qui aura
pour effet d'augmenter encore plus sa valeur et ainsi de suite
et nous tournons alors en rond jusqu'à arriver à un potentiel crash
des marchées (le crash de 1987 serait soit disant à l'origine dû
à ce type de
dynamique
perverse). L'effet sera le même (mais opposé) pour se protéger
d'une baisse... C'est pour cette raison qu'il est fortement recommandé
de faire du delta hedging avec d'autres actifs financiers diversifés
que le sous-jacente lui-même!!!!!
Ainsi, les gestionnaires, vont entre la date à laquelle
ils ont encaissé la prime (en ayant vendu un contrat d'option)
et sa maturité T, tout naturellement gérer
en delta-neutre au fil du temps un portefeuille autofinancé constitué de actifs
sous-jacents S à chaque instant t, afin
de disposer de façon certaine (donc sans risque) de la cible
stochastique
à la maturité. Nous parlons aussi de "portefeuille
de couverture". Cependant cette stratégie masque une
terrible faille au niveau global, effectivement si un acteur du marché
applique cette stratégie en vendant massivement (par exemple pour
se protéger de la baisse), alors tous les autres acteurs vont vendre
peut-être aussi augement par extension le delta et amplifiant donc
la volatilité et ainsi de suite jusqu'au crash.
D2. Le "thêta" d'une option donne la sensibilité du
prix de l'option
par rapport à sa maturité et est donné par:
(66.440)
Appliqué à notre portefeuille, le thêta nous
donne simplement la valeur perdue ou gagnée suite à l'écoulement
d'une journée par exemple.
D3. Le "rhô" calcule
la sensibilité du
prix de l'option par rapport à la varation au taux d'intérêt
géométrique moyen sans risque du marché et est donné par:
(66.441)
Cet indicateur semble être assez peu utilisé par
les professionnels.
D4. Le "véga", représenté par
la lettre nu minuscule car le nom véga n'est
pas lui-même un nom de lettre grecque, mesure la sensibilité de
l'option par rapport à la volatilité et est donné par:
(66.442)
La volatilité est le paramètre déterminant
du prix d'une option. L'impact de la variation de ce paramètre
sur la valorisation de notre portefeuille est donc très important
pour les traders sur options.
D5. Le "gamma" correspond à la
dérivée
du delta et est donc donné par:
(66.443)
Une lecture possible du gamma est le sens d'évolution
du delta en fonction du prix du sous-jacent. Un gamma positif indique
que
prix du sous-jacent et delta évoluent dans le même
sens, alors qu'un gamma négatif montre le contraire.
Afin d'éviter de réajuster le delta en stratégie
delta-neutre, et donc de payer les frais de transactions mais aussi
les spreads inhérents,
un bon moyen est d'avoir le delta le plus stable possible. Avoir
le delta le plus stable signifie pas ou peu de modification de
sa valeur initiale, donc avoir une stratégie "gamma-neutre" en
plus d'avoir une stratégie "delta-neutre". Cependant,
comme la stratégie delta-neutre fait que l'on joue déjà avec
le sous-jacent pour rendre le delta constant, alors on ne peut
utiliser le même sous-jacent pour rendre le gamma neutre.
Le principe de gamma hedging d'un portefeuille contenant
au moins un option est alors de trouver une autre option sur le
marché
dans des proportions qui permettent de compenser le gamma de la
position originelle.
Remarque: Comme nous le verrons plus loin lors de l'analyse
du risque avec les développements en série de Taylor, le delta
ne
permet en réalité de faire du hedging qu'au premier ordre
(c'est-à-dire
pour de petites variations du sous-jacent). En complétant par du
gamma-hedging nous éliminons les effets du second ordre. Donc une
bonne stratégie est d'assurer le delta et la gamma instantanés
à zéro.
Exemple:
Considérons comme résumé un Call dont sur sous-jacent dont
le prix spot est de 100.-, le strike de 100.-, la volatilité du
rendement de 24% et le taux d'intérêt géométrique
moyen du marché de 5%. Considérons
que nous avons les valeurs suivantes:
(66.444)
La valeur du delta nous indique donc que si le prix
du sous-jacent montre de 1.-, la valeur de l'option augmentera
de 0.62.-. Le gamme nous indique que si le prix du sous-jacent
montre de 1.-, le delta de l'option passera de 0.62 à 0.64. La
valeur du thêta nous indique en fin de journée que la valeur de
l'option aura diminué de 0.02.-. La valeur du vega nous indique
que si la volatilité du sous-jacent passe de 24% à 25%, la valeur
de l'option augmentera de 0.37.-. Enfin la valeur du rhô nous indique
si la valeur du taux moyen géométrique sans risque du marché passe
de 5% à 5.5%, la valeur de l'option augmentera de 0.25.-.
D6. "L'opérateur différentiel
linéaire
de Black & Scholes" donné par:
(66.445)
aurait une interprétation
financière comme mesure de la différence entre le
retour d'une option (les deux premiers termes) et l'ensemble d'un
portefeuille de rendement sans risque r contenant cette option (les
deux derniers termes).
Bref, ceci étant dit, nous pouvons donc avoir l'écriture
technique suivante de l'E.D.P. de Black & Scholes (à coefficient S non
constant) en utilisant
les grecques:
(66.446)
RÉSOLUTION DE L'E.D.P. DE BLACK & SCHOLES
Avant de nous attaquer à
la résolution de l'équation B.S. donnons déjà
les solutions avec un rappel des termes (cela permettra d'avoir
une idée préalable des concepts utilisés
lors des développements et de plus je ne risque pas d'écrire
ceux-ci avant quelques années faute de temps...):
Soient F(S,t)
la valeur d'une option Call C(S,t)
ou Put P(S,t),
la volatilité du sous-jacent, E le
prix d'exercice (strike), T la date d'expiration et r l'intérêt
et S le prix du sous-jacent. Nous allons résoudre
l'équation
différentielle
de BS (à coefficient S non constant) écrite
la forme suivante:
(66.447)
L'astuce (qui a menée à l'obtention
d'un prix Nobel d'Économie pour rappel) est de voir qu'il
s'agit d'un équation
différentielle aux dérivées partielles et
plus particulièrment
avec des différentielles du premier ordre en t et
en deuxième ordre en S. Or, il existe
une équations différentielle de ce type qui est très
connue en physique: l'équation de le chaleur (cf.
chapitre de Thermodynamique). L'idée
est alors par des changements de variables de s'y ramener. Toute
la difficulté était de trouver les bons changements
de variable et nos prédécesseurs se sont occupés
de ce tatonnement... pour nous (merci à eux!). Nous commencors
alors par poser (ce choix permet aussi de se ramaner à des conditions
initiales similaires à celles de l'équation de la chaleur):
(66.448)
et donc explicitement:
(66.449)
Nous utiliserons plus bas le fait que:
(66.450)
À toute fin utile, écrivons la transformatin inverse (qui nous
sera utile beaucoup plus tard) qui en découle:
(66.451)
Une partie de l'idée sous-jacente à ce choix de
changement de variables est de transformer le fait que dans l'équation
différentielle
de Black & Scholes,
nous connaissons les conditions finales (puisqu'à maturité le
prix de l'option est parfaitement déterminée) alors
qu'avec l'équation
de la chaleur il nous faut des conditions initiales et non finales!
