Gestion de Portefeuille - 2

Universit Paris Dauphine
Mathmatiques de la Modlisation et de la Dcision M1MMD
Gestion de Portefeuilles
responsable du cours :
Imen Ben Tahar
imen@ceremade.dauphine.fr
2010-2011
Introduction
Ce cours a pour objectif de donner des lments de rponse au problme suivant :
tant donne une somme dargent que lon dcide dinvestir sur le march financier,
quelle doit tre la stratgie de placement ? Quels produits dtenir et dans quelles
proportions ?
Ce problme soulve un certain nombre de questions
quelles informations a-t-on accs sur les marchs financier ?
sur quels critres peut-on se baser pour dcider de la stratgie de placements ?
quels outils de modlisation conomique, quels outils mathmatiques, informatiques, ... etc, peut-ont faire appel pour traiter ces questions ?
A quelles informations a-t-on accs ? Il sagit tout dabord de cerner les diffrents
produits, ou les diffrentes classes de produits, qui forment le march financier. On
sintresse ensuite aux donnes disponibles relatives ces diffrents produits, leur nature, leur pertinence, galement les mthodes statistiques permettant de les analyser.
Ces points font lobjet du Chapitre 1 de ce cours.
Sur quels critres peut-on se baser pour dcider de la stratgie de placement ?
A travers cette question nous pouvons aborder trois volets. Le premier concerne
la politique de placement relative linvestisseur, quil soit un agent particulier ou
bien une institution. En effet, pour dcider de la manire avec laquelle son portefeuille dactifs financiers sera constitu ou mis jour, il est essentiel pour linvestisseur dnoncer clairement les objectifs quil veut atteindre tout aussi bien que les
contraintes auxquelles il est soumis. Cest la politique de placement quest consacr
le Chapitre 2.
La politique de placement tant prcise, il est alors ncessaire dtablir un cadre formel dans lequel sera trait le problme de gestion de portefeuille. Cest le deuxime
volet. Il sagit dtablir un modle pertinent pour le march financier, de trouver un
bon critre pour le choix de portefeuille et de mettre en oeuvre les outils math-
3
matiques, ou encore informatiques pour la rsolution du problme. Dans ce sens, le
Chapitre 3 prsente la thorie moderne de gestion de portefeuille. On exposera dans
ce chapitre la thorie de choix de portefeuille de Markowitz, le modle de lquilibre
des actifs financiers (MEDAF) et enfin, la thorie de lvaluation par arbitrage (arbitrage pricing theory APT) dans le cadre des modles factoriels.
Le Chapitre 4 sera consacr des techniques classiques particulires dAssurance de
portefeuille. On prsentera notamment des stratgies faisant intervenir des produits
drivs, ou encore les stratgies coussins multiples et les stratgies stop-loss.
Enfin, le troisime volet concerne lvaluation du processus de gestion de portefeuille
tabli et sa capacit rpondre aux objectifs viss. Cest lobjet du Chapitre 5.
Table des matires
1 March financier et donnes financires

1.1
1.2
1.3
Marchs financiers . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1
Les produits du march financier . . . . . . . . . . . . . . . .
1.1.2
Fonctionnement des marchs financiers . . . . . . . . . . . . .
11
Elments danalyse des donnes financires . . . . . . . . . . . . . . .
12
1.2.1
Prix et rentabilits . . . . . . . . . . . . . . . . . . . . . . . .
12
1.2.2
Rsums empiriques . . . . . . . . . . . . . . . . . . . . . . .
14
1.2.3
Lois statiques gaussiennes pour les rentabilits . . . . . . . .
16
1.2.4
Tester lhypothse de normalit . . . . . . . . . . . . . . . . .
18
1.2.5
Quelques faits styliss . . . . . . . . . . . . . . . . . . . . . .
20
De lefficience des marchs financiers . . . . . . . . . . . . . . . . . .
21
2 Politique de gestion de portefeuille
25
2.1
Enoncer la politique de placement . . . . . . . . . . . . . . . . . . . .
25
2.2
Dterminants de la politique de placement . . . . . . . . . . . . . . .
26
TABLE DES MATIRES

2.2.1
Les objectifs de placement . . . . . . . . . . . . . . . . . . . .
26
2.2.2
Les contraintes de placement . . . . . . . . . . . . . . . . . .
27
3 Thorie moderne de portefeuille

3.1
Thorie de portefeuille de Markowitz . . . . . . . . . . . . . . . . . .
29
3.1.1
Modle du march financier . . . . . . . . . . . . . . . . . . .
29
3.1.2
Choix en prsence de risque : thorie de lesprance dutilit .
32
3.1.3
Critre de moyenne-variance et portefeuilles efficients . . . . .
34
3.1.4
Dtermination de la frontire efficiente en absence de lactif

sans risque . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.5
3.2
3.3
29
37
Dtermination de la frontire efficiente en prsence de lactif

sans risque . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
Le modle dquilibre dactifs financiers MEDAF . . . . . . . . . . .
48
3.2.1
Drivation du modle . . . . . . . . . . . . . . . . . . . . . .
48
3.2.2
Extensions du modle . . . . . . . . . . . . . . . . . . . . . .
53
3.2.3
Validation empirique . . . . . . . . . . . . . . . . . . . . . . .
55
Thorie de lvaluation par arbitrage (APT) et modles factoriels . .
59
3.3.1
Modle factoriel linaire . . . . . . . . . . . . . . . . . . . . .
60
3.3.2
Nature des facteurs . . . . . . . . . . . . . . . . . . . . . . . .
61
3.3.3
Absence dopportunits darbitrage et relations fondamentales

de lAPT . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 Assurance de portefeuille
62
65
TABLE DES MATIRES
4.1
Assurance de portefeuille : dfinition . . . . . . . . . . . . . . . . . .
65
4.2
Stratgies utilisant des options . . . . . . . . . . . . . . . . . . . . .
66
4.2.1
Rappels sur les options classiques . . . . . . . . . . . . . . . .
66
4.2.2
Le montage de base . . . . . . . . . . . . . . . . . . . . . . .
68
4.2.3
Rplication du put : cadre du modle binomial lmentaire
69
4.2.4
Rplication du put : cadre du modle de Cox-Ross-Rubinstein
70
4.3
Stratgies Stop-Loss . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
4.4
Mthodes du coussin multiple . . . . . . . . . . . . . . . . . . . . . .
72
5 Evaluation de performance
75
A Rappels sur loptimisation sous contrainte
77
TABLE DES MATIRES
Agenda
sance 1
Chapitre 1 et 2 : introduction de la gestion de portefeuille, des

marchs financiers et quelques mots sur la politique de placement
sance 2
Chapitre 3 : thorie de Markowitz : critre moyenne-variance et

notion de portefeuille efficient- Discussion propos du critre
moyenne variance en vue de le thorie vNM
sance 3
Chapitre 3 : la frontire efficiente et le thorme des deux fonds
sance 4
Chapitre 3 : le MEDAF
sance 5
Chapitre 3 : le MEDAF quelques extensions, validation empirique
sance 6
Chapitre 3 : APT et modles factoriels : Modle un facteur comparaison avec le MEDAF
sance 7
Chapitre 4 : APT et modles factoriels : Relation fondamentale de

lAPT
sance 8
Chapitre 4 : APT et modle factoriels : Relation fondamentale de

lAPT
sance 9
Chapitre 4 : Stratgies dassurance de portefeuille-1
sance 10
sance 11
sance 12
Chapitre 6 : Mesure de performance
Chapitre 1
March financier et donnes

financires
1.1
Marchs financiers
Le rle des marchs financiers est de mettre en rapport des agents en qute de
capitaux (ltat, les entreprises) et des agents disposant dune pargne (les mnages,
les investisseurs institutionnels tels que les compagnies dassurance, les caisses de
retraites, les grants de fonds). Un agent en besoin de financement mets des titres
financiers. En contrepartie de largent quil reoit par lacqureur du titre, il doit assurer ce dernier des bnfices futurs (flux montaires, droits, ...) dans des conditions
prcises.
1.1.1
Les produits du march financier
On peut classer les diffrents produits du march financier selon le tableau

9
10
CHAPITRE 1. MARCH FINANCIER ET DONNES FINANCIRES

March financier
march des capitaux
march montaire
produits drivs
obligations
actions
Les instruments du marchs montaire sont des instruments demprunt

court terme pouvant tre mis par le gouvernement, les banques, les investisseurs
institutionnels ou les entreprises. Ils ont une maturit pouvant aller de 10 jours 7
ans . Exemple : Bons du trsor.
Les produits du march des capitaux
sont des titres dont la maturit est su-
prieure une anne, voire non dfinie. On distingue dune part les titres revenus
fixes, les obligations, qui donnent droit une srie de flux montaire bien dtermins,
et dautre part les actions qui constituent une part du capital de lmetteur et par
suite donnent droit la participation ses bnfices.
Les obligations : une obligation est un titre dendettement. Lmetteur de lobligation sengage rembourser terme son porteur et lui verser des intrts des dates
spcifies. Les obligations peuvent tre mises par ltat, les collectivits locales, les
tablissement publics, les intermdiaires financiers et les socits.
Les actions : Une action est un titre de participation dans le capital social de son
metteur (socit de capitaux) . Dans sa forme traditionelle elle donne droit la
gestion de la socit (une action = une voix dans les votes en assemble gnrale),
et aux bnfices (sous forme de dividendes).
Les produits drivs sont des produits dont la valeur drive dun ou de plusieurs
titres financiers. Exemples : les options dachat, les options de vente, les contrats
terme.
1.1. MARCHS FINANCIERS
1.1.2
11
Fonctionnement des marchs financiers
Le fonctionnement des marchs financiers repose sur deux compartiments : le march primaire et le march secondaire.
Le march primaire est proprement parler le lieu de rencontre des agents en besoin de financement et des agents disposant dpargne, puisquil sagit du march de
lmission des titres.
Le march secondaire est le lieu o seffectue lchange des titres qui ont t dj
mis. Par le jeu de loffre et la demande, les prix des produits financiers varient sur ce
march et peuvent, ventuellement, scarter considrablement du prix lmission.
Mcanisme des ordres en bourse Pour pouvoir effectuer des oprations en

bourse un agent doit tre titulaire dun compte chez un intermdiaire habilit.
Lagent communique les oprations lintermdiaire qui se charge prsenter les
ordres au march. En contrepartie, lintermdiaire touche une commission : ce sont
les cots de transactions.
Sur la bourse de Paris, le rglement des ordres peut se faire selon deux modalits.
(i) La premire est le systme du comptant, le rglement et la livraison des titre se
font instantanment et simultanment. Cette modalit constitue la norme. (ii) La
deuxime modalit est le Service de Rglement Diffr (SRD). Ce service permet un
dcalage entre le jour de la ngociation et le jour du rglement ou de livraison des
titres. Seule une slection des valeurs boursires peuvent tre ngocies selon cette
modalit.
Les ordres peuvent tre des ordres dachat, des ordres de vente de titres que lagent
dtient, mais galement des ordres de ventes dcouvert : lagent propose la vente
des titres quil ne possde pas. En pratique, lintermdiaire en bourse se charge demprunter les titres chez un autre agent pour effectuer la vente. Lagent qui les a vendus
dcouvert doit acheter des titres, une date future, pour remplacer ceux qui ont
12
t emprunts. Les ventes dcouvert ne peuvent pas tre ralises pour tous les
titres. Sur la bourse de Paris elles ne concernent que les titres du SRD. De plus,
certaines socits peuvent ne pas autoriser la vente dcouvert de leurs titres.
1.2
Elments danalyse des donnes financires
Dans lobjectif de grer des portefeuilles de titres financiers, notre premire attention porte sur les donnes relatives ces titres. Les donnes accessibles sont bien
entendu les prix actuels ou encore les historiques de prix ; mais noublions pas que
le rsultat des dcisions dinvestissement prises aujourdhui dpendent des niveaux
futurs des prix, lesquels ne peuvent tre dtermins avec certitude. Face cette
incertitude, loutil statistique est un outil naturel qui aide
comprendre travers lanalyse des donnes historique le comportement des prix,
proposer un modle pour lvolution des prix aidant la prvision et la quantification des risques.
Cette section prsente quelques outils statistiques lmentaires pour une premire
analyse des sries financires.
1.2.1
Prix et rentabilits
Soit Pt le prix dun actif financier au temps t, et Dt pay par cet actif entre les
dates t 1 et t. Nous noterons pt := ln(Pt ) le log-prix la date t.
Dfinition 1.2.1 La rentabilit simple entre la date t et la date t 1 est dfinie par
Rt :=
Pt + Dt
1.
Pt1
(1.2.1)
La log-rentabilit, appele encore rentabilit gomtrique, est dfinie par

rt := ln(1 + Rt ) = ln(Pt + Dt ) ln(Pt1 ) .
(1.2.2)
1.2. ELMENTS DANALYSE DES DONNES FINANCIRES
13
Remarque 1.2.1 Notons que si la rentabilit est proche de zro, alors ces deux
dfinitions sont (presque) quivalentes : rt = ln(1 + Rt ) Rt .
Soit Rt (k), respectivement rt (k), la rentabilit simple, resp. logarithmique, entre la

date t et la date t k. Si on ne tient pas compte des dividendes, elles sont donnes
par
Rt (k) = (1 + Rt )...(1 + Rtk+1 ) 1 et rt (k) = rt + ... + rtk+1 , (1.2.3)
Pourquoi les rendements plutt que les prix ?

