Sciences.ch (Économie)

La théorie du marché des valeurs dite aussi "théorie moderne du portefeuille" est la théorie mathématique qui traite du choix, de la gestion et des opérations des échanges des emprunts, prêts et capitaux . Elle 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.

Il faut cependant savoir qu'en pratique, dans les banques, seulement une infime minorité des acteurs du marché connaissent, comprennent et appliquent des modèles mathématiques et pour les autres ayant obtenus des certifications ou diplômes de formation continue, le niveau est affligeant. La gestion financière n'est donc finalement souvent que l'application du bon sens (quand il est présent...) sur la variation des prix sur les quantités...

Il faut savoir cependant que beaucoup sont pérsuadés que tout est écrit quelque part (croyance probablement assez ancrée dans la culture occidentale), 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 flucturations 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 les mathématiques peuvent 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 de maths ce qui est très loin du cas du 99% des personnes travaillant dans la finance).

En finance, les modèles mathématiques servent 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 grande et pour cela elles ne s'appuient pas sur des modèles mathématiques. Par ailleurs les personnes dirigeantes des banques 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.

Définitions: La "Bourse" ("Stock Exchange") est le marché public 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 et de la demande. Lorsqu'un titre est beaucoup demandé, son prix monte, et inversement, lorsque personne n'en veut.

1. Pour les entreprises qui veulent investir (donc augmenter leur capital) d'obtenir des fonds afin de satisfaire le 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'auto-régule.

Le système cité ci-dessus fonctionne si et seultement s'il est transparent, rationnel, efficient, autorégulant et équilibré!

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 (AOA)

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.

Ainsi, si plusieurs actifs de même risque proposent des rendements différents, les investisseurs qui recherchent de nouvelles opportunités vont logiquement tourner leurs achats sur ceux dont le rendement est le plus élevé, ce comportement entraine alors une baisse du rendement de ces actifs.

Ainsi, les mathématiques financières reposant sur l'A.O.A. laissent ces arbitragistes gagner de l'argent ainsi et négligent ces apparitions d'opportunité qui de toute façon n'existent toujours que sur un temps très supposé très bref (ce type de stratégie est mise à profit aujourd'hui avec l'informatique qui peuvent 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 la marché est formé d'un actif risqué et d'un taux de placement constant r. Par exemple, une somme de un dollar aujourd'hui, placée aux 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 à 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 peut prendre que deux valeurs b (bas) et h (haut) avec:

Ainsi, l'actif risqué au temps

peut prendre que deux valeurs positives. La valeur basse:

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:

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 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 empruntons 100.- à une banque au taux sans risque de 5% et que l'actif risqué que nous souhaitons acquérir avec cet argent est coté aujourd'hui à

et peut prendre deux valeurs futures:

Nous voyons alors de manière triviale que si

il existe alors 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:

Inversement, s'il est plus sûr d'investir dans l'actif non risqué que dans l'actif risqué, le marché doit s'assurer pour éviter toute opportunité d'arbitrage que:

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:

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 investissement (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.

D1. Pour mesurer l'évolution générale d'un marché boursier, nous utilisons des "indices" reflétant la moyenne arithmétique (Down Jones Index 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.

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" 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.

D3. La "volatilité" mesure l'amplification de la variation d'un cours. Autrement dit, un titre financier dont la volatilité est élevée signifie que son cours varie fortement, voire de façon exagérée sur une période donnée. A l'inverse, un titre dont la volatilité est faible signifie que son cours varie peu et/ou de manière assez cohérente. La volatilité s'exprime en pourcentage dans les modèles mathématiques simples (car il en existe plusieurs définitions dont nous verrons certaines par la suite). Ainsi, la volatilité d'un titre sur une période donnée est définie par:

ACTIONS

Définition: Les "actions" sont des papiers-valeurs reconnaissant par contrat des droits de propriétés sur le capital valeur d'une entité dite "société anonyme". Ce contrat a un prix et il est échangeable sur le marché.

L'action donne à son propriétaire des droits de différente nature de types tels que les droits sociaux (droit de vote aux assembléess générales, droit d'élection et d'être élu au conseil d'administration) ou patrimoniaux (droite de recevoir une part du bénéfice net, sous forme de "dividende" variable, ou une part du produit de la liquidation de la société si elle tombait en faillite, ainsi qu'un droit préférentiel d'acheter de nouvelles actions en cas d'augmentation du capital).

Définition: Il y plusieurs types de "rendement boursier" en fonction du contexte d'une discussion qui sont pour certaines intuitives et pour d'autres assez complexes. Voici deux des plus courantes (nous en verrons d'autres par la suite...) à notre connaissance lorsque l'on aborde pour la première fois les mathématiques financières:

- Il y a le rapport, exprimé en pourcentage et appelé "yield", 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):

- Il y a le rapport, exprimé en numéraire par année et appelé "rentabilité de l'action", de la différence entre le cours d'achat de l'action majoré par les dividendes et le cours de vente de l'action de cette société sur le nombre de périodes:

Si nous divisons le résutat de ce dernier rendement numéraire annuel par le capital initial investi, nous obtenons le rendement en pourcentage.

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 à reçu 3 fois un dividende de 2.20.- plus une fois un de 1.-. Les deux types de rendements donnent alors respectivement:

et si nous divisons ce dernier par le capital initial investi (10.-), nous obtenons donc 16.8%.

Remarques:

R1. Nous différencions les "actions au porteur" négociable sans restrictions en Bourse et les "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 sont 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"). Ce qui leur permettra de maintenir le pourcentage de leur part au capital, ainsi que le poids de leurs droits de vote.

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) établissant par contrat des droits de créance (capital prêté) et qui rapportent un intérêt fixe au titulaire (elles sont remboursables à une échéance prévue par le contrat). Ce contrat a un prix (dépendant de la date!) et il est échangeable sur le marché et le débiteur est obligé de payer le intérêts. Par ailleurs si l'obligation est "convertible" elle donne droit au créancier d'obtenir le remboursement de l'obligation, soit sa conversion en actions, suivant des modalités fixées d'avance.

T1. "Obligation à taux fixe" qui est la plus classique des obligations. Elle verse un flux d'intérêt définitivement fixé lors de son émission selon une périodicité prédéfinie jusqu'à son échéance (ce qui est sécurisant). Ce n'est cependant pas un investissement sans risque comme nous le verrons dans un exemple simple plus loin.

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".

T3. "Obligation indexée" dont les flux d'intérêt et le prix de remboursement sont indexé sur un taux de référence qui peuvent être du même type que ceux précités.

T4. "Obligation zéro-coupon" qui ne comportent que deux flux financiers : un flux initial et un flux final, sans aucun paiement intermédiaire. C'est la moins risquée de toutes les obligations.

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", appelé le "pair", désigne la valeur servant au calcul des intérêts.

P4. Leur"taux d'intérêt nominal" 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", "prix de souscription", ou encore "prix de remboursement" (en pourcentage du pair) 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. Elle se fait au-dessus du pair si la somme demandée est supérieure au nominal, la différence étant appelée "prime d'émission".