Nous allons de suite voir que ce choix de changement de variables
permet cela. Effectivement, rappelons qu'à maturité nous
savons que:
(66.452)
Soit:
(66.453)
Comme:
(66.454)
Nous avons alors:
(66.455)
Et le fait ce que nous permet d'avoir une condition initiale est
que:
(66.456)
Pour transformer notre équation différentielle
aux dérivées partielles (à coefficient S non
constant):
(66.457)
avec ces nouvelles variables il nous faut
calculer quelques dérivées partielles de C.
Nous avons alors:
(66.458)
et:
(66.459)
Ainsi que:
(66.460)
En injectant cela dans l'équation différentielle, il vient:
(66.461)
On simplifie les S:
(66.462)
On multiplie des deux côtés par:
(66.463)
Pour obtenir:
(66.464)
Soit:
(66.465)
Posons comme il est d'usage:
(66.466)
Il vient alors l'équation différentielle (à coefficient
constants cette fois-ci!):
(66.467)
avec pour rappel la condition initiale:
(66.468)
Remarque: Dans la relation antéprécédente,
la somme est
parfois appelée "partie d'advection", le
"terme source" et le
"terme de diffusion",
tout cela en analogie à la mécanique des fluides et la thermodynamique.
La suite toute aussi astucieuse, consiste à faire
encore un changement de variable en posant:
(66.469)
Nous allons déterminer les deux paramètres qui
permettent d'écrire l'équation différentielle partielle à coefficients
constants sous forme d'équation de la chaleur!
Nous allons procéder d'abord comme plus haut en déterminant
l'équivalence des différentes dérivées partielles de u.
Nous avons alors:
(66.470)
et:
(66.471)
Ainsi que:
(66.472)
Ensuite vient une astuce très difficile à deviner
(du moins a priori car je n'ai pas trouvé plus simple...). Effectivement
avant de substituer ces trois dernières relations dans l'E.D.,
rappelons que:
(66.473)
Donc les trois dernières relations peuvent s'écrire
(retrouver un mélange fonction de u et de v est
très contre-intuitif):
(66.474)
et maintenant seulement faisons la substitution (partielle!)
dans l'E.D.! Nous passons alors de:
(66.475)
à:
(66.476)
Écrivons cette derinière égalité un peu différemment
en mettant en factorisant à gauche et à droit ce qui contient u:
(66.477)
et donc en posant:
(66.478)
L'équation différentielle se simplifiement
en:
(66.479)
L'exponentielle peut se simplifier et il reste:
(66.480)
Ce que l'on peut réécrire sous la forme:
(66.481)
Et si nous choisissons:
(66.482)
Il nous reste alors:
(66.483)
ou autrement écrit (à la physicienne):
(66.484)
Nous reconnaissons donc ici l'équation de
la chaleur (ou "équation de diffusion") démontrée
dans le chapitre de Thermodynamique
mais où le coefficient de dilatation thermique vaut 1/2.
Il résulte donc de ces développements que:
(66.485)
Soit en injectant la deuxième égalité dans la première
et après quelques simplifications élémentaires:
(66.486)
Donc nous voyons que finalement:
(66.487)
Il nous reste maintenant à transformer la condition
en u:
(66.488)
En une condition initiale en v à l'aide
de:
(66.489)
Donc il vient immédiatement:
(66.490)
La suite (la résolution de l'équation différentielle)
viendra dans un proche avenir... sauf accident (pas le temps de
la rédiger...).
- Pour le Call européen (valeur de l'option d'achat de
maturité T et de strike K) la solution
(dont la démonstration
doit encore être
rédigée dans
ce chapitre...) est alors pour un sous-jacent de type action ne
payant pas de dividendes et pour un mouvement brownien géométrique:
(66.491)
où pour rappel (cf. chapitre de Statistiques):
(66.492)
la fonction de répartition de loi Normale centrée
réduite avec:
(66.493)
et:
(66.494)
Remarques:
R1. Si nous avons un Call ou
Put à la monnaie (pour rappel cela signifie que S = K)
alors les deux coefficients ci-dessus se simplifient puisque
le logarithme néperien est alors nul.
R2. Parfois nous écrivons:
(66.495)
où M(t) est la moneyness dont nous avions déjà
parlé plusieurs fois.
De la relation:
nous
déduisons évidemment qu'une option d'achat
ne peut valoir plus que le sous-jacent (sinon quoi il y aurait
alors une opportunité d'arbitrage consistant à acheter
le sous-jacent et à vendre l'option Call - du moins si nous
trouvons un acheteur assez idiot... - et in extenso cela nous ferait
gagner à tous les coups).
- Pour le Put européen
(valeur de l'option de vente de maturité T et strike K)
pour un sous-jacent de type action ne payant pas de
dividendes et pour un mouvement brownien géométrique:
(66.496)
De cette dernière relation nous concluons qu'une option de vente
ne peut jamais valoir plus que le strike K (prix d'exercices)
sinon quoi
il y aurait
aussi
une
opportunité d'arbitrage en vendant le Put et en achetant
le sous-jacent.
Si jamais pour les curieux voici un exemple de valorisation d'une
option Call vanille sur un terminal Bloomberg:
Figure: 66.56 - Valorisation d'une option vanille Call sur 1 sous-jacent du S&P 500
Dès lors, le "delta
du Call" que nous avions déjà introduit
plus haut est donné dans ce modèle par l'expression
exacte (c'est immédiat):
(66.497)
qui est donc dans ce cas particulier une valeur positive comprise
entre 0 et 1.
Le "delta du Put" est lui
donné par (c'est aussi immédiat):
(66.498)
qui est donc toujours une valeur négative.
Il est relativement facile de vérifier
que ces solutions satisfont l'équation de parité Put-Call:
(66.499)
où rappelons que E est juste une autre manière
traditionnelle de noter la valeur de strike K des deux
options P et C (la variation des écritures vous
permet ainsi de vous familiarises et avec le passage des notations
françaises et anglaises).
Voici les commandes intégrées
à la version anglaise de Microsoft Excel 14.0.6129
pour faire le calcul avec des valeurs d'entrées arbitraires:
Figure: 66.57 - Application de Black & Scholes dans la version anglaise de Microsoft
Excel 14.0.6129
Remarque: Il est sûr que les
équations de Black & Scholes
ont permis l'essor des marchés aux options, en permettant
une spéculation sécurisée. Cela reste de
la spéculation (les acteurs spéculent les uns
par rapport aux autres sur la volatilité des actions),
mais cette spéculation
reste sécurisée par l'équation de couverture,
qui
évite que les pertes ne soient trop importantes. Il existe
néanmoins des inconvénients
à leur utilisation. Le plus important est sûrement
l'effet d'emballement qu'elles provoquent. Supposons par exemple
que vous êtes le vendeur d'une option sur l'action d'une
société
S. Celle-ci annonce des résultats légèrement
inférieurs à ceux attendus. Son cours baisse, et
c'est normal. L'équation de couverture de Black & Scholes
vous recommande
alors de diminuer le nombre d'actions de cette société
dans votre portefeuille, ce que vous faites. Mais tous les acteurs
du marché font le même raisonnement, engendrant une
nouvelle baisse du cours de l'action. L'équation de couverture
de
Black & Scholes vous recommande de vendre encore des actions,
etc.... Cela peut déclencher un véritable emballement
du marché, à la baisse comme à la hausse.