La figure 1.2.1 prsente lvolution du cours de clture mensuel et les log-rentabilit
mensuelles du CAC40 sur la priode 02/199309/2007. Chacune de ces sries temporelles est issue de lobservation des ralisations, a posteriori, dun processus alatoire.
Si nous voulons lutiliser des fins de modlisation ou de prvision, nous devons faire
attention aux deux points suivants.
(i) Le premier point est la mesure dans laquelle le processus gnrateur de ces donnes reste invariable ou change dune priode lautre. Le fait de se servir dobservations du pass pour modliser les ralisations du futur na de sens que si certaines
proprits de ce processus alatoire demeurent constantes dans le temps. A cette
ide correspond la notion statistique de stationnarit.
(ii) Le deuxime point est la faon avec laquelle une observation dpend des ralisations passes. Cest la notion dautocorrlation. Plus la structure de dpendance est
complexe, plus le traitement statistique est difficile.
Lanalyse directe des sries de prix se rvle difficile car elles ne sont pas stationnaires et exhibent une forte corrlation. Les sries des rentabilits ont en gnral de
meilleures proprits statistiques.
14
Figure 1.1
CAC 40 logreturns
0.05
logreturns
0.10
3000
0.05
0.00
5000
4000
CAC40
0.10
6000
0.15
0.20
Cours CAC40
20
40
60
80
100
120
20
40
jan 1993 sep 2007
1.2.2
60
80
100
120
jan 1993 sep 2007
Rsums empiriques
On considre une srie temporelle y = {yt , 0 t T } valeur dans Rd , i.e. chaque

observation yt = (yt1 , ..., ytd )0 est un vecteur de Rd avec d 1.
Exemple : Soit S i , i = 1, ...d des actifs du marchs financiers de prix respectifs

Pt1 , ..., Ptd . On sintresse pour chaque actif i la srie des log-rentabilits rti , 0 t T ,
ou bien conjointement la srie ... , 0 t T .
rd
t
Pour rendre compte de ses proprits, on peut calculer des rsums empiriques synthtiques
(i) Moyenne empirique
m
T (y) = yT
:=
T
1X
yt
T
t=1
(1.2.4)
15
(ii) Matrice de variance covariance empirique

T
T (y) = (
ij,T (y))1i,jd :=
ij,T (y)
1 X
(yt yT )(yt yT )0
T 1
(1.2.5)
1
T 1
(1.2.6)
t=1
T
X
(yti yTi )(ytj yTj )
t=1
qui est une matrice carre symtrique semi-dfinie positive.

Dautres moments sont ainsi calculs. Notamment les moments centrs dordre 3 et
4 sont habituellement calculs pour chaque actif :
(iii) Coefficient empirique dasymtrie (skewness empirique)
i (y i ) :=
Sk
T
X
1
1
(yti yTi )3 o
3
i
T 1
i,T (y )
i,T
(y i ) =
ii,T (y) (1.2.7)
t=1
Une loi normale est symtrique, par suite son moment centr dordre 3 est nul. Une
valeur positive du coefficient dasymtrie rvle une distribution plus tendue vers
les valeurs positives, et une valeur ngative indique une distribution plus tendue
vers les valeurs ngatives.
(iv) Coefficient empirique daplatissement (kurtosis empirique)
T
i (y i ) :=
K
T
X
1
1
(yti yTi )4
4 (y i )
T 1
i,T
(1.2.8)
t=1
Pour une loi normale la kurtosis vaut 3. On se rfre ce chiffre pour juger de
limportance des queues dune distribution. On parle de
distribution leptokurtique lorsque la kurtosis est suprieure 3 : queues plus
paisses que celles de la loi normale,
distribution platykurtique lorsque la kurtosis est infrieure 3 : queues plus
aplaties que celles de la loi normale.
16
1.2.3
Lois statiques gaussiennes pour les rentabilits
Soit Pt les vecteurs prix de d actifs financiers pour 0 t T . On considre les

rentabilits simples Rt et les log-rentabilits rt associes. Les modles les plus simples
pour les prix reposent sur des hypothses de lois gaussiennes.
Dfinition 1.2.2 Soient m R et R+ . On note N (m, 2 ) la loi de probabilit
dont la densit est donne par
f (x) =
(x m)2
exp
2 2
2 2
1

.
(1.2.9)
Une variable alatoire relle dont la loi est N (, 2 ) est dite gaussienne.
Un vecteur alatoire X = (X 1 , ..., X d )0 est dit gaussien ssi pour tout a Rd , le
produit scalaire aX est une variable gaussienne. Dans ce cas, on note X N (, ),
la loi gaussienne de moyenne := E [X] et de matrice de variance-covariance =
E[(X )(X )0 ]
Remarque 1.2.2 si un vecteur X = (X 1 , ..., X d ) est gaussien, alors chacune de ses
composantes est une variable alatoire gaussienne. La rciproque nest pas vraie
Proposition 1.2.1 Soit X = (X 1 , ..., X d )0 un vecteur gaussien de moyenne Rd
et de matrice de variance-covariance . Si nest pas inversible alors le vecteur
gaussien X nadmet pas de densit par rapport la mesure de Lebesgue dans Rd .
Sinon, il admet une densit qui scrit

1
1
exp (x )0 1 (x ) , x Rd . (1.2.10)
f (x) =
2
(2)d/2 det
Rciproquement, si un vecteur X admet une densit donne par (1.2.10), alors X est
un vecteur gaussien de moyenne et de matrice de variance-covariance .
Proposition 1.2.2 Soit (X 1 , X 2 ) un vecteur gaussien. Les variables X 1 et X 2 sont
indpendantes ssi cov(X 1 , X 2 ) = 0.
17
Proposition 1.2.3 Soit X1 , ..., Xn une suite de variables alatoires i.i.d qui suivent
n := 1 Pn Xi et Sn := 1 Pn (Xi
la loi N (m, 2 ), avec m R, R+ . Alors X
i=1
i=1
n
n1
n )2 sont indpendantes et vrifient
X
n1
Sn 2n1 et
2
n m
X
tn1 .
Sn / n
(1.2.11)
Hypothse A Les rentabilits simples R1 , ..., RT sont indpendantes, identiquement

distribues, avec R1 N (, ).
Exercice .1 Un investisseur dispose dune richesse initiale V0 quil investit dans les
actifs financiers S 1 , .., S d . Soit i la proportion de la richesse initiale V0 alloue
lactif i. Linvestisseur projette de garder son portefeuille inchang jusqu une date
future T > 0, on note VT la valeur de son portefeuille cette date.
Exprimez la rentabilit du portefeuille R := VT /V0 1 en fonction des i et des
rentabilits simples Ri := RTi (T ) de chacun des actifs S i . Quelle est la loi de R sous
lHypothse A ?
Hypothse B Les log-rentabilits r1 , ..., rT sont indpendantes, identiquement distribues, avec r1 N (, ).
Exercice .2 Dterminez sous lhypothse B les expressions de la moyenne E[Rti ] et
de la variance var(Rti ) de la rentabilit simple Rti .
Quelle est, sous lhypothse B, la loi de rti (k) ?
Hypothse C Modle de marche alatoire pour les log-rentabilits
rt = rt1 + + t ,
(1.2.12)
o (t ) est une suite de variables i.i.d. N (, ).

Exercice .3 On suppose que les rentabilits vrifient lhypothse C. On suppose de
plus que = 2 Id avec > 0. Dterminez lexpression de PT en fonction de P0 .
Calculer E[PTi ] et var(PTi ).
18
1.2.4
Tester lhypothse de normalit
Soit X une variable alatoire et (x1 , ..., xn ) une srie dobservations de ralisations
de cette variable. Nous prsentons dans ce qui suit des mthodes simples pour tester
la normalit de la loi de X.
Histogrammes Une estimation de la densit de X peut tre obtenue partir dun

histogramme des observations (x1 , ..., xn ) dun chantillon (X1 , ..., Xn ) de X.
Un histogramme glissant de pas h > 0 et de noyau K est obtenu en posant
n
fh,n (x) :=
Xi x
1 X
K(
)
nh
h
xR,
(1.2.13)
k=1
o K est une fonction telle que
R K()d
= 1. Lorsque h 0 et nh , cest un
estimateur asymptotiquement convergeant avec

Z

L
2
nh fh,n (x) f (x)

N 0, f (x) K ()d .
(1.2.14)
Exemples de Noyaux
noyau rectangulaire : K() = 12 1||1 ,
2
noyau gaussien : K() = 12 exp 2 .
Tests visuels Un test graphique de normalit est donn par le diagramme quantilequantile, qq plots qui est la reprsentation graphique de

k
, Xk:n , k = 1, ..., n ,
n+1
(1.2.15)
o X1:n , ..., Xn,n est la statistique dordre de lchantillon (X1 , ..., Xn ) et () est le
quantile de la distribution de rfrence. Ainsi, pour obtenir ce diagramme,
1. on commence par ordonner les observations de lchantillon par ordre croissant :
19
Figure 1.2
CAC40 logreturns empirical cumulative distribution function
Fn(x)
0.4
4
0
0.0
0.2
Density
0.6
0.8
1.0
Histogram of CAC40 monthly logreturns
0.15
0.10
0.05
0.00
0.05
0.10
0.15
0.20
CAC40 logreturns
0.1
0.0
0.1
0.2
x1:n ... xn:n .

2. Ensuite, les observations sont reportes sur un graphique. Lobservation de rang k

k
est reprsente par le point ( 1+n
), xk:n , cest dire le point dabscisse le quantile
de la distribution de rfrence dfinie par lobservation xi:n et dordonne xk:n .
3. Si les observations correspondent parfaitement aux quantiles de la distribution
de rfrence, les points du diagramme seraient aligns sur la premire bissectrice et
quidistants.
Figure 1.3
0.20
Normal QQ Plot
0.15
0.10
0.05
0.00
0.05
0.10
Sample Quantiles
Theoretical Quantiles
20
Utilisation des moments dordre 3 et 4 La skewness et la kurtosis qui sont

dfinies, respectivement, partir du moment dordre 3 et du moment dordre 4 dune
distribution, fournissent un test de normalit. En effet, si X N (m, 2 ), alors la
skewness et la kurtosis empiriques associes un chantillon (X1 , , , , , Xn ) vrifient
pour n

6
24
n (X) N 0,
n (X) N 3,
Sk
et K
n
n
(1.2.16)
Tests de Bera&Jarque : si la distribution suit la loi normale, alors la statistique

BJT
:=
T 2
T
2
ST + (K
T 3)
6
24
(1.2.17)
suit asymptotiquement une loi du 2 deux degrs de libert.