P6. Leur "prix de remboursement" est la somme réellement versée à l'emprunteur lors du remboursement de l'obligation à échance. Le remboursement peut être prévu au pair ou parfois en-dessus à l'échéance (in fine), par tranches, ou jamais (obligation perpétuelles).

Remarque: L'investisseurs doit être particulièrement attentif à l'indication "subordonné" sur son papier d'obligation, qui signifie qu'en cas de faillite du débiteur (assimilé 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 à l'inflation (sur un taux de 3% sur dix ans d'une obligation d'état qui subit une inflation de 2% il reste plus que 1% de rénumération par exemple).

E1. Considérons un emprunt obligatoire 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 : 4.5%.

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 t% de 4.5. Le prix d'émission est le 99.5% de 10'000.- soit E=9'950.-. Le remboursement R est au pair et vaut donc 10'000.- et le coupon à une valeur c de 450.-.

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 implictement baisser, jusqu'à ce qu'il corresponde à une rémunération de 15%, soit ici 666 francs. 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 une rémunération de 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 obligations 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.

A tout moment, la valeur actuelle sur le marchée d'une obligation doit donc être égal à la valeur 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 doit être vue comme un capital initial dont on retire pendant n périodes restantes une certaine somme fixe , somme correspondant au prix du coupon:

avec C la valeur nominale de l'obligation et le tout cumulé étant périodiquement soumis à l'intérêt du taux du marché

constant dans le cadre d'une considération d'un avenir certain.

Ainsi, la valeur actuelle d'une obligation est dans un premier temps constituée que de la valeur actuelle des coupons futurs restant pendant n périodes tel que :

Cette partie du prix de la valeur de l'obligation correspond donc à la somme totale nécessaire tel que l'on peut solder

après avoir retiré n fois (le nombre de périodes restant) la valeur c à un taux d'intérêt

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 :

ce qui correspond au capital actuel pour obtenir le remboursement R pendant les n périodes restantes.

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!!

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.

Soit à calculer le prix actuel d'un 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% à la caractéristique suivante :

Evaluer 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 de 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.

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.

D1. Le "coupon échu" (C.E.) d'une obligation est payé à son propriétaire sous déduction de

d'impôts anticipés. Ainsi, le calcul du coupon net annuel d'obligations à X.- (valeur monétaire) à rendement de

est trivialement donné par :

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 :

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).

D3. Par extensions, 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.P.A.E.) par la relation triviale :

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.

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 à 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-jacente (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 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 (...).

Par ailleurs, les stock-options (données par l'entreprise), sont des actifs financiers sans risques puisqu'il n'y a aucune obligation des 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...

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 par exemple 1'000.- en avril 2004, le bon vaudra 475.- (1'000.- moins le prix d'exercice de 525.-).

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 existants indépendamment des opérations financières de la société concernée. Sauf exception, ceux-ci ne concernent que les investisseurs entre eux et ne permettent donc pas le financement de l'entreprise. Ces bons (également cotés) sont fréquemment appelés "warrants" ou, plus précisément "covered warrants" (warrants couverts) car, dès l'émission, l'établissement financier se couvre en rachetant des titres sur le marché.

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 détailée 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 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

Ce type de contrat est symétrique, c'est-à-dire que chaque contrepartie a autant de chance de gagner ou de perdre de l'argent.

Définition: Un "contrat à terme" ou "forward" est un contrat d'achat ou de ventre d'un produit financier, passé entre deux contreparties, dont toutes les caractéristiques sont fixées à l'avance : date de réglement, prix à terme, etc. Le prix conclu est appelé "cours à terme" ou aussi... "forward", et l'échange se fera à ce prix quelque soit le cours du marché à la date de livraison.

- Les "physical settlement" : le sous-jacent est effectivement échangé (ce qui est rare)

- Les "cash settlement" : si le cours du sous-jacent est en dessous du prix fixé, l'acheteur (du contrat à terme) se fournit sur le marché et vers la différence au vendeur et inversement.

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.

Exemple: Un industriel suisse sait qu'il doit recevoir en dollars une forte somme d'argent dans six mois. Pour se couvrir contre une baisse du dollar, il achète un contrat à terme, d'échéance 6 mois sur le dollar, en francs suisse. Notons que cette opération de couverture du risque de change peut lui être défavorable si dans six mois, le contrat cête moins que le taux de change.

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 masi produit dans la zeon euro. Le prix de vent 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.

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").

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 tel que vu plus haut.

D3. Si la valeur intrinsèque d'une option est postive 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'acher 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).

D4. 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 par judicieux d'exercer ce Call à la date d'échéance car cela reviendrait à acheter plus cher que le cours spot à cette date!

D5. Si la valeur intrinsèque d'une option est égale au cours du spot à maturité, la valeur intrisnèque est nulle et l'option est dite "à la monnaie".

Il y a donc une différence mathématique d'une énorme importance entre les options et les actions/obligations. Effectivement, ces premières 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 d'achat ou de leur date d'exercice (donc c'est une sorte de parabole que les financiers appellent "smile de volatilité"...). Leur volatitlité est souvent maximale entre deux et ceci n'est pas applicable pour les actions/obligations car on sait jamais au niveau stratégique quand elles seront vendues ou respectivement achetées.

Remarques:

R1. L'utilité de l'existence des options peut être vue comme des actifs financiers permettant de croître 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'emetteur 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).

R4. Parallèlement aux options classiques, apparaissent depuis les années 1990, sur les marchés des options dites "options exotiques" caractérisées par le nom du lieu où elles ont été créées et la manière de calculer leur prix d'exercice à l'échéance.

Formalisons un peu plus les choses quand même... mais sans aller trop dans les détails (nous nous les gardons pour l'étude du modèle de Black & Scholes plus loin qui consiste à déterminer le montant de la prime). 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 des différents 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

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 tate t (i.e. 1 dollar =

euros), cette assurance revient du point de vue de l'entreprise à percevoir un montant (pay off):

euros à la maturité T et noté traditionnelement. A tout temps, deux cas se produisent dès lors pour notre acheteur du Call :

: 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. Ce droit n'a donc aucun intérêt si nous ne somme pas à l'échéance, et nous ne l'exerçons donc pas. Cependant, si nous sommes à l'échéance il faut voir... il y a une part de risque quand à l'évolution ultérieure de

. 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. Mais nous perdrons la somme déboursée (la prime) d'achat des Call.

: 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 ses 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

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 le 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) :

Imaginons le cas d'une action valant actuellement 1000.- (peu importe la devise) et qu'elle soit supposée augmenter de 12% en une année.

Imaginons aussi qu'un investisseur à l'alternative d'acheter l'action à 1000.- ou d'acheter l'option Call à un prix d'exercice de 1000.- (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). Evidemment, l'investisseur peut alors pour 1000.- 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 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.

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.