Ceci est accentué par le fait que bien souvent, les
ordres d'achat ou de vente sont automatisés, implémentés
directement dans les logiciels, et ne nécessitent plus
d'interventions humaines. D'autre part, l'équation de
couverture de Black & Scholes est efficace pour de petites
variations de cours, mais pas pour des
"dévissages" brutaux et importants. Ainsi, un
an
à peine après avoir reçu leur prix Nobel d'Économie,
Robert Merton et Myron Scholes furent impliqués dans la
déconfiture
du fonds d'investissement américain LTCM à l'automne
1998, à la suite de la grave crise russe de l'été 1998.
Dans les faits, les prix des options ne sont pas calculés
avec la formule de Black & Scholes (d'autant plus que le rendement
y est supposé constant... d'où l'utilisation des
techniques de Monte-Carlo). La plupart du temps, ces prix résultent
simplement de la loi de l'offre et de la demande, laquelle
règne sur la plupart des marchés (raison pour laquelle,
sur les marchés, des Call pour un sous-jacent de spot donné et même
strike et maturité n'ont pas le même prix). Quand nous regardons
alors l'expression non réduite:
(66.500)
Il s'agit donc d'une équation à une
inconnue, puisque la seule valeur qui manque alors dans la pratique
des marchés est la volatilité que nous appelons
alors "volatilité
implicite" (à l'opposée de celle utilisée
lorsque nous valorisons les options et que nous appelons alors
classiquement
"volatilité empirique (observée)") et qui
devrait (...) en théorie être égale sur les marchés pour un Call
et un Put ayant même maturité et même prix d'exercice.
Ainsi, dans la pratique, le calcul de la volatilité implicite
est effectué, à sous-jacent donné, pour plusieurs
valeurs de K et de T au spot et
rendement donnés par le marché à l'instant
présent ou futur. Au
final, au lieu de n'avoir
qu'un
seul point, nous obtenons une nappe comme celle ci-dessous:
Figure: 66.58 -Profil type d'une nappe de volatilité implicite
où pour rappel la "moneyness" représente
le rapport entre S et K. Si l'équation
de Black & Scholes
était respectée, nous devrions avoir ci-dessus un
plan (donc quelque chose de totalement plat)...
Figure: 66.59 -Profil type d'une nappe de volatilité implicite dans le terminal
Bloomberg
Sur les marchés, les agents (surtout les traders) regardent
en permanence les surfaces de volatilités implicites (dont
les interprétations peuvent être multiples!). Le souci, c'est que
ces surfaces ne sont pas statiques: elles bougent tous les jours.
La
connaissance
(en
fait
plutôt
l'approximation) de la dynamique des nappes de volatilité est
donc un sujet crucial et sujectivement complexe...
Une approche
classique consiste à faire des hypothèses
sur le comportement du sous-jacent. Parfois il existe des formules
fermées
(comme dans le modèle de Black & Scholes),
mais souvent il faut faire appel à des méthodes numériques
pour obtenir le prix l'option correspondante et ensuite
inverser le problème pour trouver la volatilité
locale.
Définitions:
D1. Nous appelons "volatilité historique" ou "volatilité
statistique" ou encore "volatilité
réalisée",
la volatilité passée d'un instrument financieer sous-jacent à une
option.
D2. Nous appelons "volatilité implicite" ou
"volatilité forward", la volatilité injectée
dans le modèle de Black & Scholes qui est une estimation
de la moyenne de la projection future de la volatilité sur
une période
donnnée.
D3. Nous appelons "volatilité locale", la volatilité d'une option
a posteriori calculée à partir du modèle de Dupire (inversion de
la relation de Black & Scholes) en quelque sorte.
D4. Nous appelons "volatilité observée", la volatilité vraie d'une
option telle qu'observée sur les marchés financiers.
Maintenant parlons du cas des sous-jacents qui paient des dividendes!
Si le sous jacent dont le prix spot dont nous injectons dans le
relation d'évaluation des options est S c'est sa
valeur estimée actuelle par les agents économiques.
Si le sous-jacent paie des dividendes alors ce prix n'est en réalité pas
sa valeur faciale réelle puisqu'elle contient implicitement
les valeurs actualisées
des dividendes! Pour obtenir sa vraie valeur, il faut soustraire
alors à S les valeurs actualisées des dividendes
avant d'en injecter la valeur des les relations d'évaluation.
Exemple:
Considérons un Call sur 1 an d'une action BMW avec un prix
d'exercice de 40.-. Supposons que le prix spot actuel de l'action
BMW est
de 35.-, le taux d'intérêt continu annuel sans risque
du marché est
de 5%, la volatilité de 20% par an et qu'il y a deux dividendes
pendant la période d'un an de respectivement 1.- à 2
mois et 0.5.- à 8
mois.
Dès lors, la valeur actualisée des dividendes est:
(66.501)
Et donc cette somme déterministe est implicitement
inclue dans le prix spot actuel du marché. Dès lors, la valeur
spot S qu'il faut injecter dans la relation d'évaluation du Call
est 35-1.4753 = 33.5247.- et non 35.-.
Dans le cas où le sous-jacent paie des dividendes
qui en taux continu constant q alors sa vraie valeur
faciale actualisée sur le temps T sera donnée en
utilisant le taux continu (si jamais revoir la construction
du concept de taux continu!):
(66.502) En injectant cette dernière relation dans l'évaluation
des options, nous avons par exemple pour le Call:
(66.503)
Il est évident que cette dernière égalité est une généralisation
des options sur sous-jacent de type titres ne payant pas de dividendes.
Nous pourrions, par ailleurs, là aussi encore une fois calculer les grecques
correspondant...
VALUE AT RISK
Les mesures du risque ont bien évolué depuis que
Markowitz a avancé sa
célèbre théorie de la diversification de portefeuille à la
fin des années 1950, théorie qui devait révolutionner
la gestion de portefeuille moderne. Le risque d'un portefeuille était
alors relié à la
matrice des covariances-variances comme nous l'avons démontré théoriquement
et par l'exemple plus haut.
Dans les années 1960, Sharpe a proposé le modèle
unifactoriel d'évaluation des actifs financiers où le bêta
est le facteur explicatif principal du risque d'un portefeuille
via la matrice des bêtas.
Au début des années 1990, une nouvelle mesure du
risque a fait son entrée (la banque JP Morgan en serait à l'origine).
En effet, on reconnaissait de plus en plus les limites des mesures
traditionnelles
du risque.
Il fallait se
donner
des
mesures du
risque de baisse de la valeur des actifs. Pour ce faire, il fallait
trouver des mesures davantage reliées à l'ensemble
de la distribution des flux monétaires d'un portefeuille.