BJT 21 (2) on rejette lhypothse H0 de normalit au seuil .
1.2.5
Quelques faits styliss
On dsigne par faits styliss des proprits statistiques communment exhibes par
la plupart des actifs financiers. Il est important de savoir si les modles statistiques
choisis pour modliser les donnes financires permettent de rendre compte de ces
faits styliss.
Absence dauto-corrlation des rendements : les rentabilits sont imprvisibles et exhibent une trs faible autocorrlation, voire une absence dautocorrlation. Ceci
confre aux sries des rentabilits un aspect de marche alatoire.
Queues paisses : les distributions des rentabilits sont leptokurtiques : les queues
des distributions sont plus paisses que celles dune loi Gaussienne.
Asymtrie ngative : le biais vers les valeurs ngatives implique que les pertes svres
ne sont pas aussi rares que pour une loi gaussienne.
1.3. DE LEFFICIENCE DES MARCHS FINANCIERS
21
le klustring de volatilit : on observe que de longues priodes o la variance des

rentabilits est haute se succdent de longues priodes o elle est rduite. Cette
proprit nest pas cohrente avec un modle de rentabilits iid.
les time patterns : le rendements exhibent systmatiquement des hausses ou des
baisses des priodes bien prcises de lanne, du mois, de la semaine ou du jour.
Par exemple, on observe une hausse des rendements durant les trente dernires minutes de la journe, on a remarqu que lundi les rendements sont beaucoup moins
levs que les autres jours de la semaine, ou encore plusieurs tudes ont rvl que
les rendements au mois de janvier sont sensiblement plus levs que les autres mois.
1.3
De lefficience des marchs financiers
La notion defficience du march financier, mise en vidence par FAMA dans les
annes 60, joue un rle fondamentale dans la thorie financire moderne. Dire que
le march est efficient cest dire que le prix courant dun titre incorpore toute linformation disponible, cest dire que la prvision optimale du rendement dun actif
base sur lensemble dinformation disponible est gale au rendement dquilibre du
titre. Ainsi, dans un march efficient les prix constituent des signaux fiables sur
lesquels on peu btir les dcisions dinvestissement.
Dfinition 1.3.1 Un march est dit efficient par rapport un certain ensemble
dinformation F, si toute linformation de F disponible la date t, note Ft , est
parfaitement reflte dans son prix Pt .
Pour prciser la notion dinformation, Roberts (1967) distingue

efficience faible : F est constitue par lhistorique des prix passs. Si le march
est faiblement efficient alors toute lanalyse technique (qui consiste en lanalyse
de prix ou de fonctions de prix passs) est inutile linvestisseur.
22
efficience semi-forte : F est constitue par toute linformation connue publiquement par tous les acteurs du march (information publique). Si lefficience semiforte est vrifie par le march, alors toute lanalyse fondamentale (analyse base
sur linformation publique) est inutile linvestisseur.
efficience forte : F est constitue par toute linformation connue par au moins
un acteur (information publique et prive). Si le march vrifie lefficience forte
alors il nexiste aucune possibilit de gain qui reste inexploite.
Si le march est efficient, alors
- les prix refltent les esprances des revenus futurs auxquels il donnent droit,
- tous les vnements anticips sont dj inclus dans les prix, par suite seuls les
vnements imprvisibles peuvent les influencer Pour traduire formellement cette
hypothse nous avons besoin dintroduire la notion de filtration
Dfinition 1.3.2 Un filtration F = {Ft , t 0} sur un espace de probabilit (, F, P)

est une suite croissante de tribus, i.e. Fs Ft pour 0 s t.
Un processus {Xt , t 0} dfini sur lespace de probabilit (, F, P) est une martingale par rapport la filtration F ssi E [|Xt |] < pour tout t 0 et E [Xt |Fs ] = Xs
pour tout 0 s t.
On trouve dans la littrature plusieurs formulations possibles pour lhypothse defficience parmi lesquelles :
Le prix est une martingale cest dire E [Pt+1 |Pt , ..., P0 |] = E [Pt+1 |Ft ] = Pt
Exemple : modle de marche alatoire : Pt+1 = Pt + t , o {t } est une suite de
variables alatoires i.i.d. avec E [t ] = 0 et var(t ) = 2
Les log-rentabilits sont i.i.d, cest dire {rt = pt+1 pt } est une suite de variables
alatoires i.i.d.
Le march vrifie lhypothse dabsence dopportunits darbitrage, i.e. il existe une
mesure de probabilit Q (quivalente la probabilit historique) telle que les prix,
actualiss par le taux court sans risque, soient des martingales :EQ [Pt+1 /r0,t+1 |Ft ] =
1.3. DE LEFFICIENCE DES MARCHS FINANCIERS
23
Pt /r0,t .
Nombre de travaux ont eu pour objet de tester lefficience des marchs financiers.
Notons que pour tester lhypothse defficience, il faut tre en mesure de dterminer
le prix correct, cest dire, quil faut disposer dun modle dquilibre. Ainsi quand
on teste lefficience, on teste en mme temps le modle de dtermination du prix
dquilibre. Certains tests formels portent sur la prdictibilit des taux de rentabilit
des actifs. On trouve galement des tests portant sur la (vitesse de) raction des prix
la rvlation de nouvelle informations. On peut galement tudier des faits styliss
tels que les time patterns, les effets de taille, ... etc, et analyser leur compatibilit
avec lhypothse defficience.
Quelques rfrences :
1. Tsay, Ruey S. (2005), Analysis of financial time series, Wiley-interscience.
2. Taylor, Stephen (1986),Modelling Financial time series, John Wiley & Sons
Ltd.
3. Fama, Eugne F. (1965), Random Walks in Stock Market Prices, Financial
Analysts Journal.
La bibliothque de dauphine permet daccder un certain nombre de bases

de donnes financires, vous pouvez consulter :
4. www.bu.dauphine.fr/scd/formation/m1/financieres.ppt
et pour une introduction au logiciel R
5. http ://cran.r-project.org/doc/contrib/Paradis-rdebuts_fr.pdf
24
Chapitre 2
Politique de gestion de portefeuille

2.1
Enoncer la politique de placement
La premire tape du processus de gestion de portefeuille, pour un investisseur

institutionnel tout aussi bien que pour un investisseur individuel, consiste tablir
clairement sa politique de placement. Il sagit de fixer : les objectifs de rentabilit
souhaits au bout de lhorizon dinvestissement, les niveaux de risque qui peuvent
tre tolrs, les contraintes des portefeuille et les stratgies admissibles. Le terme
politique de placement dsigne par ailleurs le document crit dtaillant ces diffrents
lments. Le gestionnaire du portefeuille est tenu de le produire et de le rviser
priodiquement.
Enoncer clairement sa politique de placement permet linvestisseur de (i) choisir
le style de gestion qui convient le mieux ces objectifs de rentabilit et de risque,
(ii) garantir tout au long de lhorizon dinvestissement la cohrence des dcisions de
rvision du portefeuille, enfin (iii) dvaluer la performance des stratgies de gestion
appliques.
Nous dtaillons dans ce qui suit les lments dterminants dont un investisseur se
25
26
CHAPITRE 2. POLITIQUE DE GESTION DE PORTEFEUILLE
doit de tenir compte pour tablir sa politique de placement.
2.2
2.2.1
Dterminants de la politique de placement

Les objectifs de placement
La dfinition des objectifs de placement pour un investisseur rsulte dun arbitrage

rendementrisque. Compte tenu du caractre alatoire des rsultats des instruments
financiers, les possibilits de gains quils peuvent produire sont indissociables des
possibilits de perte. Ainsi, un nonc tel que atteindre un rendement maximal
ou garantir un risque minimal occulte lune des deux faces du problme. Un bon
nonc dobjectif est du type atteindre au moins une rentabilit de 30% en supportant, au plus, une perte de 10% du capital.
Le rendement. Le niveau de rendement recherch dpend du type dinvestisseur

et de son secteur dactivit.
Dans le cas dun investisseur individuel le cycle de vie est un dterminant essentiel.
Par exemple, lentre dans la vie active correspond un faible patrimoine financier
et un long horizon de placement, linvestisseur favorise alors des placements rendements relativement levs (quitte prendre plus de risques) ; par contre, la retraite
correspond une phase o lindividus vit des revenus de ses placements ou de ses fonds
de retraite et o son horizon de placement est relativement court, il favorise alors
des placements rendements rguliers et de faible risque.
Dans le cas dune institution, la dtermination du niveau de rendement atteindre
tient compte des flux montaire engendrs par son activit, comme elle tient compte
de lquilibre actif/passif. Elle peut dpendre galement de lge moyen de ses employs.
2.2. DTERMINANTS DE LA POLITIQUE DE PLACEMENT
27
Le risque. Il peut tre dfini de manire quantitative en ayant recours des mesures statistiques telle que : lcart-type, les quantiles (notion de valeur risque
V aR). La tolrance pour le risque est en gnral dautant plus grande que la sant
financire de linvestisseur est solide et son horizon dinvestissement est long. Notons
que pour les investisseurs individuels, des lments autres que quantitatifs influencent
son attitude vis vis du risque. Dans la pratique, les gestionnaires de portefeuilles
peuvent recourir des systmes de scores attribus travers des questionnaires pour
classer les individus selon leur attitude par rapport au risque.
2.2.2
Les contraintes de placement
Les dcisions dallocation de portefeuille sont lis par diffrents types de contraintes.
Les contraintes rglementaires. Il sagit de dispositons lgales qui limitent les

instruments ou les secteurs du march financier auxquels un investisseur peut avoir
accs. Certains investisseurs institutionnels tels que les fonds de pension ne peuvent
pas, par exemple, investir dans des classes donnes de produits drivs jugs trop
risqus. Des contraintes lgales peuvent porter galement sur le niveau de risque
admissible ou le degrs de diversification du portefeuille.
Les rgles de taxation. Cest un lment qui dpend du statut de linvestisseur et du type de produits considrs. Les taxes peuvent constituer une partie non
ngligeable des cots des dcisions dallocation ou de rvision de portefeuille.
Les contraintes de liquidit. Elles sont lies aux besoins en fonds qui peuvent
survenir de manire plus ou moins priodique. Linvestisseur doit tre assur quune
partie des ces placements est suffisamment flexible pour pouvoir, au besoin, satisfaire
ses besoins en liquidits.
28
CHAPITRE 2. POLITIQUE DE GESTION DE PORTEFEUILLE
Chapitre 3
Thorie moderne de portefeuille

3.1
Thorie de portefeuille de Markowitz

The process of selecting a portfolio may be divided in two stages. The first
stage starts with observation and experience and ends with beliefs about the
future performances of available securities. The second stage starts with the
relevant beliefs about future performances and ends with the choice of portfolio
Harry Markowitz
3.1.1
Modle du march financier
On considre un march financier form par d actifs S i , i = 1, ..., d

risqus et un actif sans risque S 0 qui peut tre assimil un placement
bancaire un taux sans risque. Le prix de lactif i une date t 0 est
not Pti . On suppose que ces actifs sont parfaitement divisibles, quils ne
sont soumis ni des cots de transactions, ni des taxes.
Un agent dcide dinvestir une richesse initiale, w0 , dans ce march financier sur un horizon de temps T .
On se concentre tout au long de ce chapitre sur un modle simple une
29
30
CHAPITRE 3. THORIE MODERNE DE PORTEFEUILLE

priode. Les agents ont accs ce march seulement deux dates : le
prsent t = 0 et une date future t = T avec T > 0. A la date t = 0
un investisseur forme, partir de sa dotation initiale, un portefeuille
dactifs et le conserve jusqu la date t = T . A la date t = T linvestisseur
consomme la totalit de sa richesse.
Lincertitude concernant le futur (date T ) est modlise par un espace de
probabilit (, F, P). Pour tout i = 1, ..., d, PTi est une variable alatoire,
et on introduit
Ri :=
PTi
1, i = 0, ..., d et le vecteur
P0i
0

R := R1 Rd (3.1.1)
et on note
0
mi := E[Ri ], M := E[R] = m1 md ,

ij := cov(Ri , Rj ), = ij 1i,jd .
(3.1.2)
(3.1.3)
Hypothse 1 : On suppose que la matrice de variance-covariance est

inversible.
Remarque 3.1.1 Le fait de supposer que est inversible ne rduit pas
la gnralit du modle. En effet, supposons que ne soit pas inversible.
Il existe alors Rd tel que 6= 0 et = 0. Un tel vecteur non nul
vrifie : var( 0 R) = 0 = 0, ce qui implique que la variable alatoire
0 R est gale une constante x presque srement
1 R1 + ... d Rd x = 0 avec 6= 0 .
On dduit que si nest pas inversible, alors la rentabilit de lun des
actifs risqus peut tre obtenue comme combinaison linaire des rentabilits des autres actifs sur le march, on peut alors le considrer comme
redondant.
Remarque 3.1.2 La rentabilit simple de lactif sans risque R0 est une
constante.
3.1. THORIE DE PORTEFEUILLE DE MARKOWITZ
31
Stratgies dinvestissement. Dans ce modle, une stratgie dinves

tissement peut tre dcrite par un vecteur = 1 ... d A o
i est la proportion de la richesse initiale w0 investie dans lactif i, pour
i = 1, ...d,
ainsi, en tenant compte de la contrainte budgtaire, 0 := 1
P
i
i=1...d reprsente la proportion de la richesse w0 alloue lactif sans
risque,
A est lensemble des portefeuilles admissibles. Cest une partie de Rd
qui tient compte des contraintes de portefeuille.
Exemples Si aucune contrainte de portefeuille nest impose, notamment les ventes dcouvert sont autorises pour tous les actifs, alors
A = Rd . Si on interdit les ventes dcouvert pour tous les actifs, alors
o
n
P
A = [0, 1]d , di=1 [0, 1] . Si on borne les proportions alloues
chacun des actifs alors A =
d
Y
[li , Li ] avec li , Li R+ .
i=1
Valeur terminale et rentabilit dun portefeuille. On note Wtw,

la valeur la date t dun portefeuille form partir de la richesse initiale
w et en suivant la stratgie dallocation dcrite par le vecteur A. On
a alors W0w, = w et
WTw,
= w 1
d
X
i=1
0
(1 + R ) +
d
X
w i (1 + Ri )
i=1
0