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 suivant aux prix d'exercice de 380.-. Une présentation graphique permet de mettre aisément en relation l'évolution du titre (en abscisse) et son effet sur l'acheteur ou vendeur 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 sont option, qui est dite "out of the money". Par contre, si le cours de l'action progresse et dépasse le prix d'exercice, l'option est dite alors "in the money" et il devient intéressant d'exercer l'option. Lorsque le prix d'exercice de l'option est égale au prix du sous-jacent en bourse, nous disons que l'option est "at the money". 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 40%, 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".

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. A partir de 380.-, le vendeur risque d'être obligé de livrer l'action au prix d'exercice, soit 380.-. A 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 cher que l'addition du prix d'exercice et de la prime encaissée. Si pour son malheur le titre monte effectivement à 500.à 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.

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.-.

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 mois 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.).

Le vendeur du Put encaisse d'abord la prime de l'option soit 49.50. Tant que le cours se maintient au-dessous 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.

FONDS DE PLACEMENTS

Définition: Un "fond 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.

Bien qu'un fond 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 fond 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 placements à travers le monde.

Les fonds de placement rendent souvent service aux petits portefeuilles : avec des montants relativements modestes, il est possible de bénéficier d'une bonne répartition des risques et aussi à des 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 la 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 une horizon économique (return on investment) et leur taux de rendement respectifs (rate of return).

2. Les retours sur des investissements en comparaison à un taux géométrique moyen du marché (goodwill) et la limite du taux de rentabilité correspondante (internal rate of return).

Ensuite, il faut considérer d'autres approches de taux de rentabilité outre le deux mentionnés ci-dessus les deux autres grands classique 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 du Goodwill 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.

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 :

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 ré-investi avant le temps t. Le prix de marché au temps

est une valeur "ex-coupon" c'est-à-dire une valeur enregistrée immédiatement après (le détachement du coupon donnant 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 entres investissements, nous utilisons une mesure exprimée en termes relatifs le "taux de rentabilité" ou "rate of return" défini assez logiquement par :

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 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 étant complétement réaliste) la prise de risque par le "Goodwill" comme étant donné par la relation :

Le deuxième terme à droite de l'égalité nous est déjà connu (nous l'avons vu lors de notre étude du calcul actuariel) mais sous la forme :

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 intiale investie au cours de sur sa durée d'utilisation et après avoir rémunéré le capital encore investi au début de chaque période au taux d'actualisation.

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 interne de rentabilité" (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 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) :

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 polynômiale dont nous avons démontré, dans le chapitre d'Algèbre, qu'elle a autant de racines que le polynôme présente de changements de signe.

MONEY WEIGHTED RATE OF RETURN

Nous allons maintenant introduire un type de taux interne de rentabilité différent de celui du 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'hypothèses que les cash-flow sont déboursés à intervalles périodiques).

3. Une valeur monétaire totale nette

investie durant la période [0,1] payée (pour simplifier l'exemple) en deux moitiés en début et fin de période

1. La valeur

qui représente la valeur totale du fond et d'une partie de l'investissement au moment 0.

2. La valeur

qui représente le capital qu'il aurait fallu rassembler 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 le capital qu'il aurait fallu rassembler pour arriver en fin de période à

lorsque le taux du marché vaut aussi t%.

donne le valeur qu'il aurait fallu capitaliser pour obtenir la somme

en d'autres termes la valeur finale du fond en fin de période investissement initial compris.

Ce qui est trivialement intéressant pour un investisseur est alors de connaître le taux

tel que :

Si cette relation se vérifie pour un

connus et déterminés et

supposé un investisseur n'aura rien à gagner ni à perdre à investir dans le fond ou de capitaliser au taux du marché

Si l'équation de Hardy n'est pas non nulle mais positive alors l'investissement dans le fond n'est pas intéressant. Si elle est négative il vaut alors mieux investir dans le fond.

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.).

Nous avons alors comme données initiales

ce qui donne si nous assumons les hypothèses de départ concernant N :

Considérons maintenant que nous savons que les investissements ont eu lieu le 16 Mai (3/8ème de l'année) et les retraits 1 Octobre (9ème mois).

Nous voyons qu'en considérant les cash-flows et le moment 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 fond, donnant l'impact du poids des cash-flows sur la valeur du fond. Il s'agit aussi au fait d'une simple généralisation du IRR (Internal Rate of Return).

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.

	Décembre 31. 2000	T1 2001	T2 2001	T3 2001	T4 2001
Valeur de début du fond		1000	370	81	7.8
Gain ou (perte) pour le trimestre %		10%	3%	(4%)	6%
Gain ou (perte) pour le trimestre .-		100	11	(3.2)	0.5
Cash flows trimestriels entrées/(sorties)		(730)	(300)	(70)	0
Valeur du fond	1000	370	81	7.8	8.3

Tableau: 2 - Time Weighted Rate Of Return

Le 31 décembre 2000, le fond à une valeur de 1000.-. Durant le premier trimestre 2001 il a un retour de 10% mais nous imaginons que cette valeur est loin de ce qui était attendu alors l'investisseur retire 730.- du fond (portefeuille basé sur le fond). Lors du second trimestre, le fond a gagné 3% et 300.- supplémentaires ont été retirés par l'investisseur. Lors du troisième trimestre le fond a perdu 4% et 70.- on été retirés. Le dernier trimestre, le fond a gagné 6% et aucun fond n'a été retiré.

Nous avons alors l'accroissement (retour) global sur l'ensemble de la période (année) qui est donné par :

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.).

Il convient de se rappeler que si nous avions voulu calculer calculer la moyenne du rendement du fond 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 pourraint 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 fond

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 tendances 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 utilisés que depuis 1973 grâce aux différents travaux de Black & Scholes, et Merton (qui leur ont valu à leurs auteurs le dernier 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 à un temps t. Dès lors, la probabilité cumulée que la valeur du cours se trouve compris dans l'intervalle élémentaire [x, x + dx] au temps t est de la forme:

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 le cours soit coté x dans un intervalle donné à l'époque

, c'est-à-dire:

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 :

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 :

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 :

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 toutes 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'appelation des "hypothèses d'indépendance et de stationnarité".

Ceci étant dit, nous devons alors bien évidemment imposer (axiomes des probabilités obligent!):

L'intégrale classique qui figure dans le deuxième terme a pour valeur (cf. chapitre de Statistiques):

En posant

, nous obtenons

c'est-à-dire que A égale la probabilité du cours coté actuellement. Il faut donc établir que la fonction :

Soient

les quantités correspondant à

et relatives aux temps

, il faut donc prouver que l'expression :

peut se mettre sous la forme

où A,B ne dépendant que du temps! Cette intégrale devient en remarquant z que n'est pas une variable d'intégration (nous supposons qu'il est indépendant de x comme vous l'aurez compris depuis le début)

Nous allons maintenant changer la forme de l'intégrale (nous changeons aussi de notation pour l'exponentielle sinon cela devient illisible) :

nous devons en conclure que la probabilité que le titre soit coté z au temps

s'exprime bien par la relation :

Nous voyons que la probabilité est régie par un loi de distribution de type loi Normale centrée réduite! 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 jamais plus d'avantages pour une chance que pour l'autre. Autrement dit, à chaque cotation, le cours a une chance sur deux d'augementer et une chance sur deux de diminuer. Mais chaque spéculateur a son opinions sur la question. Sans cette diversité d'opinions, il n'y aurait pas 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 de Gauss. 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 suivant une loi de Gauss (cf. chapitre de Statistiques).