C'est dans ce contexte qu'une mesure nominale du risque a été proposée:
la
VaR (notée V@R en gestion de projets).
Dont l'idée est en gros de pouvoir dire que nous avons X%
de probabilité cumulée de ne pas perdre plus de Y en
numéraires
dans les N prochains jours.
Cette nouvelle mesure a d'abord servi à quantifier le risque
de marché auquel
sont soumis les portefeuilles bancaires. En effet, l'Accord de
Bâle a recommandé aux banques, en 1997, de détenir
un montant de capital réglementaire pour pallier aux risques
standards de marché. Or,
ce capital est depuis lors calculé à partir de la VaR et
celle-ci est devenue de plus en plus populaire pour évaluer
le risque de portefeuilles institutionnels ou individuels (et pas
que!).
Il n'existe
pas cependant une mesure unique de la VaR. En effet, elle
repose sur le concept de volatilité,
qui est essentiellement latent. C'est pourquoi les
banques se doivent de recourir à plusieurs
modèles
de VaR de manière à définir
la fourchette de leurs pertes éventuelles.
Ces calculs sont d'autant plus complexes que la distribution des
rendements des titres mesurés à haute fréquence
s'éloigne sensiblement de la Normale (donc
pour de longs intervalles de temps on se rapproche par contre assez
souvent d'une loi Normale).
Définition: La "Value
at Risk" (VaR)
est la perte maximale théorique que peut subir un gestionnaire
d'un portefeuille (dont la valeur est forcément implicitement
variable) et pour une certaine période de temps avec
une probabilité cumulée
donnée (l'utilisation de la VaR n'est pas limitée
aux instruments financiers, elle est utilisée dans beaucoup
d'autres domaines de la gestion du risque en général).
Remarque: La VaR n'est pas
réellement
pertinente si elle n'est pas présentée avec
d'autres indicateurs de risques tels que le ratio de Sharpe, le
ratio de
Treynor ou encore les coefficients des grecques (comme le
bêta). Enfin, indiquons que dans la pratique la VaR est
parfois indiquée en %.
VAR RELATIVE
Dans le modèle classique de la VaR relative
(appelée aussi parfois "VaR Paramétrique"), nous
supposerons que la distribution statistique des résultats
d'un portefeuille obéit à chaque
instant à une
loi Normale... que nous noterons par la suite:
(66.504)
L'idée suivante est que la variable aléatoire X peut
donc être
réécrite
avec une variable aléatoire Normale centrée réduite
(cf. chapitre de Statistiques) en
posant:
(66.505)
telle que (utilisation des propriétés de base de
la loi Normale):
(66.506)
et cette écriture est donc utilisée dans énormément d'autres
domaines que la finance (gestion de projets, assurance qualité,
logistique, etc.).
Soit le
seuil critique (quantile de seuil alpha) associé à la
probabilité cumulée
visée.
Nous pouvons alors écrire:
(66.507)
qui est une forme intéressante car elle reporte l'analyse
du risque et de la variabilité sur l'estimation de l'écart-type
seul (ce que les financiers apprécient bien...)! Cette notation
est cependant un abus très courant de l'écriture
rigoureuse suivante (qui indique plus clairement que nous utilisons
le quantile de ):
(66.508)
Ce qui s'écrirait en utilisant la même notation que
dans le chapitre de Statistiques lorsque la distrubion est Normale:
(66.509)
Cette forme d'écriture se vérifie aisément
avec la version anglaise de Microsoft Excel 11.8346 pour les
sceptiques... Considérons
un portefeuille P ayant un écart-type
annuel de 10% (qu'il faudra exprimer en numéraire) et supposons
que nous possédons
1'000.- en actifs de ce portefeuille (en moyenne). Nous avons alors à la
première
année:
=NORMINV(99%;1000;10%*1000)=1000+NORMSINV(99%)*10%*1000
=1000+2.326*10%*1000
=1'232.6
Soit 99% de probabilité cumulée d'avoir
un portefeuille valant entre 0 et 1'232.6.- à tout
moment (nous considérons comme négligeable la probabilité cumulée
que le portefeuille ait une valeur négative avec cette écriture...).
Mais ce qui intéresse le gestionnaire n'est
pas de se couvrir du risque de l'espérance (car il est nul)
mais de la volatilité seule!
Dans le cas précédent elle est donc de 100.- et
suit une loi Normale centrée réduite. D'où
la raison de définir la VaR formellement
comme étant la relation
mathématique qui donne un intervalle de confiance (ou une
quantile selon le point de vue) de l'écart-type:
(66.510)
Ainsi, pour une probabilité cumulée
de 99% les logiciels nous donnent en valeur absolue
(voir le traitement des intervalles de confiance dans le chapitre
de
Statistiques):
(66.511)
où par tradition les financiers prennent l'alpha
(et donc la VaR) comme étant positif. D'où le
fait qu'ils parlent de risque couvert à 99% (sous-entendu
pendant un certaine période!) alors qu'en réalité il
s'agit de couvrir un risque qui a 1% de probabilité cumulée
d'avoir lieu (mais strictement parlant c'est la même chose
simplement que le premier est plus facile à faire comprendre à un
client...!!!). Raison pour laquelle nous trouvons parfois aussi
la VaR sous
la forme suivante:
(66.512)
Signalons que le résultat du calcul peut être désigné
aussi sous le nom de "réserve
fractionnaire" (bien
que cela n'ait aucun rapport avec la façon dont les États
imposent une réserve fractionnaire aux banques) ou encore "réserve
mathématique" (bien que cela n'ait aucun rapport avec
la manière dont les assurances calculent la réserve
mathématique).
Si cela n'est pas très clair, rappelons le schéma
suivant vu dans le chapitre de Statistiques:
Figure: 7.60 - Intervalles sigma de la loi Normale
qui était au tableau suivant pour quelques
valeurs choisies courante dans l'ingénierie (nous verrons plus
loin quelqus
valeurs typiques en finance):
Niveau de qualité Sigma
|
Pourcentage cumulé droite/gauche
en %
|
Pourcentage cumulé à
gauche en % dans les négatifs
|
Quantile |Z|
correspondant |
1
|
68.26894
|
68.26894/2=34.13447
|
1 |
2
|
95.4499
|
95.4499/2=47.72495
|
2 |
3
|
99.73002
|
99.73002/2=49.86501
|
3 |
4
|
99.99366
|
99.99366/2=49.99683
|
4 |
5
|
99.999943
|
99.999943/2=49.9999715
|
5 |
6
|
99.9999998
|
99.9999998/2=49.9999999
|
6 |
Tableau: 7.5 - Niveau de qualité Sigma
Donc quand nous prenons une valeur du quantile
cela
correspond toujours à un Z donné et donc à
un nombre d'écarts-types Z.