= w 1 + R + (R R 1) ,
(3.1.4)
o 1 est le vecteur 1 = (1, , 1)0 de Rd . Les expressions de lesprance

et de la variance de la richesse terminale sont donnes par

E WTw, = w 1 + R0 + 0 (M R0 1) , var(WTw, ) = w2 0 (3.1.5)
On voit que la rentabilit (simple) de ce portefeuille ne dpend pas de la
richesse initiale, mais quelle dpend uniquement de lallocation . On la
32

note alors R et son expression est donne par
R

WTw,
0
0
0
:=
w, 1 = R + R R 1 .
W0
(3.1.6)
Lesprance et la variance de la rentabilit associe lallocation de portefeuille sont gales

E [R ] = R0 + 0 M R0 1 , var(R ) = var( 0 R) = 0 (3.1.7)
Le problme de linvestisseur est de choisir parmi lensemble des

allocations possibles de portefeuille, A, un portefeuille optimal. Mais,
selon quel critre ?
Lide de Markowitz est que linvestisseur exprime ses prfrences sur
lensemble des portefeuilles en tenant compte du couple rendement-risque
et ce en examinant deux paramtres : lesprance-la variance du gain associ chaque portefeuille. Dans ce qui suit nous commenons par un rappel
sur le problme de choix en environnement incertain et nous verrons dans
quelle mesure se justifie le recours un critre moyenne-variance pour le
choix de portefeuille.
3.1.2
Choix en prsence de risque : thorie de lesprance
dutilit
Comment exprimer ses prfrences entre diffrentes perspectives alatoires ?

La thorie de von Neumann Morgenstern (1944), en adoptant une axiomatique simple pour caractriser la rationalit des choix des individus en
prsence de risque, aboutit au critre de lesprance dutilit comme rponse cette question. Ainsi, les prfrences dun agent sur un ensemble
33
de perspectives alatoires A sont rationnelles sil existe une fonction dutilit u telle que pour tout X, Y A
X est prfr Y
ssi E [u(X)] E [u(Y )] .
Supposons que A soit un ensemble de variables alatoires relles dfinies

sur lespace de probabilit (, F, P). Un lment X A reprsente le
gain (montaire) associ un(e) projet/stratgie donn(e). Supposons
que les prfrences dun agent sur A soient dcrites par une fonction
dutilit vNM u : R R croissante.
et on
Dfinition 3.1.1 (i). On appelle quivalent certain de X A,
note ecu (X), la valeur certaine (i.e le rel) quivalent pour lagent X,
i.e. : u(ecu (X)) = E [u(X)] (ii). On appelle prime de risque associe
X la quantit u (X) := E[X] ecu (X).
La notion de prime de risque permet de caractris le comportement de
lagent vis vis du risque : une prime de risque positive indique que
lagent est prt renoncer X pour un montant certain ecu (X) qui est
infrieur au gain espr de X
Si u 0 lagent est averse au risque, si u 0 lagent est tolrant
pour le risque et si u = 0 lagent est neutre vis vis du risque.
Proposition 3.1.1 Lagent est
averse au risque ssi u est concave,
tolrant pour le risque ssi u est convexe,
neutre vis vis du risque ssi u est affine.
Si la fonction dutilit u est concave, strictement croissante et deux
fois drivable, alors on peut dfinir lindice absolu daversion pour le
risque
rau : x R
u00 (x)
.
u0 (x)
(3.1.8)
34

Proposition 3.1.2 Soient u1 et u2 deux fonctions dutilit deux fois dif1
frentiables, strictement concaves et croissantes, alors rau rau ssi

1
u u .
On peut alors dire que lagent dont la fonction dutilit est u1 est plus
averse que lagent dont la fonction dutilit est u2 .
3.1.3
Critre de moyenne-variance et portefeuilles effi-
cients
Comme nous lavons cit plus haut, dans la thorie de choix de portefeuille de Markowitz, les prfrences entre les diffrents portefeuilles sont
dfinies uniquement partir de lesprance et de la variance de leurs
rentabilit.
Hypothse M (Markowitz) Les prfrences dun agent sur lensemble
des portefeuilles admissibles A sont caractrises par une fonction dutilit U qui dpend de lesprance et de la variance
1 est prfr 2 ssi

2
2
1
1
U E[WTw, ], var(WTw, ) U E[WTw, ], var(WTw, ) ,
avec U croissante par rapport son premier argument (la moyenne),
et dcroissante par rapport son deuxime argument (la variance). Selon cette hypothse, rsoudre le problme de slection de lallocation de
portefeuille optimale revient rsoudre

sup U E[WTw, ], var(WTw, ) .
(3.1.9)
Critre de moyenne-variance et hypothse de lesprance dutilit :
Dans quelle mesure lhypothse M est-elle compatible avec un
cadre desprance dutilit ?

Selon lhypothse M, un agent utilise uniquement les moments dordre
35
1 et 2 pour comparer les diffrents portefeuilles, en omettant les autres

proprits statistiques des rentabilits telles que la symtrie (moment
dordre 3) ou lpaisseur des queues des distributions (moment dordre
4), ... etc. Cette hypothse restrictive est compatible avec le cadre de
la thorie de lesprance dutilit dans certains cas particuliers. Nous en
citons deux.
Fonction dutilit quadratique Supposons que la fonction dutilit vNM
soit une fonction quadratique, cest dire de la forme u(x) = x x2 .
Dans ce cas

E u(WTw, ) = E[WTw, ] 1 E[WTw, ] var(WTw, ) .
Si on suppose en plus que |WTw, | est borne par
(cest par exemple
les cas si les rentabilit Ri des diffrents actifs sont bornes et les portefeuilles sont contraints tre choisis dans un domaine born), alors, on
se retrouve dans le cadre de lhypothse M. Il faut cependant remarquer
quune fonction dutilit vNM quadratique peut poser problme : (i) elle
nest pas croissante sur tout son domaine, ce qui implique quau del
dun certain niveau de richesse un agent prfre avoir moins de richesse
que plus de richesse, (ii) elle implique que lagent est tout aussi averse
aux dviations qui sont en-dessous de la moyenne, que celle qui sont audessus.
Normalit des rentabilit Nous avons vu dans le Chapitre 1 que la loi normale peut tre considre comme une premire approximation des rentabilits des actifs (Hypothse A). Dans ce cas, pour chaque portefeuille
, la richesse WTw, est gaussienne, et sa distribution est parfaitement
caractrise par sa moyenne et sa variance. Quelle que soit la fonction
dutilit vNM u,

E u(WTw, ) =
Z
R

(x m )2
p
exp
= U (m , ( )2 )
2( )2
2( )2
u(x)
36

o m = E[WTw, ] et ( )2 = var(WTw, ).
Notion de portefeuille efficient
Dfinition 3.1.2 Soit 1 et 2 deux portefeuilles de A. On dit que 1
et prfrable 2 au sens du critre de moyenne variance, et on note
1 mv 2 ssi
h 1i
h 2i
1
2
E R E R
et var(R ) var(R ) .
La relation mv dfinit un prordre sur lensemble A. Ce prordre est
partiel.
Dfinition 3.1.3 Un portefeuille est dit efficient sil nest domin par
aucun autre portefeuille eu sens du prordre mv .
On appelle frontire efficiente lensemble des couples
{(E[R ], var(R )), avec portefeuille efficient} ,
ou encore lensemble des couples
n
o
p
(E[R ], var(R )), avec portefeuille efficient .
Sous lhypothse M, quel que soit lagent k, donc quelle que soit sa
fonction dutilit U k (E[.], var(.)), si un portefeuille k est optimal alors il
est efficient. Ceci est une consquence de la croissance de U par rapport
la moyenne et sa dcroissance par rapport la variance. Rsoudre le
problme de Markowitz (3.1.9) revient alors rsoudre en deux tapes
successives :
1. Dtermination de la frontire efficiente. Ce qui revient la rsolution
du problme (Pf f ) ou dune manire quivalente, du problme (Pf f m ) :
(Pf f ) :
supA E [R ]
s.c. var(R ) = 2
inf A var(R )
, (Pf f m ) :
s.c. E[R ] = m
37
o 2 et m sont des niveaux de variance et desprance de rentabilit

arbitrairement fixs.
2. Slection par lagent du portefeuille optimal. Ceci revient dterminer pour lagent, en vue de ses prfrences, llment de la frontire efficiente quil prfre.
3.1.4
Dtermination de la frontire efficiente en absence
de lactif sans risque

On suppose dans ce paragraphe que les investisseurs sur le march
financier nont pas accs lactif sans risque S 0 . Ainsi lensemble des
portefeuilles admissibles est
(
Ano S 0 =
R ,
d
X
)
0
=1=1
i=1
Pour dterminer la frontire efficiente

F(Ano S 0 ) :=
n

o
p
E[R ], var(R ) , Ano S 0 et portefeuille efficient ,
on rsout pour chaque 2 fix le problme
(P ) :
supAno S0 E[R ]
s.c
var(R ) = 2
supRd 0 M
s.c
i.e.
0 = 2
01 = 1
Une remarque utile

Puisque est une matrice symtrique dfinie positive, lapplication
< , >1 := 0 1
dfinit un produit scalaire dans Rd . On notera
||||1 :=
p
0 1
38

la norme associe.
On introduit les rels
a := 10 1 1 = ||1||21
et b := 10 1 M =< 1, M >1 .
Variance minimale des portefeuilles efficients

On commence par dterminer les valeurs de variance 2 pour lesquelles
lensemble des portefeuilles admissibles de variance 2 est non vide
n
o
Ano S 0 := Rd : 0 1 = 1 et 0 = 2 6= .
Si cet ensemble admet un lment , alors
1 = 10 = 10 1 () =< 1, >1
et
2 = 0 = ()0 1 () = ||||21 ,
par suite
a 2 = ||1||21 ||||21 (< 1, >1 )2 = 1
Rciproquement, si a 2 1, alors lensemble Ano S 0 est non vide. En
effet, soit e un vecteur non nul orthogonal 1, < e , 1 >1 = 0,
avec ||e ||1 = 1. Un calcul simple permet de vrifier que le vecteur

p
0 := 1 a1 1 + 2 1/ae est un lment de Ano S 0 .
Proposition 3.1.3 Lensemble Ano S 0 est non vide ssi 2 a1 .
Si 2 =
1
a,
cet ensemble se rduit au singleton Ano S 0 = { a1 1 1}. En
2
particulier,la variance minimale des portefeuilles efficient est min
= a1 ,
elle est ralise par le portefeuille min = a1 1 1. La rentabilit espre

correspondante est mmin = ab .
Le cas simple M V ect{1}
Dans ce cas, M = ab 1. Le problme
(P ) : sup m 0 1 s.c. 0 = 2 et 0 1 = 1,
Rd
39
devient trivial. On vrifie aisment la proposition suivante.

Proposition 3.1.4 Lorsque M V ect{1}, le rendement espr maxi

mal vaut ab . La frontire efficiente est F(Ano S 0 ) = ( ab , ), a1 .
Figure 3.1 Frontire efficiente dans le cas M V ect{1}
Le cas M 6 V ect{1}
On suppose dans le reste de ce paragraphe que
M
/ V ect{1} et que 2 >
1
.
a
On introduit le Lagrangien associ problme (P ) :

L : (, , ) Rd R R 7 0 M + 2 0 + 1 0 1 .
Pour dterminer les points stationnaires de ce problme doptimisation

et les multiplicateurs de Lagrange
L(, , ) =

L
(P)
=
(, , )
L (, , )
=
associs, on rsout
M 2 1 = 0
2 0 = 0
1 01 = 0
Sous la condition 2 > a1 , la rsolution de ce systme conduit deux

points stationnaires possibles + et , dfinis par
=

1 1
1 ||M ab 1||1
q
M 1 o :=
(3.1.10)
2
2
2 1
a
40

Les multiplicateurs de Lagrange associs au point sont ( , ) dfinis
par
b
||M
||
1
1
a
= (b 2) = b q
a
a
2 a1
, =
(3.1.11)
Les contraintes dfinies par les fonctions

h1 : 7 0
h2 : 7 10 ,
sont rgulires en chacun des points + et . En effet les vecteurs

1
h1 ( ), h2 ( ) = (2 , 1) = ( (M 1), 1)
forment un systme libre puisque M 6 V ect{1}.