La relation antéprécédente nous montre que les paramètres

satisfont à la relation fonctionnelle :

différentions par rapport à

, puis par rapport à

. Le premier membre ayant la même forme dans les deux cas, nous obtenons :

Cette relation ayant lieu, quels que soient

, la valeur commune des deux rapports est constante et nous avons donc :

Nous avons donc pour expression finale de la fonction de densité de probabilité de la valeur du cours x:

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 Statistique)!! Les financiers disent alors que nous avons affaire à un "hasard sage", sous-entendu que les variations sont faibles et régulières.

esperance 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) :

le "coefficient d'instabilité" (sur lequel nous ne savons rien) nous avons ainsi l'espérance positive du cours qui est au final:

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 employée 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.

Or dans le chapitre de Statistique nous avons démontré par intégration par parties que:

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:

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 proportionnelle à la racine carrée du temps.

Ceci dit il faut accepter les limites de cette approche. Prenons par exemples les rendements de 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:

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 peux mieux si nous faisons une approche avec la loi de Student.

Deux résultats majeurs sont au final à retenir ici sont 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 une 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 le cas 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 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. Noux fixons une espérance de rentabilité et nous trouvons tous les portefeuilles de variance minimale satisfaisant l'objectif de rentabilité. Nous obtenons ainsi un ensemble de portefeuilles de variance minimale.

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

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

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

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

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

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

Soit

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 X_i dans la composition du portefeuille P tel que:

Remarque: Un part X_i 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...).

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

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

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

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

le même vecteur transposé :

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

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

Sélectionner un portefeuille revient donc à résoudre 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 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...

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:

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 :

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

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 relaviment long à calculer pour de gros portefeuilles.

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

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

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 MS Excel (la composante j pouvant être vue comme une période temporelle) :

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

Dessous la table donnée précédemment nous allons créer dans MS 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 :

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

Dans notre cas, il s'agit de faire la somme des produits terme à terme de deux plage de cellules (

) ayant la même dimension (même nombre de lignes et même nombre de colonnes). Nous pouvons alors utiliser la fonction suivant dans MS Excel :

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

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

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

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 :

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

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

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

Ce que nous allons faire à l'aide du solveur est de chercher et reporter les solutions pour des rendements de 0.2 à 0.245 par pas de 0.05. A chaque résultat, nous noterons le numéro de l'itération, la variance du portefeuille

et l'espérance de rendement

qui était exigée. Cela devrait donner (bon il faudrait automatiser dans l'idéal la procédure par du VBA) :

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

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

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

Nous allons pour déterminer cette droite avec MS Excel nous fixer dans un premier temps un taux de rendement sans risque que nous noterons

et que nous prendrons arbitrairement comme valant 0.22. Nous avons donc la courbe de Markowitz d'équation :

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

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

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

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 :

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

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 une 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 moyens 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.

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".

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 diversiable" 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'un 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.

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.) :

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".

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 return 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 volatil que l'indice. Inversement, un fonds ayant un bêta de 0.70 est 30% moins volatile que l'indice.

1. Un investissement ne présentant aucun risque afficherait donc un bêta nul !

2. Un bêta inférieur à 1 indique que si le marché 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 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 pour objectif donc de simplifier celui de Markowitz en utilisant ce fameux coefficient.

Par définition, le bêta global d'un portefeuille est déterminé à partir des bêta pondérés respectifs de chacun des titres ou bêta sous-jacents qui le composent tel que:

avec

étant le bêta du portefeuille global, X_i 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.

Sharpe donc que le rendement R_i de chaque actif i à un instant t est donné par la régression linéaire (cf. chapitre de Méthodes Numériques) security characteristic line vue plus haut :

- I est donc le rendement d'un indice économique donné (indice boursier, indice du produit national brut, indice des prix ou voir même rendement 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 appelée 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 à un rendement nul) et le deuxième paramètre est pour rappel simplement le bêta du portefeuille risqué i.

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 caratérisé par la relation (afin de simplifier les développements plus tard) :

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

Pour résumer les points principaux, le modèle de régression linéaire simple des rendements des actifs financiers est basé sur les hypothèses majeures suivantes :

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 (hypothèses sous-jacente d'un effet brownien!):

ce qui constitue ceci dit une hypothèse simplificatrice dangereuse mais pratique pour être utilisable (et compréhensible) épar les praticiens de la finance...

H3. Pour n'importe quel échantillon de taille n, nous utilisons les estimateurs de maximum de vraisemblance (cf. chapitre de Statistiques) pour l'espérance et variance des rendements des actifs financiers du portefeuille de référence :

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 donc 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 :

ce qui donne la définition rigoureuse du coefficient bêta selon le modèle de Sharpe où R_i est le rendement de l'actif financier et R_I 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 avec 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 :

Si les rendements ne sont pas explicitement connus dans les pratique, nous utilisons alors le modèle linéaire :

Si les rendements sont explicitement données et donc connus l'espérance se calculera avec :

Comme le client va souvent chercher à maximiser l'espérance tout en minimisant la variance (le risque) il nous reste à déterminer cette dernière. Etant donnée que maintenant 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!).

Nous pouvons condenser la notation de la variance en utilisant les notations matricielles en notant d'abord respectivement le vecteur transposé et le vecteur colonne des poids des actifs du portefeuille par :

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 :

Dans ce contexte le problème revient toujours à maximiser la fonction économique Z :

La résolution de ce système passe alors par l'inversion d'une matrice plus simple que celle du modèle de Markovitz mais nécessite cependant des d'hypothèses relativement contraignantes.

Pour finir, signalons que les financiers utilisent souvent les indicateurs de rendement modéré par le risque, le plus répandu au niveau international étant le "ratio de Sharpe". Il est déterminé par le rapport entre le rendement (pour être plus exact il s'agit de son espérance) différentiel du rendement d'un placement (actif) sans risque et le rendement du marché (appelé le "benchmark") et la déviation standard du placement sans risque (nous déterminerons rigoureusement l'origine de cette relation plus loin lors de notre étude du MEDAF):

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 sur-rendement du portefeuille considéré par rapport au référentiel se fait pour une prise de risque trop élévée. Ou, le risque pris est trop élevé pour le rendement obtenu.

- Si le ratio est supérieur à 0.5, le rendement du portefeuille sur-performe le référentiel pour une prise de risque ad hoc. Autrement dit, la sur-performance ne se fait pas au prix d'un risque trop élevé.