Petite information intéressante: Si nous nous couvrons
du risque à 2 par
exemple en journalier (ce qui est très peu au passage...) cela
signifie qu'en unilatéral gauche, nous supposons donc environ 5%
de probabilité
cumulée
par jour que l'événement indésirable ait lieu. In extenso si les
événements indésirables sont indépendants alors nous pouvons utiliser
la loi géométrique dont nous avons démontré dans le chapitre de
Statistiques que l'espérance de la première survenue de l'événement
(indésirable dans le cas présent) était égale à l'inverse de la
probabilité.
Donc avec l'étendue choisie,
nous avons l'événement en question qui apparaîtra en moyenne environ
une fois tous les 20 jours (1/5%). Remarque: Le modèle RiskMetrics
de J.P. Morgan/Reuters proposait en 1996 de prendre un de
1.65 correspondant a une probabilité cumulée
de 95%. Certains praticiens recommandent fortement, au vue de l'hypothèse
forte et simplificatrice de Normalité..., de multiplier
la VaR par
un facteur 2 ou 3 (nous démontrerons plus loin pourquoi).
Exemple:
Un portefeuille P de valeur 1'000.- a une volatilité annuelle
de 10%. La volatilité journalière (instantanée)
du rendement est alors de (nous utilisons ici la propriété du
mouvement brownien standard où pour rappel les rendements
sont supposés indépendants d'un jour là l'autre...):
(66.513)
où 252 est le nombre de jours de Bourse dans l'année
dans un pays donné. Soit en numéraires:
(66.514)
La VaR relative au seuil de 99% à une
journée
est alors:
(66.515)
De même sur un an nous aurions la VaR relative
annuelle au seuil de 99% suivante:
(66.516)
Soit une VaR relative de 23.26% (juste histoire de la
donner en pourcents comme il est d'usage dans le domaine financier).
Ainsi, en ce qui concerna la VaR annuelle relative,
nous avons alors 99% de probabilité cumulée de gagner
232.60.- mais aussi de les perdre! Effectivement nous avons 1%
de probabilité cumulée d'avoir une perte annuelle
de:
=NORMSINV(1%*10%*1000)=-232.6
donc il faudrait
au moins un capital risque (fonds propres)
de
232.6.-
pour couvrir 99% des risques (couvrir cette probabilité cumulée
de 1% d'être dans une mauvaise année respectivement).
Nous pouvons aussi dire que nous avons 99% de probabilité cumulée
de ne pas perdre plus 232.6.-. Nous retrouvons donc le même
résultat
numérique
qu'avec l'exemple précédent.
Le lecteur remarquera que nous avons donc dans le domaine de
la Bourse (ceci découle donc du mouvement brownien standard)
pour passer d'un horizon temporel journalier à un annuel:
(66.517)
Les financiers appellent cette propriété du
mouvement brownien dans le cadre de l'utilisation de la VaR la "scaling
law". Elle est autorisée par les accords de
Bâle en 1996
qui présupposent une distribution Normale et conseillent
un horizon temporel de 10 à 30 jours. Nous avions vu cependant
lors de notre démonstration
du modèle
du mouvement brownien standard que nous sous-estimons sous cette
hypothèse
le risque réel et que ce réflexe de changement d'échelle
via la racine carrée est très critiquée par
les spécialistes.
Donc la VaR bien qu'étant un montant
placé
dans les capitaux propres (provisions pour risques et charges)
afin de faire
face à un décrochage violent mais temporaire du marché,
ne suffit pas à se protéger d'un retourenement puissant
et durable du marché... Raison pour laquelle les banques
provisionnent souvent le minimum minimorum...
Dans le cas où les rendements ne sont pas
indépendants mais sont décrits pas un processus autorégressif
d'ordre 1 (voir les séries temporelles plus loin dans ce
chapitre) tel que:
(66.518)
Nous avons alors en considérant la variance
résiduelle
comme négligeable et que les rendements ont une variable
égale d'un jour sur l'autre:
(66.519) Nous avons donc:
(66.520)
Si la corrélation est nulle nous retrouvons bien le facteur d'échelle
temporelle de racine carrée de 2. Il est intéressant de remarquer que dans
le cas général (voir l'étude des AR(1) plus loin) où la rendement a une tendance
à la hausse, la VaR AR(1) est toujours plus élévée que la VaR classique.
Remarques:
R1. Personnellement je préconiserai
de se couvrir selon la méthode Six Sigma à 99.9996%
sur un horizon temporel correspondant au minimum au temps de
position moyen. Mais c'est personnel et très simpliste...
R. Il existe une version simpliste et traditionnelle de la
VaR, dit "VaR non paramétrique" qui
consiste à prendre un centile donné de la distribution
des pertes historiques ou simulées. Ainsi, si nous avons à notre
disposition N données de pertes, la VaR paramètre
au seuil de
99% consiste alors à prendre le 99ème centile de
la série de valeurs. Donc rien de particulier à signaler à ce
niveau...
Le but ici va être de démontrer pourquoi les accords
de bâle recommandent
de multiplier la VaR par un facteur de 3.03.
Rappelez-vous d'abord que dans le chapitre de Statistiques une
variante d'écriture de l'inégalité de
Bienaymé-Tchebychev:
(7.521)
Faisons maintenant l'hypothèse forte comme
quoi la distribution sous-jacente est symétrique. Dès
lors, il est quasi immédiat que nous sommes amenés à écrire:
(7.522)
Supposons que nous imposons cet écart à la moyenne
d'avoir une probabilité cumulée de 1%. Cela revient
alors à écrire:
(7.523)
Soit l'écart à la moyenne au seuil de probablité
cumulée de 1% s'écrit alors:
(7.524)
Or, rappelons que dans le cas d'une loi Normale,
nous venons de voir plus haut que:
(7.525)
Il y a donc un rapport de:
(7.526)
Nous retrouvons alors le multiplicateur proposé
dans les premières accords de Bâle concernant les meilleures
pratiques de la VaR. Bien évidemment, il est tout à fait justifié
que le lecteur s'interroge sur grande différence
entre les
deux approches (presque 300%!!!). Eh bien c'est simple: il faut
d'abord se rappeler que l'inégalité de BT est une... inégalité
valable pour toute fonction de distribution symétrique et la
valeur de 7.071 est donc la borne supérieure aux pire (max) pour
le
cas
général
alors que la valeur de 2.326 est uniquement pour la loi Normale
qui est une gentille distribution (avec pour rappel la probabilité
qui décroît exponentiellement alors que pour certaines lois symétriques
la décroissance est juste de type puissance comme c'est le cas
pour la fonction de distribution de Pareto).
VAR ABSOLUE
La mesure de VaR que nous venons de donner est une mesure
relative car elle ne tient pas compte de la moyenne des pertes
et gains futurs.
Si la volatilité est de 100.- dans l'exemple qui
vient d'être donné, la VaR relative
est donc 232.6.- Mais comme le profit moyen est généralement
non nul sur une longue période de temps, nous devons
la plupart du temps utiliser la
mesure absolue de la VaR (sur une très courte période
le profit étant considéré comme parfois nul, on s'en tient au calcul
de la VaR relative).
Rappelons d'abord que suite à notre étude du modèle
de Bachelier nous avons démontré que l'espérance
positive de la valeur (ou rendement) ainsi que l'écart-type
positif d'un portefeuille sont proportionnels à la
racine carrée du temps.