Seul le point ? = + , avec les multiplicateurs de Lagrange ( + , + ),
vrifie la condition suffisante de maximum local. En effet, puisque + =
> 0,
+
D2 L(+ , +
, ) = 2 est une matrice semi-dfinie ngative .
Le problme doptimisation sous-contrainte P est un problme de

maximisation sur un ensemble compact
n
o
AnoS 0 =
Rd : 0 1 = 1 et ||||21 = 2
ceci assure le fait que + est un maximum global.
Proposition 3.1.5 Pour le niveau de variance 2 >
1
a,
la rentabilit
maximale espre est

h
m() := E R
b
+
=
a
1
b
||M 1||1 .
a
a
Elle est atteinte par le portefeuille

() :=
1 1
=
+
a
r
2
1 1 M ab 1
a
||M ab 1||1
Figure 3.2 Frontire efficiente dans le cas M 6 V ect{1}
Remarque 3.1.3 La reprsentation graphique de lensemble des portefeuilles admissibles dans le plan moyenne-cart-type, i.e

n
p
(m = E[R ], = var(R ) , 0 1 = 1}
est donne par

1
(m, ), , m() m m()
a
m() correspond la rentabilit espre maximale pouvant tre atteinte

par un portefeuille admissible de variance 2
m() est la rentabilit espre minimale pouvant tre atteinte par un
portefeuille de variance 2 . On peut montrer que
r
b
1
b
m() =
+ 2 ||M 1||1
a
a
a
41
42

et quelle est atteinte par le portefeuille
r
M ab 1
1 1
1
() = =
2 1
a
a
||M ab 1||1
La reprsentation de lensemble des portefeuilles admissibles dans le plan
moyenne-cart-type est donc la parabole dquation
b
1
b
(m )2 = ( 2 )||M 1||1 .
a
a
a
La frontire de cet ensemble est constitu par la frontire efficiente et la
frontire inefficiente.
Exercice .4 Montrez que pour tout portefeuille efficient + , autre que
le portefeuille de variance minimale, il existe un portefeuille sur la
frontire de lensemble des portefeuilles admissibles tel que
+
cov(R , R ) = 0
Vrifiez que est dans la partie inefficiente de la frontire.
Exprimez E[R ] et var(R ) en fonction de E[R ] et de var(R ).

q
+
+
Montrez que la tangente en ( var(R ), E[R ]) la frontire effi
ciente coupe laxe des ordonnes au point (0, E[R ]).

La Figure (3.3) reprsente lensemble des portefeuilles admissibles AnoS 0 .
Elle a t partir des donnes suivantes de march

4
2.5
0.5
.
d = 2 , R0 = 3.0 , M = et =
3
0.5 3.0
La branche de la parabole dessine en rouge reprsente la frontire efficiente, celle dessine en bleu reprsente la frontire inefficiente.
3.1.5
Dtermination de la frontire efficiente en prsence
de lactif sans risque

On suppose dans ce paragraphe que les investisseurs peuvent investir
dans les d actifs risqus S i , i = 1, ..., d, aussi bien que dans lactif sans

Figure 3.3 Reprsentation de AnoS 0
risque S 0 . Lensemble des portefeuilles admissibles est A = Rd . Pour

dterminer la frontire efficiente
F(A) :=
n

o
p
E[R ], var(R ) , Rd et portefeuille efficient ,
on rsout pour chaque 2 fix le problme
(P ) :
supRd E[R ]
s.c
var(R ) = 2
i.e.
supRd R0 + 0 (M R0 1)
s.c
0 = 2
43
44

Proposition 3.1.6 La variance minimale des portefeuilles efficients est
2
min
= 0. Elle est ralise par le portefeuille = 0, cest dire le porte-
feuille contenant uniquement lactif sans risque S 0 . La rentabilit espre

correspondante est R0 .
On suppose maintenant que 2 > 0.
On introduit le Lagrangien associ au problme
L(, ) = R0 + 0 (M R0 1) + ( 2 0 ).
Pour dterminer les points stationnaires du problme (P ) on rsout le

systme
L(, ) = M R0 1 2 = 0
L (, )
= 2 0 = 0
Le seul point stationnaire possible est
? :=
1 1
? =
(M R0 1) avec
0
1 ||M R 1||1
2
? tant le multiplicateur de Lagrange associ
?.
La contrainte dfinie par la fonction
h : 7 0 ,
est rgulire au point ? . En effet le vecteur h( ? ) = 2 ? 6= 0 car
? 6= 0.
La point
? vrifie la condition suffisante de maximum local : la matrice
? ) = 2? 1 est une matrice dfinie ngative.
D2 L(
?,
La concavit du problme assure que ? est un point le maximum
global.
45
Proposition 3.1.7 Pour le niveau de variance 2 > 0, la rentabilit

maximale espre est
m()
= R0 + ||M R0 1||1 .
(3.1.12)
Elle est ralise par le portefeuille
() = 1
(M R0 1)
.
||M R0 1||1
(3.1.13)
Le coefficient Sh := ||M R0 1||21 = (M R0 1)0 1 (M R0 1) est appel performance de Sharpe du march. Les quations (3.1.12) et (3.1.13)
peuvent tre crites en utilisant la performance de Sharpe
m()
= R0 + Sh ,
() = 1 M R0 1 .
Sh
(3.1.14)
(3.1.15)
Thorme des deux fonds

Soit 2 > 0 un niveau de variance fix, le portefeuille efficient correspondant
() nest ncessairement totalement investi dans les actifs risqus
10
() nest pas en gnral = 1 .
Par contre, il vrifie ncessairement
10
() 6= 0 .
En effet, supposer que 10
() = 0 veut dire que le portefeuille ne contient
que de lactif sans risque S 0 , ce qui implique une variance gale 0 < 2 .
Ainsi, on peut toujours dfinir
:=
1
10
()
() ,
ce vecteur vrifie par dfinition 10 = 1. Il correspond donc un portefeuille totalement investi dans les actifs risqus, il permet dcrire
() = (1
0 ()) o
0 () := 1 10
() .
46
Figure 3.4 Frontire efficiente en prsence de lactif sans risque
Le portefeuille dpend uniquement des caractristiques du march : la

rentabilit excdentaire espre des actifs risqus M R0 et la matrice
de variance-covariance
=
1 (M R0 1)
1
=
1 (M R0 1) ,
0
1
0
1 (M R 1)
b aR0
il ne dpend pas des caractristiques individuelles des investisseurs.

Thorme 3.1.1 Thorme des deux fonds En prsence de lactif
sans risque, tous les agents rpartissent leur richesse initiale entre lactif
Leurs paramtres personsans risque S 0 et le mme portefeuille risqu .
nels (fonction dutilit, aversion pour le risque,...) ninterviennent que
pour dterminer la rpartition optimale entre S 0 et .
Autrement dit, les investisseurs rpartissent leur richesse entre lactif sans
risque et un fond reproduisant lindice de march dtermin par . On

parle de gestion indicielle ou encore de gestion passive.
Droite de March et portefeuille tangent

On suppose dans ce paragraphe que M 6 vect{1}.
Lorsque les investisseurs ont accs au placement sans risque (actif sans
risque S 0 ), il est clair quils ont plus dopportunits dinvestissement,
Ano S 0 A , par consquent, pour un niveau de variance 2 fix, la
rentabilit espre maximale qui peut tre atteint par des portefeuilles
forms uniquement partir des actifs risqus,
Ano S 0 , est infrieure
la rentabilit espre maximale qui peut tre atteinte avec des portefeuilles A. Par suite, dans le plan (cart-type, rentabilit espre), la
reprsentation graphique de la frontire efficiente F(Ano S 0 ) est toujours
en dessous de la reprsentation graphique de la frontire efficiente F(A).
Leur intersection ne peut tre que vide ou gale un singleton ( t , mt ).
On note Cno S 0 la reprsentation de la frontire efficiente F(Ano S 0 ) dans
le plan (cart-type,rentabilit espre)
Cno S 0
b
: m() =
+
a
r
2
1
b
||M 1||1 ,
a
a
et C la reprsentation de la frontire efficiente F(Ano S 0 )

C : m()
= R0 + ||M R0 1||1 .
La droite C est appele droite de march ou Capital Market Line (CML).
Lorsque les deux courbes C et C(Ano S 0 ) se touchent cela veut dire que
lon est en mesure de former dans le march initial (o lutilisation de
lactif sans risque S 0 est permise) un portefeuille efficient sans recourir
au placement sans risque. Ce portefeuille t , appel portefeuille tangent
nest rien dautre que lindice . Il vrifie
t
( t , mt ) = C Cno S 0 , mt = E[R ], t =
q
var(Rt ), t = Ano S 0 .
47
48

Existence de t i.e. efficience de lindice
Dterminer lexistence du portefeuille tangent revient rsoudre lquation
b
+
a
r
2
1
b
||M 1||1 = R0 + ||M R0 1||1 , min
(3.1.16)
.
a
a
Proposition 3.1.8 Les courbes C et Cno S 0 sont tangentes si et seulement

si R0 < ab . Dans ce cas
Sh
t
= min
=
(b aR0 )
mt = R 0 +
3.2
1+
||M ab 1||1
||( ab R0 )1||1
Sh
b aR0
> min(3.1.17)
(3.1.18)
Le modle dquilibre dactifs financiers ME-
DAF
(Modle de Sharpe - Lintner) Le modle dquilibre des actifs financiers (MEDAF) est un modle dont le but est de dterminer les rentabilits appropries des diffrents actifs qui forment le march financier.
Cest un modle dquilibre, cest a dire que les rentabilits sont expliques par ladquation entre loffre et la demande en titres des diffrents
agents qui interviennent sur le march. Ce modle, qui se base sur la
thorie de choix de portefeuille de Markowitz, a t dvelopp grce aux
travaux de Jack Treynor (1961), William Sharpe (1964), John Lintner
(1965) et Jan Mossin (1966). Le message essentiel du MEDAF est que le
risque de chaque titre peut tre dcompos en une composante systmatique commune tous les actifs du march et une composante spcifique
diversifiable, le march ne rmunrant que la composante systmatique.
3.2.1
Drivation du modle
On reprend le modle de march du paragraphe 3.1.1.
3.2. LE MODLE DQUILIBRE DACTIFS FINANCIERS MEDAF
Figure 3.5 Portefeuille tangent
Hypothses sur loffre.