Signalons également un autre indicateur courant qui est le "tracking error" et défini comme étant l'écart-type de l'écart de performance entre le portefeuille et le benchmark. Plus le trackin error est faible, plus le fond ressemble à son indice de référence en terme de risque:

Ces modèles sont relativement complexes. Raison pour laquelle quelques années plus tard, Sharpe et Lintner ont créé un nouveau modèle qui leur à valu le prix Nobel d'économie et que nous allons étudier de suite après un exemple pratique de ce que nous venons de voir.

Considérons trois titres composants un portefeuille en proportions égales et les n observations de leur rendement

saisis dans MS Excel. Ces rendements seront comparés à un indice de référence I qui sera le rendement d'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 MS Excel :

et le tableau de construction suivant pour le calcul des bêta, la variance et l'espérance du portefeuille du marché et des différents titres :

Voici les détails du calcul (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) :

L'espérance du rendement du portefeuille composé des trois titres est facile à calculer puisque nous avons leur rendement. Donc :

Maintenant, il nous faut calculer l'espérance en utilisant la relation démontrée dans la partie théorique des paragraphes précédents :

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 :

Ce qui donne le tableau variance/rendement suivant (à comparer avec le même tableau de Markowitz) :

et le graphique suivant (comparaison directe avec Markowitz mise en évidence) :

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 du rendement espéré de la variance. Plus tard (1963) , Sharpe élabore une 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 "capital asset pricing model" (C.A.P.M.) est donc un modèle très souvent utilisé, aussi bien par les praticiens que par les académiciens, pour évaluer les rendements anticipés d'équilibre sur 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 :

avec

qui est le prix d'un actif à la fin de la période t,

le prix d'un 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 qu'on parle de rendement espéré: il s'agit d'un rendement que l'on cherche à évaluer et qu'on espère recevoir dans 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 :

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 :

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 :

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 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).

Le coefficient de corrélation entre deux actifs i et j quant à lui se calcule comme suit (cf. chapitre de Statistiques):

Une fois les variances et covariances des différents actifs calculés, 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) :

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):

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) :

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. 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 ou 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 :

Par ailleurs, nous savons qu'à partir de ces n titres, il possible de construire une infinité de portefeuille en faisant varier les pondérations X_i. 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) :

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 donc 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 :

où

est la fraction du portefeuille investie dans le portefeuille du marché (m) et

est le "taux de rendement certain".

Rappel : L'espérance d'une constante est égale à cette constante (cf. chapitre de Statistiques).

et donc (en utilisant la formule d'Huyghens démontrée dans le chapitre de Statistiques) :

Cette équation nous donne la pente de la "capital market line" (C.M.L.). Elle est constante (la pente!), et donc la C.M.L. est une droite. L'ordonnée à l'origine est évidemment

où 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.

Par construction, cette droite associe donc à chaque niveau de risque, la rentabilité espérée la plus élevé. Ainsi, étant donnée 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 le 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.

Dérivant le rendement espéré de ce nouveau portefeuille par rapport à

, nous obtenons :

Dérivant l'écart-type du rendement de ce nouveau portefeuille par rapport à

, nous obtenons :

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) :

Avec les deux dérivées, nous pouvons obtenir une expression pour la courbe de combinaisons de combinaisons espérance/écart-type pour le nouveau portefeuille. Nous avons alors :

Cette pente doit être égale à celle de la C.M.L. En égalisant, nous obtenons :

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 :

c'est donc la volatilité de la rentabilité de l'actif considérée rapportée à celle du marché.

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 sont facteur bêta, qui dépend de sa covariance avec le portefeuille de marché.

Plus classiquement, la dernière relation est utilisée graphiquement sous forme de droite :

Cette droite est appelée la "security market line" (S.M.L.) 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.

avec

qui est appelé la "prime par unité de risque" (surplus de rentabilité exigé par les investisseurs lorsque ces derniers placent leur argent sur le marchée 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).

Le MEDAF stipule donc que le taux de rendement espéré (ou que devrait exiger un investisseur rationnel averse au risque) d'un actif risqué doit être égal au taux de rendement de l'actif sans risque, plus une prime de risque. 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 fait. Ce sont donc les hypothèses du MEDAF dont un certain nombre d'hypothèses dont certaines semblent difficilement acceptables. Il ne faut pas cependant 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.

H1. Les investisseurs composent leurs portefeuilles en se préoccupant exclusivement de l'espérance et de la variance de rendement de ces derniers

H3. Il n'y a pas de coût de transaction et les actifs sont parfaitement divisibles

H5. De nombreux acheteurs et vendeurs interviennent sur le marché et aucun d'entre eux ne peut avoir d'influence sur les prix.

H6. Tous les investisseurs peuvent prêter ou emprunter le montant qu'ils souhaitent au taux sans risque.

MODÈLE D'évaluation des options de BLACK & SCHOLES

C'est au génie de trois célèbres mathématiciens que le marché des dérivés 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 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). Evidemment ce modèle ne fonctionne que si les périodes temporelles considérées sont relativement courtes (de l'ordre de la semaine ou de quelques mois aux mieux). Au delà l'utilisation de ce modèle théorique particulier est une farce!

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 crasch boursier de 1987 par certains spécialistes...

Ce que nous aimerions dans ce qui va suivre, est de 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 l'option ainsi déterminé 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 au comportement 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 a 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.

Quelle somme M devons nous payer maintenant pour recevoir une somme garantie E appelée "prix d'exercice" (ou "strike price") à un temps futur T ?

Ainsi, nous avons vu lors de notre étude du calcul d'intérêts qu'en considérant un capital C et un intérêt r constant nous avions trivialement :

Mais cette relation n'est pas tout à fait juste. Effectivement, nous devons avoir M = E assuré au temps T - t . Dès lors nous somme naturellement amenés à poser :

Nous allons maintenant supposer que le Call et le Put possèdent les caractéristiques suivantes :

Dès lors, étant donnée C le prix d'un Call et P le prix d'un Put à même échéance T et à même valeur et S un titre, nous avons alors pour la valeur du portefeuille :

Cette relation ainsi que les précédentes supposent les hypothèses suivantes :

2. Le support n'est pas un instrument à terme (i.e. payable ou livrable immédiatement)

3. Le support spot ne verse pas de dividendes pendant la durée de vie de l'option ( i.e. entre [0;T] ).

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 considérée comme une boîte noire, rien ne nous empêche dès lors d'écrire :

Cette relation montre que la valeur d'un call européen avec prix d'exercice E et maturité T peut être déduite de celle d'un put européen avec le même prix d'exercice E et la même maturité T.

HypothÈsE efficiente du marchÉ

Le modèle de Black & Scholes se base sur le postulat que le marché est "efficient".

Définition: Un "marché efficient" (efficient market hypothesis en anglais... - abrégée 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:

2. L'hypothèse de marché efficient en "forme semi-forte" établit que les prix reflètent toute l'information publique disponible.

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 futur 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 nouvelle information; 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 profiter sur la base d'information privilégiée (information accessible à un petit groupe des agents économiques). Etant 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.