Supposons que la période d'observation t soit en
mois. Le rendement mensuel espéré pour le portefeuille
de valeur initiale S est
alors de (son
espérance donc..!.) et la variance mensuelle de son rendement
de .
Sa VaR relative au seuil de confiance
est donc après t mois donnée par (vous pouvez
vérifier
que la relation
est bien homogène!):
(66.527)
comme nous avons pu le vérifier dans l'exemple
précédent (donc jusqu'ici rien de nouveau...). La
racine carrée
du temps provient, pour rappel, du modèle de Bachelier (mouvement
brownien standard).
En version de Monte-Carlo avec du VBA (car la version
ci-dessus est dite "ponctuelle") cela donne:
Remarque: Contrairement à ce
que nous avions vu lors de notre étude
des seuils/intervalles de confiances dans le chapitre de Statistiques,
nous ne divisons pas par 2 l'argument de la fonction NORMALSINV()
de la version anglaise de Microsoft Excel 11.8346 pour
obtenir le dans
la situation ci-dessus car ce qui nous intéresse c'est seulement
un côté de la courbe centrée réduite
(le côté "pessimiste")
et non les deux.
Si nous reprenons le même exemple que précédemment
(portefeuille de 1'000.- avec 10% de volatilité annuelle).
La VaR relative
est donc sur une projection de 30 jours
de:
(66.528)
Mais cette dernière relation ne tient pas compte
du rendement moyen espéré du
portefeuille dans le temps.
La VaR absolue est donc obtenue en retranchant ce rendement à la VaR relative
sur la même période temporelle, c'est-à-dire:
(66.529)
où nous faisons l'hypothèse particulière
que le rendement est donc linéairement dépendant
du temps (conformément à la construction semi-empirique
du mouvement brownien standard). La VaR absolue
est donc bien évidemment
inférieure à la
VaR relative de ce montant.
Mentionnons que le calcul de la VaR absolue
peut être considéré comme vicieux ou ayant
peu d'intérêt car
il suppose que le gain obtenu grâce au rendement sera placé dans
les fonds propres pour financer la VaR relative. Or, dans
la majeure partie des cas les gains seront replacés autrement.
Reprenons quand même notre exemple habituel sous cette hypothèse
(portefeuille de 1'000.- avec 10% de volatilité annuelle) avec
un rendement annuel de 15%. Nous avons alors:
(66.530)
Concrètement, si nous finançons la VaR avec
les gains alors sur une année il suffit d'avoir 82.6.- de fonds propres.
Dans la pratique il peut être intéressant de savoir à partir
de combien de temps les gains couvrent la totalité de la VaR.
Dans ce cas il s'agit d'une simple équation du deuxième degré telle
que:
(66.531)
et nous trouverions dans notre exemple 2.4 années. Concrètement après 2.4
années les gains auront couvert la totalité des risques selon les hypothèses
de construction...
VAR delta-normale
Nous venons donc de voir que lorsque nous travaillons avec un actif et que
l'écart-type est exprimé en numéraires (ou en % ensuite
transformé en numéraire),
la valeur numéraire de la VaR relative était donc donnée
sous hypothèse de normalité par:
(66.532)
Mais qu'en est-il de la VaR d'un dérivé (option typiquement)
sachant que celui-ci dépend indirectement de la valeur du sous-jacent et que
seule celle-ci est mesurable sur l'ensemble du marché (afin d'obtenir une distribution
statistique)? Eh bien pour cela nous allons reprendre le développement de Taylor
utilisé plus haut lors de notre étude des processus d'Itô:
(66.533)
Ainsi en en ne prenant qu'au premier ordre nous avons l'approximation
affine suivante (donc approximation grossière valable que dans le domaine
linéaire):
(66.534)
et en laisant de côté la variation temporelle (...) et en prenant
qu'une variation infiniment petite (ce qui permet toutefois de rendre l'approximation
un peu plus réaliste):
(66.535)
Et en écrivant avec la notation d'usage du sous-jacent
telle qu'utilisée lors de notre études du pricing ("valorisation"
en français pour rappel) des options et en utilisant la notation des grecques
telle que définie
plus tôt:
(66.536)
Ainsi, la variation d'un dérivé supposé dépendant
uniquement des variations du sous-jacent au premier ordre est directement proportion à
la variation marginale du prix de l'option multiplié par la variation
du sous-jacent. Ainsi, si nous supposons la distribution des prix du sous-jacent
comme étant
Normale - raison pour laquelle nous parlons alors de "VaR delta-normale",
une approche grossière consiste alors naturellement à écrire
si la volatilité
du
sous-jacent est donnée
en %:
(66.537)
et si la volatilité du sous-jacent est donnée directement en
numéraires:
(66.538)
VAR HISTORIQUE
Une troisième manière pragmatique de calculer la VaR relative est
basée sur les données historiques. Il s'agit de la manière la plus simple de
faire le calcul avec la facilité d'utilisation des tableurs existant aujourd'hui.
Supposons pour l'exemple que nous ayons les cent dernières performances journalières
d'un portefeuille. Les dix plus mauvaises performances journalières sont données
ci-contre par ordre croissant:
Données Historiques |
-19'000 |
-16'450 |
-15'000 |
-12'500 |
-11'950 |
-11'250 |
-11'050 |
-10'600 |
-10'500 |
-10'250 |
... |
Tableau: 66.6 - Performances journalières triées d'un portefeuille
La VaR relative à 95% pour 1 jour consiste alors à déterminer le 5ème
centile. Comme nous avons 100 échantillons, il est facile de déterminer qu'il
s'agit de la 5ème valeur dans l'ordre croissant des valeurs.
Donc:
(66.539)
Comme nous l'avons déjà mentionné dans le chapitre de
Statistiques, dans les tableurs nous utilisons la fonction CENTILE( )
qui n'est pas forcément
calculée de la même manière d'un logiciel à l'autre.
VAR DE CRÉDIT
Pour introduire ludiquement la VaR de crédit Considérons trois portefeuilles, A, B et C dont
les probabilités de défaut de crédit suivent une loi de Bernoulli (donc pour
rappel c'est un événement binaire) de valeurs respectives 5%, 10% et 20% et
dons les valeurs numéraires sont en millions de francs de 25.-, 30.- et 45.-.
Pour l'exemple qui suivra, nous ferons les hypothèses (qui sont souvent implicites
même dans tout ce que l'on a vu jusqu'à maintenant) que l'exposition au risque
est constante, que les portefeuilles sont indépendants et qu'en cas de défaut
de crédit nous perdons tout.
Comme les trois portefeuilles sont donc indépendants, l'espérance de perte
(notée "L" pour Loss) est facilement calculable à l'aide de
la propriété de linéarité de l'espérance:
(66.540)
Comme la perte de crédit est considérée comme une variable aléatoire de Bernoulli
(et que les portefeuilles sont toujours indépendants), nous avons alors toujours
en millions de francs (se référer au calcul de la variance d'une variable aléatoire
de type Bernoulli dans le chapitre de Statistiques):
(66.541)
Bon ceci étant fait pour le plaisir... Comme déterminer le plus finement
possible la distribution des pertes pour avoir la VaR de crédit à un seuil
donné? Eh bien pour cela il va nous falloir construire le tableau de toutes
les issues possibles.