On suppose connues les quantits disponibles de chacun des titres. On
note
i
qM
la quantit disponible de lactif S i ,
1
qM
qM := le portefeuille de march
d
qM
Chacun de ces titres est parfaitement divisible et le march ne comporte

pas de frictions.
49
50

Hypothse sur le comportement des investisseurs.
Un nombre gal J agents intervient sur le march. Chaque agent j
possde une dotation initiale en actifs dont la valeur est wj > 0. Chaque
agent investit 1 sa richesse initiale wj au prsent sur le march en constituant un portefeuille j quil maintiendra constant tout au long de lhorizon dinvestissement T .
On note
W
:=
J
X
wj =
j=1
N
X
i
qM
S i (0) .
i=1
On suppose que tous ces agents forment des anticipations homognes,

cest dire que les probabilits accordes aux vnements futurs ne varient pas dun agent lautre, mais concident.
On suppose galement que les agents forment des anticipations rationnelles,
cest dire que les probabilits quils accordent aux diffrents vnements
sont les
Lobjectif de chaque investisseur est de slectionner le portefeuille qui
lui assure la meilleure rentabilit au bout de lhorizon T et adopte
cet effet le critre moyenne-variance de Markowitz. En se rappelant les
rsultats de la section prcdente Proposition 3.1.7, on dduit que lagent
j choisit le portefeuille efficient j =
(j ) o j est la solution de
sup Uj (m(),
2) .
R+
Ici, Uj dsigne la fonction dutilit de lagent j et m(),
dont lexpression
est dfinie dans (3.1.12), dsigne la rentabilit espre du portefeuille
efficient de variance . Ainsi, lagent j choisit le portefeuille
(j ) = j 1
(M R0 1)
.,
||M R0 1||1
(3.2.1)
1. En dautres termes, chaque agent dcide au prsent de modifier son portefeuille initial en
vendant/achetant des actis risqus, de manire obtenir un portefeuille optimal

dont la variance j est dtermine par son degr aversion au risque.
Equilibre du march : efficience du portefeuille de march
A lquilibre du march, les prix la date T des actifs (ou de manire
quivalente les rentabilits) vrifient
Demande en actifs par tous les agents
=
Offre totale dactifs sur le march
On note M le portefeuille de march, cest dire, le portefeuille compos
par tous les actifs risqus dans les proportions du march
i
i
M
= qM
S i (0)/W
La relation dquilibre entre offre et demande scrit alors

J
X
i
i
wj ji /S i (0) = qm
= W M
/S i (0) ,
j=1
ce qui donne
J
X
w
(M R0 1)
j
=
j 1
W
||M R0 1||1
j=1
J
1 X wj 1
=
j (M R0 1) .
W
Sh
j=1
On voit que le portefeuille du march est un portefeuille efficient. Cest

un portefeuille efficient form uniquement dactifs risqus, donc il est gal
au portefeuille tangent
M = =
1
1 (M R0 1) .
b aR0
(3.2.2)
51
52

Proposition 3.2.1 Lquilibre entre loffre et la demande, sur ce march
financier, implique que le portefeuille de march est efficient. Par consquent M est le portefeuille tangent : point de rencontre entre la droite
de march (CML), dont la reprsentation graphique est note C, et la
frontire efficiente en absence dactif sans risque, dont la reprsentation
graphique est note CS 0 .
En vue du Thorme 3.1.1, on peut dire qu lquilibre, les investisseurs
rpartissent leur richesse entre lactif sans risque S 0 et le portefeuille de
march M .
Si on regarde la covariance de la rentabilit RM du portefeuille de march
avec le vecteur R des rentabilits des actifs risqus, en utilisant le fait que
M est le portefeuille tangent t , ainsi que les quations (3.2.2), (3.1.17)
et (3.1.18), on obtient
0
cov(R, RM ) = cov(R, M
R) = M

1
=
M R0 1 .
0
b aR
)
var(RM
0
=
] R0 (M R 1) .
E[RM
Proposition 3.2.2 A lquilibre, les rentabilits Ri , i = 1, ..., d des actifs

risqus sont telles que
E[Ri ] R0 = i (E[RM
] R0 ) o i :=
)
cov(Ri , RM
. (3.2.3)
)
var(RM
Le coefficient i est appel le beta de lactif risqu i.

Remarque 3.2.1 Les relations crites ci-dessus peuvent prendre galement cette forme :
E[Ri ] R0 = (b aR0 )cov(Ri , RM

)
s
Sh
i
=
) cov(R , RM ) .
var(RM

Risque spcifique et risque systmatique Le MEDAF implique
que pour tout qctif risqu S i , i = 1, ..., d, la rentabilit Ri peut scrire
Ri R0 = i RM
R0 + i o E[i ] = 0 et cov(RM
, i ) =
(3.2.4)
0.
La variance de la rentabilit de lactif risqu scrit alors
( i )2 = var(Ri ) = ( i )2 var(RM
) + var(i ) .
(3.2.5)
Ainsi le risque de lactif S i se dcompose en deux parties

)
risque systmatique : ( i )2 var(RM
risque idiosyncratique : var(i )

Lorsque le coefficient i > 1 on dit que lactif S i correspond un placement agressif, et lorsque i < 1 on parle de placement concervateur.
3.2.2
Extensions du modle
Le MEDAF sans actif sans risque La possibilit de prts ou emprunts, sans restrictions, un taux sans risque est une hypothse peu
raliste. Balck (1972) propose un modle dquilibre avec des contraintes
sur les transactions qui portent sur lactif sans risque R0 . On examine
dans cette section la relation dquilibre entre offre et demande si on
suppose que les investisseurs nont pas accs S 0 .
Daprs les rsultats des sections prcdentes, le portefeuille de march
vrifie lquilibre entre offre et demande la relation
J
X
j=1
(
wj
1 1
+
a
M ab 1
1
j2 1
a
||M ab 1||1
)
= W M
ce qui peut tre rcrit sous la forme

1 1
+
a
1 1 M ab 1
a
||M ab 1||1
= M ,
(3.2.6)
53
54

o
est dfinie par
2 =
r
J
1 X wj
+
j2
a
W
j=1
2
1
.
a
De cette relation on dduit que le portefeuille de march est un portefeuille efficient.

Mais contrairement au modle de la section prcdente, les portefeuilles
dactifs risqus dtenus par les investisseurs ne lui sont pas proportionnels.
Le portefeuille de bta nul
Dans la Remarque 3.1.3, on a une description de la reprsentation de
lensemble des portefeuilles admissibles (en absence de lactif sans risque)
dans le plan moyenne-cart-type et de sa frontire.
On note qu tout portefeuille () de la frontire efficiente, on peut
associer un portefeuille de la frontire inefficiente tel que
cov(R() , R ) = 0 .
Un calcul simple permet de vrifier que pour M = (
), le portefeuille
r
1
1
b
:=
1 2 ||M 1||1
a
a
a
r
1
1
q
o 2
=
a
a
2 1
a
est le portefeuille de la frontire inefficiente tel que

cov(RM , R ) = 0 .
La rentabilit espre du portefeuille est gale
m = E[R ] =
b
1
b
p
||M 1||1
a a
a
2 1/a
On peut vrifier que la tangente la frontire efficiente au point M

coupe laxe des ordonnes au point (0, m) (cf Figure (3.3)).

Le rsultat important de cette section est que dans ce modle nous obtenons une relation analogue la relation du MEDAF classique :
Proposition 3.2.3 Pour tout actif risqu S i on a
(E[Ri ] m) = i (E[RM
] m) avec i =
)
cov(Ri , RM
.
)
var(RM
Le portefeuille est appel portefeuille de bta nul.

Preuve : exercice !
Contraintes sur les ventes ventes dcouverts des actifs risqus
Si le modle de Black abandonne lhypothse peu raliste sur lexistence
dun actif sans risque, il nimpose aucune contrainte sur les ventes dcouvert des actifs risqus. Or, dans la ralit, les ventes dcouverts
des actifs risqus sont soumises des contraintes (interdictions, limitations, ...). Dans un modle ou les ventes dcouverts des actifs risqus
sont contraintes, bien que chaque agent continue choisir un portefeuille
efficient, lquilibre le portefeuille de march mest plus efficient. La
relation qui lie les rentabilits des actifs risqus leurs betas nest plus
valable.
Prsence de frictions Si le march comporte des frictions telles que
les cots de transaction ou les taxes, la r-allocation dun portefeuille
entrane des cots. Alors, il pourrat tre prfrable pour un investisseur
de garder un portefeuille sous-optimal, que de le changer en un portefeuille moyenne-variance efficient cause des cots que cette opration
engendrerait.
3.2.3
Validation empirique
A son laboration, le MEDAF a connu un vif succs parmi les acadmiciens tout aussi bien que parmi les praticiens. Il continue tre utilis
55
56

en pratique, par exemple pour valuer la performance des portefeuilles
grs, ou pour valuer le niveau de risque dun projet dinvestissement.
Ceci est justifi par
la simplicit de ce modle !
le fait que ce modle explique par une relation simple le lien entre rentabilit/risque de tout actif financier. Il indique en outre une mthode
relativement facile pour mesurer le risque attach tout placement financier.
Le MEDAF repose cependant sur des hypothses trs rductrices par
rapport la ralit. Beaucoup de travaux se sont penchs sur la question
de savoir si lobservation des donnes du march permet de conforter les
conclusions du MEADF, ou si, au contraire, elles tendent les infirmer.
Nous faisons, dans ce paragraphe, une revue historique rapide des travaux
empiriques de tests du MEDAF.
Comment tester le MEDAF
Les tests du MEDAF reposent sur les implications suivantes de ce modle
Une relation linaire relie les rentabilits espres de tous les actifs
leurs betas
E[Ri Rz ] = i E[RM Rz ] o i = cov(RM , Ri )/var(RM ) ,
ici RM dsigne la rentabilit du march et Rz est un portefeuille noncorrl avec le portefeuille de march
La rentabilit espre du march dpasse la rentabilit dun portefeuille
non corrl avec le march
E[RM ] E[Rz ] .
Dans la version de Sharpe-Lintner, la rentabilit espre dun porte-

feuille qui nest pas corrl avec le portefeuille de march est gale la
rentabilit de lactif sans risque
E[Rz ] = R0 .
Rsultats de travaux empiriques

Les premiers travaux empiriques se sont concentrs sur le modle de
Sharpe-Lintner. Lide repose sur une rgression linaire simple entre les
moyennes de rentabilit des actifs et leurs betas estims
i R0 = a + b i + i .
R
Daprs le MEDAF, dans cette rgression linaire a = 0 et b = E[RM ]
R0 .
Ce teste rencontre deux problmes : (i) problme destimations des betas des actifs, des erreurs de mesures peuvent ainsi saccumuler, (ii) les
rsidus i , j peuvent tre corrls. Ces corrlations peuvent biaiser les
valeurs de a et b obtenues par la mthodes des moindre carrs.
Des travaux tels que Blume (70), Black, Jensen et Scholes (1972), Fama
et MacBeth (1973), ou encore Fama et French (1992) ont propos des
mthodologies permettant de surmonter (quelque peu ...) ces difficults.
Le rsultat de ces travaux est de rejeter la version de Sharpe-Lintner du
MEDAF.
Des travaux plus rcents testent si les diffrences entre les rentabilits espres des actifs sont entirement expliques par le bta, ou si au
contraire elles dpendent aussi dautres lments. Pour ce faire, on ajoute
une deuxime variable explicative X dans la rgression linaire :
i R0 = a + b i + X i + i .
R
57
58

Si le MEDAF est vrai, le coefficient ne devrait pas tre significativement
diffrent de zro.
Parmi ces tests on peut citer ceux de Fama et MacBeth (1973), Gibbons
(1982) et Stambaugh (1982). Ces travaux ont confirm la version de Black
du MEDAF.
Au cours des annes 80 des travaux empiriques sont venus infirmer
le modle de Black. Lun des plus notoires est celui de Fama et French
(1992) 2 . La conclusion de leur travail est que le bta ne suffit pas
expliquer les rentabilits des actifs, dautres lments interviennent : les
effets de taille (capitalisation des titres 3 ), le ratio book to market 4 , le
ratio dette/actif, ... etc.
Deux ractions
Deux ractions face aux rsultats de ces test
1. La premire critique la procdure de test du MEADF. Lune des
critiques les plus importantes est la critique de Roll (1977) qui souligne
la difficult de dfinir convenablement le portefeuille de march : quels
sont les lments qui le forment (titres domestiques, trangers, capital
humain ,... etc) ? Quelle est la disponibilit des donnes ?
Une autre difficult vient du fait que le MEDAF dans la version de
Sharpe-Lintner , ou de celle de Black, est un modle statique, alors que
les donnes utiliss ne sont pas forcment stables.
Cette raction amne considrer des versions plus labores su MEDAF en rejetant lhypothse de stabilit des btas et en cherchant de
meilleures approximations du portefeuille de march. On peut citer dans
ce sens les travaux de Jagannathan et Wang (1996, 1998).
2. Leur article est parfois surnomm The Beta is dead article
3. capitalisation : dfinition
4. ratio book to market : dfinition
3.3. THORIE DE LVALUATION PAR ARBITRAGE (APT) ET MODLES FACTORIELS59