H1. L'histoire passée du cours de l'option est complétement réfléchie dans le prix présent qui ne contient lui pas d'autres informations sur l'option

H2. Le marché réponde immédiatement à toute nouvelle information sur le prix d'une option.

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 efficient 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 !

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. 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 d'une option (ou autre actif financier volatile) sur un petit intervalle de temps noté

Nous posons que (dans le sens que la variation de l'option est similaire à la variation de la valeur du sous-jacent!):

et avec 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'option une espérance positive dépendante de manière proportionnelle à la racine carrée du temps selon:

où nous posons comme hypothèse (acceptable... car nous travaillons sur de petites variations pour rappel!) que le coefficient d'instabilité est une fonction:

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.

Ceci dit, la relation antéprécédente est souvent notée de manière généralisée:

et définie comme étant un "mouvement brownien standard" avec "bruit blanc" (loi marginale de type Normale), ou "mouvement brownien arithémtique", 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!).

Il est possible de produire un graphique de ce mouvement brownien dans MS Excel avec dans la colonne A le temps avec un pas

typique de 0.01 [s] et dans la cellule B2 la formule suivante:

Nous obtenons alors pour 4 colonnes du même type les variations de valeurs suivantes:

Les mouvements browniens standards ont certaines propriétés remarquables comme nous pouvons le voir: la trajectoire à 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 pas de tendance générale à la hausse ou à la baisse des variations (pour le vérifier faites au moins 30'000 points dans MS Excel et vous verrez....).

donc nous pouvions nous attendre à ce résultat d'absence totale de tendance générale (c'était quasi-intuitif!).

Finalement (au fait ce résultat découle de manière immédiate de la propriété de linéarité de la loi Normale):

1. Nous savions avec le modèle de Bachelier que l'espérance positive et l'écart-type positif de la valeur sont proportionnelles à la racine carrée du temps. Nous avons utilisé ces deux résultats ici.

2. Nous savons maintenant (sous l'hypothèse bien précise d'une coefficient de type Normal) que les variations ont un 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 :

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 :

que nous pouvons aussi écrire sous la forme suivant en utilisant les propriétés de la loi Normale:

résultat auquel nous pouvions raisonnablement nous attendre avec les hypothèses susmentionnées...

Ce dernier résultat est écrit sous la forme explicite suivante dans les tableurs:

et nous voyons que c'est peu réaliste car cela signifierait que tout actif financier suit la même loi (quelque 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 processue d'évolution du cours de l'option est continu, ce qui conduit à remplacer

par dt,

par dx et

par dz.

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):

Nous avons donc un mouvement brownien généralisé, constituté d'un mouvement brownien standard (dz représenté donc 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:

Donc graphiquement cela donne, en rajoutant ce drift et en prenant une valeur positive et non nulle pour a, un mouvement brownien qui aura tendance à alterner au-dessus et en dessous du drift:

Sur un petit intervalle de temps

, le processus, en temps discret s'écrit bien évidemment :

En subdivisant une période T en n intervalles de temps

(soit

), la variation du cours devient sur cette période T :

Il est alors aisé de comprendre pourquoi nous disons que la loi de Gauss 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!

Nous avons alors la relation antéprécédente qui s'écrit traditionnelement sous la forme explicite suivante dans les tableurs:

où

est le rendement en % de l'actif financier et

la volatilité du rendement en %.

Il est alors intéressant pour le financier de créer un graphique qui représente 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 MS Excel et 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%):

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.

PROCESSUS D'ITô

Considérons maintenant un processus brownien correspondant à une variation de x en temps continu définie par :

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 à celle que pour le processus de Wiener et nous obtenons très facilement par analogie :

où a(x,t) correspondant au drift instantané et b(x,t) à la variance instantanée.

Le "mouvement brownien géométrique" qui permet de définir théoriquement la meilleure prédiction d'évolution du rendement d'une option est un cas particulier de processus d'Itô (parmi tant d'autres modèles...) où nous supposons que :

Dès lors nous pouvons écrire l'expression du mouvement brownien géométrique de la valeur de l'option notée :

L'interprétation financière de la relation antéprécédente devient apparente lorsque nous divisons les deux membres par x:

ce qui correspond aux taux de rentabilité de l'option (ou tout autre actif de la même famille) sur une période infinitésimale dt.

Le mouvement brownien géométrique est donc à priori un bon candidat pour modéliser l'évolution du prix d'un actif financier 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 :

où

est bien évidemment le prix de l'option (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.

Au cas où

(processus de Wiener, autrement dit le prix de l'action 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 :

Il s'agit donc d'une exponentielle (comme l'intérêt continu que nous avons vu au début de 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'Ito", 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'Ito est établi à partir du développement de Taylor à 2 variables x et t donnée par (cf. chapitre de Suites et Séries) :

En considérant

, et en prenant les termes que jusqu'au deuxième ordre (approximation formelle périlleuse mais numériquement non obligatoire à l'aide de la puissance de calcul des ordinateurs), nous avons :

En considérant une subdivision du temps en intervalles dt extrêmement petits qui implique

, donc en se plaçant en temps continu (donc un modèle continu), l'application du développement de Taylor peut alors s'écrire:

En revenant à l'hypothèse de mouvement brownien géométrique, nous savons que nous devons considérer que :

et nous obtenons finalement l'équation différentielle stochastique à coefficient constants :

Nous voyons déjà que contrairement au modèle de Bachelier, avec ce mouvement brownien géométrique, le rendement espéré peut être négatif ce qui est déjà plus réaliste!

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 rangents dans la catégorie particulière et réductire 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 obtenu pour le mouvement brownien peuvent êtres récupérés et nous permettent d'écrire au final:

ce qui revient dire que dF suit une loi log-normale (cf. chapitre de Statistiques) de paramètres:

Allons maintenant un peu plus loin en intégrant l'élément différentiel. Nous avons donc:

La deuxième primitive est simple (pas de constante d'intégration cas au temps zéro l'espérance de gain est nulle):

La troisième primitive vaut (pas de constante d'intégration car au temps zéro la valeur du gain est parfaitement connue comme valant 0):

Pour trouver la signification du premier facteur il suffit de poser la condition initiale:

Nous avons alors immédiatement pour l'expression finale du brownien géométrique:

obtenue par P. Samuelson en 1965 et qui est parfois appelée "modèle de Bachelier-Samuelson".

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 utilisé 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 est 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 évenement rares par construction) à celui de Wiener.

Il existe d'autres modèles que le log-normale mais celle-ci de par sa facilité est la plus répandue. Il faut cependant encourager d'autres méthodes plus généraliste!

Pour terminer cette partie résumons donc 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 instantanée) sont données en %:

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.