Scénario perte
|
Perte associée
|
Probabilité
|
Probabilité cumulée
|
Aucun
|
0.-
|
(1-0.05)×(1-0.1)×(1-0.2)=68.40%
|
68.40%
|
A
|
25.-
|
0.05×(1-0.1)×(1-0.2)=3.60%
|
72.00%
|
B
|
30.-
|
(1-0.05)×0.1×(1-0.2)=7.60%
|
79.60%
|
C
|
45.-
|
(1-0.05)×(1-0.1)×0.2=17.10%
|
96.70%
|
A, B
|
55.-
|
0.05×0.1×(1-0.2)=0.40%
|
97.10%
|
A, C
|
70.-
|
0.05×(1-0.1)×0.2=0.90%
|
98.00%
|
B, C
|
75.-
|
(1-0.05)×0.1×0.2=1.90%
|
99.00%
|
A, B, C
|
100.-
|
0.05×0.1×0.2=0.1%
|
100%
|
Tableau: 66.7 - Scénarios de pertes et probabilités associées
Ainsi, la VaR de Crédit la plus proche de 95% est de 45 millions
de francs. Puisque nous pouvons nous attendre à une perte de 13.25 millions
de francs, la partie non attendue sera donc considérée comme étant de 31.75
millions de francs.
VAR OPÉRATIONNELLE
Nous avons déjà rencontré le concept de convolution plusieurs fois dans le
chapitre de Statistiques mais pour des lois continues connues explicitement
sous leur forme algébrique.... Dans la pratique il en est tout autre! Ainsi,
les actuaires on souvent à leur disposition pour une période donnée (souvent
sur une année), une distribution expérimentales des fréquences des événements
d'intérêt (accidents, décès ou autre) et une distribution expérimentales des
coûts des événements d'intérêt. Par exemple, considérons le cas très simplifié (en
taille!) suivant:
Distribution Fréquence
(pertes)
|
|
Distribution des coûts
de perte
|
Probabilité
|
Fréquence
|
|
Probabilité
|
Perte
|
0.6
|
0
|
|
0.5
|
1'000.-
|
0.3
|
1
|
|
0.3
|
10'000.-
|
0.1
|
2
|
|
0.2
|
100'000.-
|
Espérance:
|
0.5
|
|
Espérance:
|
23'500.-
|
Tableau: 66.8 - Fréquence d'événements de pertes et probabilités et probabilités de perte
Si nous souhaitons à partir de ces valeurs expérimentales et discrètes déterminer
la distribution empirique des coûts, nous allons devoir faire une convolution
discrète dont le principe est le suivant:
Nombre de pertes
|
Première perte
|
Deuxième perte
|
Perte totale
|
Probabilité
|
0
|
0
|
0
|
0
|
=0
|
1
|
1'000
|
0
|
1'000
|
=0.3×0.6=0.150
|
1
|
10'000
|
0
|
10'000
|
=0.3×0.3=0.090
|
1
|
100'000
|
0
|
100'000
|
=0.3×0.2=0.060
|
2
|
1'000
|
1'000
|
2'000
|
=0.1×0.5×0.5=0.025
|
2
|
1'000
|
10'000
|
11'000
|
=0.1×0.5×0.3=0.015
|
2
|
1'000
|
100'000
|
101'000
|
=0.1×0.5×0.2=0.010
|
2
|
10'000
|
1'000
|
11'000
|
=0.1×0.3×0.5=0.015
|
2
|
10'000
|
10'000
|
20'000
|
=0.1×0.3×0.3=0.009
|
2
|
10'000
|
100'000
|
110'000
|
=0.1×0.3×0.2=0.006
|
2
|
100'000
|
1'000
|
101'000
|
=0.1×0.2×0.5=0.010
|
2
|
100'000
|
10'000
|
110'000
|
=0.1×0.2×0.3=0.006
|
2
|
100'000
|
100'000
|
200'000
|
=0.1×0.2×0.2=0.004
|
Tableau: 66.9 - Convolution distribution des événements de pertes et valeurs associées
L'espérance des pertes est alors égale à 11'750.-, ce qui équivaut aussi à calculer
simplement (l'espérance du produit de deux variables aléatoires indépendantes étant égal
au produit des espérances comme nous l'avons démontré dans le chapitre de Statistiques):
(66.542)
Ensuite, nous combinons et trions les pertes et probabilités:
Perte
|
Probabilité cumulée
|
0
|
60%
|
1'000
|
75%
|
2'000
|
77.5%
|
10'000
|
86.5%
|
11'000
|
89.5%
|
20'000
|
90.4%
|
100'000
|
96.4%
|
101'000
|
98.4%
|
110'000
|
99.6%
|
110'000
|
100%
|
Tableau: 66.10 - Combinaison des calculs
Du côté de la VaR opérationnelle, si on la pose à 95% (les accords de Bâle
II propose plutôt de prendre 99.9%), la valeur la plus proche est alors:
Dès lors, la réserve de perte non attendue est de:
Graphiquement nos tableaux, manipulations et calculs se résument à:
Il est au passage très intéressant de remarquer comment deux simples tables
produisent une quantité de calculs en convolution relativement conséquent.
Raison pour laquelle dans des cas pratiques réels, il faut faire appel à l'informatique.
VAR VARIANCE-COVARIANCE
La VaR variance-covariance est basée sur un cas plus réaliste
du calcul de la VaR pour un portefeuille composé de plusieurs actifs
financiers corrélés
ou non (contrairement aux cas précédents où nous n'avions qu'un
seul actif).
Considérons pour introduire ce concept un portefeuille P1 de
5'000'000.- et de volatilité journalière de 2% (soit de 100'000.-/j.)
et un deuxième
portefeuille P2 de 7'000'000.- et de volatilité journalière
de 1% (soit de 70'000.-/j.).
Nos mesures montrent que leur coefficient de corrélation est
de 0.6. L'écart-type global journalier est alors de (cf.
chapitre de Statistiques):
(66.543)
où comme à l'habitude nous voyons que si la corrélation est négative cela
diminue la volatilité globale.
Ainsi, la VaR relative journalière à 99% pour le portefeuille global
est de (pas de scaling law à appliquer ici puisque l'écart-type
est journalier et que nous voulons la VaR relative journalière):
(66.544)
Il est intéressant de comparer la VaR relative journalière à la
somme des VaR relatives des deux portefeuilles:
(66.545)
Nous avons:
(66.546)
Ceci est dû au gain de diversification!
Remarque: Dans la finance quand la fusion des risques est inférieure à la
somme, nous disons alors techniquement que la mesure de risque est sous-additive
De nombreux praticiens font le même calcul avec le rendement plutôt qu'avec
les valeurs numéraires. Ainsi nous obtenons la VaR exprimée
en terme de rendement.