2. La deuxime raction est de signer la mort du bta comme seul
facteur explicatif des rentabilits. Cette raction aboutit deux axes de
recherche.
(i). Le premier cherche dterminer des modles plus complexes que le
MEDAF pour expliquer les rentabilits en intgrant des lments autres
que les btas. Cest le cas du modle trois facteurs de Fama et French
(1996) qui explique les rentabilits par le bta, la capitalisation et le ratio book-to-market. Ce modle rejoint les travaux plus anciens de Ross
(1976) sur les modles factoriels.
(ii). Le deuxime axes de recherche est du domaine de la finance comportementale. Les anomalies par rapport aux MEDAF, observes empiriquement, sont expliques par des biais comportementaux ou lirrationalit
des investisseurs. On peut citer ce titre les travaux de LakonishokSchleifer-Vishny (1994), Chan-Lakonishok (2002) ou Chan-Karceski-Lakonishok
(2002).
Nous allons terminer ce chapitre par la prsentation dun modle alternatif au MEDAF pour expliquer les rentabilits des titres financiers :
lvaluation par arbitrage dans le cadre des modles factoriels.
3.3
Thorie de lvaluation par arbitrage (APT)
et modles factoriels
La thorie de lvaluation par arbitrage (Arbitrage Pricing Theory
APT) a t initie par les travaux de Ross (1976). Ross dveloppe un
modle de march financier sur une priode de temps o tous les investisseurs saccordent penser que les rentabilits des actifs financiers
sont expliques par un modle factoriel. Il suppose qu lquilibre, aucune opportunit darbitrage nest possible. Il rsulte de cette hypothse
60

une relation linaire entre les rentabilits espres des diffrents actifs et
leurs covariances avec les facteurs.
3.3.1
Modle factoriel linaire
On considre un march form par n actifs financiers sur une priode

de temps [0, T ]. On note Ri la rentabilit de lactif i sur la priode [0, T ],
i = 1, n.
Le modle factoriel stipule que les rentabilits de tous les titres sont expliques par les mmes K facteurs reprsents par des variables alatoires
F1 , FK . Plus prcisment, le modle factoriel linaire suppose
Ri := ai + bi,1 F1 + + bi,k Fk + i i = 1 n ,
(3.3.1)
avec, pour i {1, , n}, k, l {1, K}, k 6= l

E[i ] = 0
(3.3.2)
E[Fk ] = 0
(3.3.3)
cov(i , Fk ) = 0
(3.3.4)
cov(i , j ) = 0
(3.3.5)
Remarque 3.3.1 Dans certains dveloppement de la thorie de lAPT,

les conditions (3.3.4), (3.3.5) peuvent tre relches ( titre dexemple
Ingersoll (1984)).
La variable alatoire i est appele risque idiosyncratique, le coefficient
bi,k est appel le poids ou le bta de lactif i sur le facteur k. Les conditions
(3.3.2), (3.3.3) impliquent
E[Ri ] = ai i = 1, n
On peut alors crire la relation (3.3.1)
Ri = E[Ri ] + bi,1 F1 + + bi,k Fk + i i = 1 n .

ou encore
R = E[R] + bF + e
(3.3.6)
o R est le vecteur des rentabilits, b est la matrice b = (bi,k )
1in
,F
1kK
est le vecteur des facteurs et e est le vecteur des risques idiosyncratiques.
3.3.2
Nature des facteurs
Remarquons dabord que le MEDAF aboutit un modle factoriel

linaire pour expliquer les rentabilits des actifs du march : il sagit dun
modle un seul facteur qui est la rentabilit du portefeuille de march.
Mais il faut noter que dans le contexte du MEDAF, le facteur portefeuille
de march se rvle de manire endogne par la drivation du modle.
Dans le contexte des modles factoriels, on postule que les rentabilits
sont expliques par un certains nombre de facteurs qui peuvent varier
dune conomie lautre, dune priode lautre : la dtermination de
ces facteurs procde dune dmarche essentiellement empirique. On peut
classer les modles factoriels selon trois types : les modles facteurs
macroconomiques, fondamentaux ou statistiques.
les modles factoriels macroconomiques :
ces modles expliquent
les rentabilits des actifs travers des variables macroconomiques observables telles que le taux dinflation, le taux de croissances de lconomie
ou de certains secteurs de lconomie, la consommation agrge, le taux
de chmage... etc. Dans ce type de modles, les facteurs sont observables,
mais les sensibilits bi,k doivent tre estimes.
les modles factoriels fondamentaux :
ces modles sont bass sur
lobservation des proprits spcifiques des actifs, telles que la taille de

lentreprise mettrice, le taux de dividende, le ratio book to market, les
62

classification sectorielles ... etc.
Dans le modle de type Barra les sensibilits bi,k correspondent des
attributs de lactif et les facteurs sont estims. Par contre, dans les modle
du type Fama-French, les attributs des actifs sont utiliss pour dfinir les
facteurs, les sensibilits bi,k sont alors estimes.
les modles factoriels statistiques :
dans ce type de modle utilise
es mthodes statistiques telles que lanalyse en composantes principales

pour estimer les facteurs et les sensibilits. Ainsi, les facteurs sont traits
comme des variables non-observables ou variables latentes. Ce type dapproche peut aboutir des facteurs qui peuvent tre interprts comme
des indices boursiers, mais parfois linterprtation conomique ou financire des facteurs rsultant nest pas vidente.
3.3.3
Absence dopportunits darbitrage et relations fon-
damentales de lAPT
Opportunit darbitrage Un arbitrage est une stratgie financire
qui ne cote rien et permet de raliser un gain sr ( cest dire qui
ne comprend aucun risque de perte). Une opportunit de raliser une
stratgie darbitrage existe si on peut trouver un actif vendu sur deux
marchs deux prix diffrents.
Une grande partie de la thorie financire et des mthodes valuation des
actifs financiers sont bases sur lhypothse de labsence dopportunits
darbitrage. Lide qui sous-tend cette hypothse est que si, un moment
donn, les prix de certains actifs sont tels quune opportunit darbitrage
existe, un grand nombre dagents raliseraient instantanment des transactions en vue de lexploiter, de sorte que les prix des actifs concerns
convergeraient trs rapidement vers des valeurs telles que lopportunit

darbitrage soit rsorbe.
En ralit, des opportunits darbitrage peuvent exister, mais elles sont
trs faibles et dune dure de vie trs courte, ainsi lhypothse dabsence
dopportunits darbitrage (AOA) est considre raisonnable.
Relation fondamentale de lAPT Dans sa forme la plus gnrale,
lAPT stipule quil existe des rels 0 , 1 , , K tels que pour tout
i = 1, , n
|E[Ri ] (0 + 1 bi,1 + + K bi,K ) |
(3.3.7)
o est une constante suffisamment petite.

Quand le modle factoriel vrifie les conditions (3.3.2) - (3.3.5), on peut
montrer la relation darbitrage exacte
E[Ri ] = 0 + 1 bi,1 + + K bi,K ,
pour tout i = 1, n(3.3.8)

.
Quelques rfrences :
1. Hamon, Jacques. (2005), Bourse et Gestion de portefeuilles, Economica.

2. Elton, E., M. Gruber, S. Brown & W. Goetzmann. (2003) Modern
Portfolio Theory and Investment Analysis Wiley.
3. Sharpe, F. William (1994), The Sharpe Ratio, The Journal of Portfolio Management.
http : //www.stanf ord.edu/ wf sharpe/art/sr/sr.htm
4. Fama E. & K. French The Capital Asset Pricing Model : Theory
and Evidence
CRSP Working Paper No. 550 ; Tuck Business School Working Paper No. 03-26
http : //papers.ssrn.com/sol3/papers.cf m?abstract id = 440920
64
Chapitre 4
Assurance de portefeuille
Le problme de choix de portefeuille a t abord dans le chapitre
prcdent dans un cadre statique : linvestisseur forme un portefeuille
financier linstant initial t = 0 puis ne ralise aucune transaction jusqu
a date terminale t = T . Cette hypothse est restrictive et on peut mme
dire irraliste long terme. Nous nous intressons dans ce chapitre
des stratgies dynamiques, cest dire, des stratgies qui impliquent des
rvisions du portefeuille sur lhorizon de temps [0, T ].
La gestion dynamique regroupe ue grande varit de technique et de styles
de gestion. Nous nous concentrons dans ce chapitre sur les stratgies dites
dassurance de portefeuille
4.1
Assurance de portefeuille : dfinition
Quel produit permettrait de garantir aux portefeuilles financiers une

valeur minimale mme dans des conditions adverses du march ? En sinspirant des travaux de Black et Merton sur lvaluation doptions, Leland
eut lide dadjoindre des options de vente une portefeuille de titres
afin den garantir une valeur minimale en toute circonstance, les options
65
66
CHAPITRE 4. ASSURANCE DE PORTEFEUILLE

pouvant tre synthtises partir d actions et dun actif sans risque
par des positions dynamiques adquates. En 1976, Leland sassocia Rubinstein pour mettre en place cette technique sous le nom dassurance de
portefeuille. Par la suite, sont apparues de nouvelles mthodes de gestion
qualifies de stratgies dassurance de portefeuille. Elles entrent dans le
cadre de la dfinition suivante.
Dfinition 4.1.1 On dsigne par stratgies dassurance de portefeuille
des stratgies financires dont le but est de
limiter les pertes en cas de baisse des march,
tout en profitant du march en cas de hausse.
Nous allons prsenter dans ce chapitre trois exemples importants de
stratgies dassurance de portefeuille : les stratgies utilisant les options
(Option Based Portfolio Insurance - OBPI ), la mthode du Stop-Loss
et enfin les stratgies coussin multiple (Constant Proportion Portfolio
Insurance - CPPI)
4.2
4.2.1
Stratgies utilisant des options

Rappels sur les options classiques
Une option, ou un actif contingent, est un actif pour lequel lacheteur

verse la date initiale au vendeur une somme dargent, dite prime de
loption, et reoit en contrepartie, une date future, un flux positif ou
nul, appel valeur terminale ou payoff de loption. LA valeur terminale de
loption dpend de olvolution dun actif (voire plusieurs actifs) appel
le sous-jacent.
Cette dfinition gnrale englobe une trs large gamme doptions. Nous
nous intressons ici aux options classiques : loption dachat et loption
de vente.
4.2. STRATGIES UTILISANT DES OPTIONS

Loption dachat (call) : Une option dachat sur un actif S confre
son acheteur le droit (et nimpose pas lobligation) dacheter le sousjacent S une date future au prix K appel prix dexerice ou strike. Le
prix dexercice est fix contractuellement la date dmission de loption.
On dit que loption dachat est europenne lorsquelle ne peut tre exerce
qu la date de fin de contrat T . Cette date est appele maturit de
loption ou date dexercice. Loption dachat est dite amricaine lorsque
lacheteur a la possibilit de lexercer tout moment entre la date initiale
et sa maturit T .
Ainsi la valeur terminale de loption dachat europenne sur lactif S, de
maturit T et de prix dexercice K est
C(T, S, T, K) = max(0, ST K) = (ST K)+ .
Loption de vente (put) : Une option de vente sur un actif S confre
son acheteur le droit (et nimpose pas lobligation) de vendre le sousjacent S une date future au prix K appel prix dexerice ou strike. Le
prix dexercice est fix contractuellement la date dmission de loption.
On dit que loption de vente est europenne lorsquelle ne peut tre exerce qu la date de fin de contrat T . Cette date est appele maturit de
loption ou date dexercice. Loption dachat est dite amricaine lorsque
lacheteur a la possibilit de lexercer tout moment entre la date initiale
et sa maturit T .
Ainsi la valeur terminale de loption de vente europenne sur lactif S,
de maturit T et de prix dexercice K est
P (T, S, T, K) = max(0, K ST ) = (K ST )+ .
Relation de parit Call-Put Considrons un portefeuille form par
lachat dune option dachat europenne sur une action S de maturit T
67
68

de de prix dexercice K et la vente dune option de vente sur la mme
action de mme maturit et de mme prix dexerice. La valeur terminale
de ce portefeuille est
(ST K)+ (K ST ) = ST K
Ainsi la valeur terminale de ce portefeuille est gale dans tous les tats
du monde la la valeur constitu par
lachat dune action S
le placement dun montant KerT au taux sans risque r (en composition continue).
Sous la condition dabsence dooportunits darbitrage, les valeurs de ces
deux portefeuilles sont gales toutes les dates, do la relation de parit
call-put :
C(t; S, T, K) P (t; S, T, K) = St Ker (t T )
o C(t; S, T, K) dsigne le prix du call la date t et P (t; S, T, K) le prix
du put la date t.
4.2.2
Le montage de base
Considrons un portefeuille form par une action S et une option de

vente europenne sur laction S de maturit T et de prix dexercice K.
La valeur de ce portefeuille la date T est gale
ST si ST K
VT = ST + (K ST )+ =
K si S K
T
Ainsi, le prix dexercice de loption de vente est donc la valeur plancher du
portefeuille. Le prix de cette option de vente peut tre interprt comme
la prime payer assurant que la valeur du portefeuille ne chute pas en
dea du placher K.