Utilisant donc les relations démontrées plus haut ($B$2 contient la valeur 500):

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:

Donc dans 6 mois, nous voyons que le portefeuille à 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 concerna le mouvement brownien géométrique) en les écrivant sous une forme proposée par Mandelbrot en 1962:

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 :

Si nous construisons maintenant un portefeuille consistant en une option et un nombre

de titres sous-tendants (souvent aussi noté

dans la littérature). La valeur du portefeuille est alors exprimée par :

Vous remarquerez que nous supposons constant (et négatif) le nombre

durant le différentiel de temps.

En réunissant les relations précédentes et (nous adoptons ici la notation traditionnelle usitée dans le domaine de l'économétrie où) l'équation de l'actif risqué donné donc par:

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:

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 risquée du portefeuille (c'est le dz qui génère le risque de manière aléoitre pour rappel!):

qui n'est d'autre que "l'équation différentielle partielle (sans second membre) de Black & Scholes".

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

de l'option sous-jacente. Une conséquence de cela est que deux personnes ayant des opinions divergentes quand à la valeur de

sont toujours en entente sur la valeur de l'option.

L'objectif bien évidemment est de résoudre cette équattion 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 AUTOFINANCANT SUR SOUS-JACENT RISQUÉ

Une stratégie de portefeuille autofinançante 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 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 :

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"):

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 GRECS ET AUTRES...

D1. Le "delta" d'une option, qu'il est important de comprendre (ou de savoir), donnée par :

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 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 et termes de delta (nombre entier) est alors notée

Le delta est donc paramètre le plus 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 nous sommes vendeur de 5 calls C₁ et acheteur de 7 Call C₂ alors notre delta global sera égal à :

La valeur de ce paramètre nous informe sur la quantité de sous-jacent à acheter ou vendre 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".

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 constituté 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".

D2. Le "thêta" d'une option donne la sensibilité du prix de l'option par rapport à sa maturité et est donné par:

Appliqué à notre portefeuille, le thêta nous donne 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 au taux d'intérêt et est donné par:

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:

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 trader sur options.

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.

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 contenant cette option (les deux derniers termes). Dans le cas d'une option européenne, nous aurions dès lors que la différence des couples de ces termes doit être nulle tel que :

Je ne suis pas tout à fait convaincu mais si un spécialiste qui lirait ces lignes pourrait m'expliquer qu'il me contacte via la page ad hoc du site.

Bref, ceci étant dit, nous pouvons donc avoir l'écriture technique suivante de l'E.D.P. de Black & Scholes:

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

- 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 :

La distribution normale cumulée de ce paramètre représente la probabilité que l'option soit exercée dans un univers risque-neutre. Multiplié par E, la valeur normale cumulée du paramètre précédent représente donc en quelque sorte l'espérance, en univers risque-neutre, de paiement du prix d'exercice. L'exponentielle se trouvant dans l'expression de C(S,t) est la facteur d'actualisation.

- Pour le Put européen (valeur de l'option de vente de maturité T et strike K) :

Dès lors, le "delta du Call" que nous avions déjà introduit plus haut est donné dans ce modèle par l'expression exacte :

et il est facile de vérifier que ces solutions satisfont l'équation de parité Put-Call :

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 and 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.

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 matrices 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 bêta.

Au début des années 1990, une nouvelle mesure du risque a fait son entrée (la banque JP Morgan en est 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 qui sont 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.

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 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 recourirà 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.

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 la VaR n'est pas limitée aux instruments financiers, elle est utilisée dans beaucoup d'autres domaines de la gestion du risque en général).

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:

Sous cette hypothèse de normalité, la VaR relative est appelée en toute rigueur "VaR delta-normale".

L'idée suivante est que la variable aléatoire X peut donc être réécrite avec une variable normale centrée réduite (cf. chapitre de Statistiques) en posant:

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 associé à la probabilité cumulée visée. Nous pouvons alors écrire:

qui est une forme intéressante car elle reporte l'analyse du risque et la variabilité sur l'estimation de l'écart-type seul (ce que les financiers apprécient bien...)!

Cette forme d'écriture se vérifie aisément avec MS Excel pour les sceptiques... Considérons un portefeuille P ayant un écart-type annuel de 10% et que nous possédons 1000.- en actifs de ce portefeuille. Nous avons alors à la première année:

Soit 99% de probabilité cumulée d'avoir une portefeuille valant entre 0 et 1'232.6.- à tout moment (on considère 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 de l'écart-type:

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):

où par tradition les financier prennent l'alpha (et donc la VaR) comme étant positif. D'où le fait qu'ils parlent de risque couverts à 99% 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 on trouve parfois aussi la VaR sous la forme suivante:

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 252 est le nombre de jours de bourse dans l'année dans un pays donné. Soit en numéraires:

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 gagner 232.60.- mais aussi de le perdre! Effectivement nous avons 1% de probabilité cumulée d'avoir une perte annuelle de:

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 un 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 temporer à un autre:

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 présuppose une distribution Normale et conseille une 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 reflèxe de changement d'échelle via la racine carrée est très critiquée par les spécialistes.

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 est proportionnelle 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 de (vous pouvez vérifier que la relation est bien homogène!) :

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).

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 MS Excel NORMALSINV() 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:

Mais cette dernière relation ne tient donc 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:

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 la 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.

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:

Concrétement, si les nous financons 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'un simple équation du deuxième degré tel que:

et nous trouverions dans notre exemple 2.4 années. Concrétement après 2.4 années les gains auront couvert la totalité des risques selon les hypothèses de construction...

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: 3 - Performances journalières 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:

Comme nous l'avons déjà mentionné dans le chapitre de Statistique, dans les tableurs nous utilisons la fonction CENTILE( ) qui n'est pas forcément calculé de la même manière d'un logiciel à l'autre.

VaR Variance-Covariance

La VaR variance-covariance est basée un cas plus réaliste du calcul de la VaR sur un portefeuille basé sur plusieurs actifs financiers corrélés ou non (contrairement aux cas précédents où nous avions qu'un seul actif).

Considérons pour introduire ce concept un portefeuille P1 de 5'000'000.- de volatilité journalière de 2% (soit de 100'000.-/j.) et un deuxième portefeuille P2 de 7'000'000.- 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):

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):

Il est intéressant de comparer de VaR relative journalière à la somme des VaR relatives des deux portefeuilles:

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 globable, 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 maintenir 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 maintenir une institution financière est calculé ou évalué selon les risques auxquels ell 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 file et 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 5 fois par année boursière.

ANALYSE DES SÉRIES TEMPORELLES

Contrairement à l'économétrie traditionnelle, le but de l'analyse des séries temporelles (AST) n'est pas de relier des variables entre elles, mais de s'intéresser à la dynamique d'une variable dans le temps pour découvrir certaines régularités afin de pouvoir extrapoler ou d'établir des prévisions sous réserve de l'hypothèse qu'on puisse relier une observation à celles qui l'ont précédée. Avec une analyse fine, il est même possible d'établir des prévisions "robustes" vis-à-vis de ruptures brusques et de changements non-anticipables.