Remarque: Un premier piège dans le calcul
de la VaR relative
variance-covariance aurait été de calculer l'écart-type
global en % et ensuite de l'appliquer dans la relation du calcul de le VaR globale.
Le résultat aurait dès lors été erroné!
Un deuxième piège est d'utiliser le même centile de la la VaR pour
la fusion des risques que pour les risques individuels car si nous pouvons
accepter des ruines individuels dans un marché très concurrentiel,
nous ne pouvons l'accepter avec le même niveau de risque pour les mêmes grosses
structures.
Si nous avions un unique portefeuille composé de plusieurs instruments
financiers telle que la proportion totale est égale à l'unité,
nous devrions alors conformément
à ce que nous avons vu lors de notre étude du modèle de
Markowitz travailler avec la relation suivante si nous travaillons avec les
rendements:
(66.547)
Ainsi, si nous considérons le premier portefeuille dans une proportion
de 75% (et donc in extenso le deuxième dans une proportion de 25%). Nous avons
alors:
(66.548)
Soit une VaR de rendement de (toujours sous l'hypothèse
de normalité):
(66.549)
Qui représente donc en % le montant que nous pouvons perdre
de la valeur du portefeuille.
VAR MARGINALE
Lors de notre étude du modèle de diversification efficiente
de Markowitz, nous avons montré que la variance d'un portefeuille composé de
plusieurs investissements en proportions données s'écrivait:
(66.550)
La variation de cette variance par rapport à une variation d'une des
proportions seule
donne:
(66.551)
Rappelons la propriété de bilinéarité de la covariance
démontrée dans le chapitre de Statistiques:
(66.552)
En posant ,
nous avons:
(66.553)
Notons , nous avons:
(66.554)
Donc nous obtenons:
(66.555)
Soit au final:
(66.556)
Mais nous avons aussi:
(66.557)
Donc nous en déduisons:
(66.558)
Le lecteur remarquera que nous retrouvons à peu de choses près le coefficient
bêta.
Dès
lors, nous pouvons écrire (au passage je préfère écrie les pois selon
la notation la plus usitée):
(66.559)
Ainsi, en se rappelant que la VaR relative est donnée par:
(66.560)
la VaR marginal est alors logiquement donnée par:
(66.561)
Ce qui donne donc pour un actif donné ayant un poids donné dans un portefeuille
donné l'augmentation en % de sa contribution au risque du portefeuille lorsque
l'on augmente son poids de 1%.
Rappelons pour clore à quoi sert la VaR? Mentionnons
d'abord qu'elle se révèle d'une grande utilité puisqu'elle
est mesurée en termes nominaux.
Une fois qu'une institution financière a calculé sa VaR globale,
c'est-à-dire la perte maximale qu'elle peut encourir sur
l'ensemble de son bilan pour une probabilité prédéterminée,
il lui est loisible de se servir de ce montant pour déterminer
le capital (avoir propre) minimal qu'elle doit détenir pour ne
pas s'exposer à la faillite.
Si en effet elle détient un capital moindre et que la perte
maximale probabiliste se produit, son avoir propre sera négatif
et elle devra peut-être déposer son bilan.
La VaR est donc très utile pour une institution financière,
car elle lui permet de déterminer le niveau du capital qu'elle doit
maintenir pour survivre. Quand la VaR est utilisée à cette
fin, nous l'appelons plus communément CaR pour "Capital
at Risk", c'est-à-dire que le capital que doit
détenir une institution financière est calculé ou évalué selon
les risques auxquels elle est exposée. Plus le risque est
important, plus elle devra maintenir un capital élevé.
Cela apparaît bien raisonnable,
car le capital détenu par une institution financière
est d'abord et avant tout un filet de sécurité. Pour
une banque, il vise à protéger
les dépôts à son passif. La VaR se
présente
donc comme une mesure appropriée pour définir le
capital réglementaire que doit détenir
une institution financière. C'est pourquoi le Comité de
Bâle, chapeauté par
la Banque des Règlements Internationaux, retenait cette
mesure pour calculer le capital réglementaire d'une institution
de dépôts
en 1995 et qui est devenue effective en janvier 1998. Celles-ci
doivent maintenant calculer leur exposition au risque en recourant à la
VaR et tester sa justesse en faisant des "stress
tests"
(confronter les calculs à des variations extrêmes
) ainsi qu'à des
"back testing" en vérifiant que les grandes déviations
(en dehors de l'intervalle de confiance) n'ont pas lieu plus de
5 fois par année
boursière (donc par comparaison aux données historiques).
BACK-TESTING DE LA VAR (MODÈLE BINOMIAL)
Comme mentionné précédemment, le "back-testing" est
une méthode très fréquente utilisée par les traders
pour contrôler a posteriori de l'efficacité d'un modèle
prévisionnel ou d'un stratégie de trading.
Nous allons voir ici un modèle naïf de back-testing de la VaR (il en existe un grand nombre) mais lorsque le lecteur parcourra plus loin
les modèles prévisionnels (moyenne mobile, lissage exponentiel,
ARIMA, etc.) nous verrons que nous comparerons ces modèles avec les
mêmes valeurs en utilisant des mesures d'erreurs (ME, MAD, MDS, MPE).
Ces comparaisons sont considérées alors aussi comme une forme
de "back-testing".
Donc pour en revenir à la VaR, il est relativement évident que
lorsque l'on vient de mettre en place un modèle de VaR par exemple annuel
et que l'on a peu d'historique il vaut mieux la ramener à une VaR journalière
et faire le back-testing sur la base d'une plus petite unité.
Rappelons l'exemple du début où nous avions une VaR relative
journalière et respectivement annuelle au seuil de 1% (donc couverture à 99%)
de:
(66.562)
Supposons que nous faisons un back-testing de ce modèle
en le comparant aux données de 600 journées que nous avons en
notre possession. Nous observons 9 valeurs au-dessus de 14.65.-. Que pouvons-nous
en conclure???
Eh bien il faut d'abord savoir que si les N journées
sont indépendantes et que nous notons par p la probabilité qu'un
des journées soit hors de la VaR (donc valeur associée égale à 1%
dans notre exemple!), alors nous avons affaire à une expérience
de N épreuves de Bernoulli. Il s'agit donc d'une loi Binomiale
dont la probabilité cumulée associée est pour rappel (cf.
chapitre de Statistiques):
(66.563)
Dès lors, l'espérance est déjà donnée
par (c'est sympa de la calculer mais en réalité ce n'est pas très utile):
(66.564)
Cependant pour connaître la probabilité cumulée
associée à 9 événements, nous calculons par exemples
avec Microsoft Excel 14.0.6129 en anglais:
=BINOM.DIST(9;600;1%;TRUE)=BINOM.DIST(9;600;1%;1)=91.71%
Soit une p-value de 8.29%. Donc que ce soit en unilatéral
ou bilatéral, ce test d'hypothèse nous amène à ne
pas rejeter le modèle de la VaR. Il ne faut pas oublier que
si N est très grand et que la probabilité est petite,
la loi binomiale tend vers une loi Poisson (cf. chapitre
de Statistiques) qui est plus simple à manipuler (c'est la recommandation
du standard CreditRisk+).
|