La mise en oeuvre de cette mthode dassurance de portefeuille peut
se heurter plusieurs difficults, les plus immdiates tant les suivantes :
les options disponibles sur le march sont le plus souvent amricianes,
donc plus onreuses que les options europenne,
les caractristiques des options disponibles sur le march (date dexercice, prix dexercice) ne sont pas souent en adquation avec les objectifs
de linvestisseur
les contraintes reglementaires peuvent limiter la quantit doptions pouvant tre dtenues dans le portefeuille.
Face ces difficults, lide propose par Leland est dutiliser un actif
montaire et le sous-jacent pour synthtiser le put.
4.2.3
Rplication du put : cadre du modle binomial l-
mentaire
On suppose que le prix de laction S la date T peut prendre deux
valeurs possibles
ST (u ) = S0 u et ST (d ) = S0 d avec d < 1 < u .
On veut rpliquer le put de valeur terminale (K ST )+ par une portefeuille financier form partir de laction S et dun actif sans risque S 0 .
On suppose que le prix de lactif sans risque est gal un = : S00 = ST0 = 1.
On considre des poretefeuilles forms la date initiale t = 0 et maintenus
constant jusqu la date t = T . Ainsi, un portefeuille peut tre dcrit par
le couple (, ) R R o reprsente le montant dargent investi en
S 0 et le nombdre dactions S dtenues.
(,)
la valeur du portefeuille (, ) la date t. On a
(,)
= + S0 et V0
On note Vt
x := V0
(,)
= + ST = x + (ST S0 ) .
69
70

(,)
Un portefeuille (, ) R R rplique le put si et seulement si VT
(K ST )+ , cest dire
+ ST (u ) = P (u ) := (K ST (u ))+
+ S ( ) = P ( ) := (K S ( ))+
u
T
T
d
d
La stratgie de rplication est donc donne par
? =
P (d )ST (u ) P (u )ST (d )
S(u ) S(d )
et ? =
P (u ) P (d )
ST (u ) ST (d )
le capital initial permettant de raliser cette stratgie est

u1
u1
?
?
?
x = + S0 =
P (d ) + 1
P (u ) .
ud
ud
4.2.4
Rplication du put : cadre du modle de Cox-Ross-
Rubinstein
On considre le march financier entre les dates t = 0 et t = T et
T
on suppose que les investisseurs peuvent intervenir aux dates tk = k N
,
avec k = 0, , N 1. Le prix de laction S est dcrit par le modle

suivant : on considre un espace de probabilit (, F, P) et une suite de
variable alatoire i.i.d (k )1kN telle que
P[1 = 1] = P[1 = 1] = 1/2 ,
et on suppose que le prix de S est dcrit par
( k
)
X
Stk = S0 exp
k
i=1
o est une constante strictement positive donne.

On considre les portefeuilles forms partir de laction S et de lactif
sans risque S 0 . Le prix de lactif sans risque est suppos constant et gal
1. Un portefeuille est dcrit par une suite de {(k , k ), k = 0, N 1}
de variables alatoires o
71
k reprsente le montant drgent investi en S 0 la date tk ,

k reprsente le nmbre dunits de laction S dtenues dans le portefeuille la date tk .
stratgies adaptes On considre la filtration F := {Fk , k = 0, , N }
dfinie par
F0 := {, } et Fk = (1 , , k ), k = 1, , N
Une stratgie financire est un processus (, ) := {(k , k ), 0 k
N 1} adapt la filtration F.
(,)
condition dautofinancement On note Vt
la valeur la date t de
la stratgie adapte (, ). On a
(,)
Vt
= t + t St .
On dit que la sratgie (, ) vrifie la condition dautofinancement si

(,)
(,)
Vtk+1 = Vtk
+ k Stk+1 Stk
stratgie de rplication autofinance du put Posons u := e et

d = e et considrons larbre binomial dcrivant la dynamique du prix
de laction S : on note pour 0 i k N
nik le neoud de la date tk o le prix de laction vaut S0 e(2ik)
(k,i , k,i ) la stratgie de portefeuille au noeud nik
P k,i le prix du put au noeud nik
S k,i le prix de laction au noeud nik Une stratgie de rplication adapt
et autofinance est donne par
k,i =
S k+1,i+1 P k+1,i S k+1,i P k+1,i+1

S k+1,i+1 S k+1,i
et k,i =
P k+1,i+1 P k+1,i
S k+1,i+1 S k+1,i
72
4.3
Stratgies Stop-Loss
La mthode du stop peut tre considre comme la mthode la plus

simple dassurance de portefeuille. Elle est illustre travers lexemple
simple suivant.
On note x la richesse initiale dun investisseur. Le montant x est rparti
entre un actif sans risque S 0 et un actif risqu S. On note V (t) la valeur
la date t de ce portefeuille. La mthode du stop-loss consiste
liquider lintgralit de S pour acheter S 0 , ds que S 0 (t) > S(t)
liquider la totalit de S 0 pour acheter S ds que S(t) > S 0 (t).
On garantit ainsi que V (t) S 0 (t).
En pratique, la mise en place de stratgie peut entraner des cots de
transactions prohibitfs, notamment si le prix de S oscille alentour de
S 0 (t). On peut alors penser fixer un intervalle autour de S 0 (t) et ne
changer la composition du portefeuille que lorsque S(t) sors de cet intervalle.
4.4
Mthodes du coussin multiple
Un investisseur rparti sa richesse initiale x > 0 entre un actif sans

risque S 0 et un actif risqu S.
Linvestisseur choisi une valeur plancher P pour la valeur Vt de son
portefeuille. On appelle coussin la diffrence : Ct := Vt P .
Il fixe ensuite le montant qui sera allou lactif risqu. Dans cette
mthode ce montant est choisi de la forme m C0 avec m 1, le facteur
m sappelle le multiple.
Notons par le pas de temps et supposons que linvestisseur ractualise
son portefeuille chaque instant k, k 0. On suppose que linvestisseur
ralloue son portefeuille de manire ce que la montant investi dans
4.4. MTHODES DU COUSSIN MULTIPLE

lactif risqu chaque date k soit gal mCk .
On peut alors vrifier que chaque date tk := k, la valeur du portefeuille
vrifie
Vtk Pk = (x P )
k
Y
(1 + m(Ri r))
i=1
o r est la rentabilit de lactif sans rique sur lintervalle de temps ,

Pk := F (1 + r)k et Ri est la rentabilit de lactif risqu entre les dates
ti1 et ti .
Quelques rfrences :
1. E. Bouy (2009), Portfolio Insurance : a short introduction, Financial Analysts Journal.
2. H. E. Leland and M. Rubinstein (1988), The evolution of portfolio
insurance, in Dynamic hedging : a guide to Portfolio insurance, ed.
by Don Luskin, John Wiley and Sons.
3. P. Poncet et P. Portait (1997), Lassurance de portefeuille, Encyclopdie de la Gestion, Y. Simon d., Economica, tome 1.
73
74
Chapitre 5
Evaluation de performance
Quelques rfrences
75
76
CHAPITRE 5. EVALUATION DE PERFORMANCE
Annexe A
Rappels sur loptimisation

sous contrainte
On considre le problme doptimisation
optimiser localement sur Rd f (x)
h1 (x)
..
sous
la
contrainte
h(x)
=
=0
.
hm (x)
(B.1)
Dfinition B.1 On dit que la contrainte h est rgulire au point x? de

Rd , si les vecteurs (Dh1 (x), ..., Dh2 (x)) forment un systme libre.
On introduit le Lagrangien du problme doptimisation (B.1)
L : (x, ) Rd Rm 7 f (x) + 1 h1 (x) + + m hm (x) .
Condition ncessaire doptimalit Soit x? une solution du problme (B.1)

( x? est soit un minimum local, soit un maximum local). On suppose de
plus que la contrainte est rgulire au point x? , alors il existe des rels
77
78
ANNEXE A. RAPPELS SUR LOPTIMISATION SOUS CONTRAINTE

?1 , ..., ?m tels que
DL (x? , ?1 , , ?m ) = 0 Rd Rm .
Le point x? est dit point stationnaire pour (B.1). Les rels ?1 , ..., ?m sont
appels les multiplicateurs de Lagrange au point x? .
Condition suffisante doptimalit locale soit x? un point stationnaire pour

(B.1), et ?1 , ..., ?m les multiplicateurs de Lagrange associs. On suppose
de plus que la contrainte h est rgulire au point x? .
Si pour tout y Rd \ 0, on y 0 Dx2 L (x? , ? ) y > 0, alors x? est un minimum local.
Si pour tout y Rd \ 0, on y 0 Dx2 L (x? , ? ) y < 0, alors x? est un maximum local.
Condition suffisante doptimalit globale soit x? un point stationnaire
pour (B.1), et ?1 , ..., ?m les multiplicateurs de Lagrange associs. On
suppose de plus que la contrainte h est rgulire au point x? .
Si le Lagrangien est une fonction convexe, alors x? est un minimum
global.
Si le Lagrangien est une fonction concave, alors x? est un maximum
global.

Gestion de Portefeuille - 2

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Gestion de Portefeuille - 2

Загружено:

Авторское право:

Доступные форматы

Universit Paris Dauphine

Mathmatiques de la Modlisation et de la Dcision M1MMD

Table des matires

1 March financier et donnes financires

Les produits du march financier . . . . . . . . . . . . . . . .

Fonctionnement des marchs financiers . . . . . . . . . . . . .

Elments danalyse des donnes financires . . . . . . . . . . . . . . .

Lois statiques gaussiennes pour les rentabilits . . . . . . . .

Tester lhypothse de normalit . . . . . . . . . . . . . . . . .

Quelques faits styliss . . . . . . . . . . . . . . . . . . . . . .

De lefficience des marchs financiers . . . . . . . . . . . . . . . . . .

2 Politique de gestion de portefeuille

Enoncer la politique de placement . . . . . . . . . . . . . . . . . . . .

Dterminants de la politique de placement . . . . . . . . . . . . . . .

TABLE DES MATIRES

Les objectifs de placement . . . . . . . . . . . . . . . . . . . .

Les contraintes de placement . . . . . . . . . . . . . . . . . .

3 Thorie moderne de portefeuille

Thorie de portefeuille de Markowitz . . . . . . . . . . . . . . . . . .

Modle du march financier . . . . . . . . . . . . . . . . . . .

Choix en prsence de risque : thorie de lesprance dutilit .

Critre de moyenne-variance et portefeuilles efficients . . . . .

Dtermination de la frontire efficiente en absence de lactif

Dtermination de la frontire efficiente en prsence de lactif

Le modle dquilibre dactifs financiers MEDAF . . . . . . . . . . .

Thorie de lvaluation par arbitrage (APT) et modles factoriels . .

Modle factoriel linaire . . . . . . . . . . . . . . . . . . . . .

Nature des facteurs . . . . . . . . . . . . . . . . . . . . . . . .

Absence dopportunits darbitrage et relations fondamentales

TABLE DES MATIRES

Assurance de portefeuille : dfinition . . . . . . . . . . . . . . . . . .

Stratgies utilisant des options . . . . . . . . . . . . . . . . . . . . .

Rappels sur les options classiques . . . . . . . . . . . . . . . .

Rplication du put : cadre du modle binomial lmentaire

Rplication du put : cadre du modle de Cox-Ross-Rubinstein

Mthodes du coussin multiple . . . . . . . . . . . . . . . . . . . . . .

A Rappels sur loptimisation sous contrainte

TABLE DES MATIRES

Chapitre 1 et 2 : introduction de la gestion de portefeuille, des

Chapitre 3 : thorie de Markowitz : critre moyenne-variance et

Chapitre 3 : la frontire efficiente et le thorme des deux fonds

Chapitre 3 : le MEDAF quelques extensions, validation empirique

Chapitre 3 : APT et modles factoriels : Modle un facteur comparaison avec le MEDAF

Chapitre 4 : APT et modles factoriels : Relation fondamentale de

Chapitre 4 : APT et modle factoriels : Relation fondamentale de

Chapitre 4 : Stratgies dassurance de portefeuille-1

Chapitre 5 : Stratgies dassurance de portefeuille-2

Chapitre 5 : Stratgies dassurance de portefeuille-3

Chapitre 6 : Mesure de performance

March financier et donnes

Les produits du march financier

On peut classer les diffrents produits du march financier selon le tableau

CHAPITRE 1. MARCH FINANCIER ET DONNES FINANCIRES

Les instruments du marchs montaire sont des instruments demprunt

Les produits du march des capitaux

sont des titres dont la maturit est su-

1.1. MARCHS FINANCIERS

Fonctionnement des marchs financiers

Mcanisme des ordres en bourse Pour pouvoir effectuer des oprations en

CHAPITRE 1. MARCH FINANCIER ET DONNES FINANCIRES

Elments danalyse des donnes financires

La log-rentabilit, appele encore rentabilit gomtrique, est dfinie par

1.2. ELMENTS DANALYSE DES DONNES FINANCIRES

o (t ) est une suite de variables i.i.d. N (, ).