Définition: Une "série temporelle" (plus rigoureusement on devrait parler de "suite"!) est une suite d'observation

d'une variable y à différentes dates t. Habituellement l'espace de base de t est dénombrable, de sorte que

. Le tout étant noté:

Une série temporelle est donc toute suite d'observations correspondant à la même variable: il peut s'agit de données macroéconomiques (le PIB d'un pays, l'inflation, les exportations), microéconomiques (les ventes d'une entreprise donnée, son nombre d'employés, le revenu d'un individu, ...), financières (le CAC40, le prix d'une option d'achat ou de ventre, le cours d'une action), météorologiques (la pluviosité, le nombre de jours de soleil par an...), politiques (le nombre de votants, de voix reçues par un candidat...), démographiques (la taille moyenne des habitants, leur âge...).

En pratique, tout ce qui est chiffrable et varie en fonction du temps peut être analysé relativement pertinemment sous forme de AST tant que la personne qui manipule le modèles sait ce qu'elle fait (ce qui est rare dès qu'on sort du domaine publique et étatique...).

La dimension temporelle est ici importante car il s'agit de l'analyse d'une chronique historique: des variations d'une même variable au cours du temps, afin de pouvoir en comprendre la dynamique. On représente en général les séries temporelles sur des graphiques de valeurs (ordonnées) en fonction du temps (abscisses). Une telle observation constitue un outil essentiel qui permet au modélisateur ayant un peu d'expérience de tout de suite se rendre compte des propriétés dynamiques principales, afin de savoir quel test statistique pratiquer. La figure précédente montrent différentes séries temporelles à titre d'exemples.

D1. Les séries qui oscillent autour de leur moyenne sont appelées "séries stationnaires".

D2. Les séries qui semblent croître ou baisser sur l'ensemble de l'échantillon observé sont appelles des "séries tendancières" et leur moyenne n'est pas constante.

D3. Les séries qui ne sont ni stationnaires ni tendancières haussière ou baissière à long terme sont appelées "séries non-stationnaires".

D4. Les séries qui présentent une périodicité régulière sont appelées "séries saisonnières".

Les caractéristiques de ces graphiques sont toutes modélisables et analysables dans le cadre de l'analyse des séries temporelles. Il existe pour cela des outils plus ou moins complexes dont certains ne peuvent être mis en doute et dont d'autres sont des modèles heuristiques qu'il faut savoir manipuler et utiliser avec précaution.

Dans le texte qui va suivre, nous allons nous intéresser qu'aux modèles élémentaires accessibles sans une artillerie mathématique lourde.

Définition: Nous appelons "processus Autorégressifs d'ordre 1" AR(1) le modèle déjà établi lors de notre étude du processus de Wiener et noté dans le cas d'étude des séries temporelles par:

où la fonction WN (pour Wiener) est pour rappel ce que nous appelons un "bruit blanc".

La seule différence par rapport au mouvement "mouvement brownien standard" c'est qu'il y a ici la présence d'un facteur d'inertie

qui influence fortement la dynamique du processus. Effectivement, comme il est très facile de le faire dans MS Excel conformément à la procédure indiquée lors de notre étude des processus de Wiener:

Voici différents tracés de la série temporelle en fonction de quelques valeurs du facteur d'inertie:

Si nous considérons

comme un variable aléatoire spécifique (ayant une fonction de densité donnée) que nous noterions X et

comme une autre variable aléatoire spécifique (ayant une fonction de densité donnée) que nous noterions Y, alors rien ne nous empêche étant connue les fonctions de densité de chacune des ces variables, de calculer leur covariance:

Par exemple, dans la pratique nous connaissions souvent les espérances

des deux variables aléatoires aux deux moments différents ainsi que quelques unes des valeurs de leurs distributions sous jacentes (réalisations aléatoires). Alors il devient aisé de calculer leur covariance. Mais ce n'est pas un indicateur vraiment utile. Rien ne nous empêche en supposant une relation linéaire d'utiliser le coefficient de corrélation linéaire:

Mais qui se note alors traditionnellement et trivialement dans le cas des séries temporelles:

avec leur "corrélogramme" correspondant pour différentes valeurs de h (en abscisse) et la valeur de

en ordonnée:

Définition: Une série temporelle est dite "stationnaire au sens faible" si les premiers (espérance) et second (ordre) moments existent et sont constant dans le temps:

La première condition (constance de l'espérance) élimine donc toute tendance. Si la fonction de densité sous jacente à chaque

est une loi Normale, alors nous parlons de "processus Gaussien". Dans le cas contraire, nous dirons sur ce site qu'elle est non stationnaire.

Considérons un cas important dans de nombreuses entreprises sur certaines périodes plus ou moins longues. Soit:

la moyenne temporelle. Si

converge en probabilité vers

quand

nous disons que le processus est "ergodique pour la moyenne". Donc quand

RÉGRESSION LOGISTIQUE

Il arrive toujours dans les entreprises que dans l'analyse d'un produit ou d'un service, que celui-ci voie son nombre de ventes croître, ensuite passer par un point d'inflexion et ensuite aller vers une asymptote pour diminuer à nouveau par la suite avec une caractéristique similaire.

Le modèle logistique permettant de simuler un tel comportement dans le cadre de l'analyse des séries temporelles (à ne pas confondre avec celle définie en Statistiques) est défini ainsi:

et inspiré de nombreux modèle que nous retrouvons en physique et où

est le seuil de saturation (asymptote horizontale) qui peut être déterminée suite à un audit du marché et son % de pénétration.

le point d'inflexion est toujours donné par le cumul de 50% du seuil de saturation. Le résultat est alors une courbe en S du type suivant:

où en jaune a été représenté les données actuelles d'une entreprise et en bleu le modèle théorique prévisionnel associé.

Pour déterminer l'équation de la courbe logistique nous pouvons utiliser directement les solveurs de certains logiciels. Mais ceux-ci ont parfois besoin d'avoir des données de départ proches de la valeur théorique. Nous allons donc d'abord montrer comment ces valeurs de départ peuvent être déterminées avec un exemple.

Considérons le tableau suivant fait avec MS Excel (les ventes sont en centaines de millier d'unités):

qui pourrait être jugé comme linéaire à un néophyte suivant à quel moment commence l'analyse descriptive des ventes dans l'entreprise.

Pour déterminer le modèle théorique, nous allons linéariser l'équation logistique en utilisant un seuil hypothétique (objectif de ventes du marché) 800.

Dans notre exemple, la régression linéaire (cf. chapitre de Méthodes Numériques) donne:

avec ce modèle formel, nous avons une somme des carrés des écarts entre les mesures et le modèle (cf. chapitre de Statistique) de:

soit nettement inférieur à notre approche utilisant la régression linéaire et donc meilleur. Effectivement voyons le tableau de résultat:

Nous voyons nettement que le modèle du solveur (modèle numérique) est meilleur que le modèle formel donné par une régression linéaire et il est aussi meilleur comme déjà mentionné que le lissage exponentiel proposé par l'utilitaire d'analyse de MS Excel!

Remarque: Outre les outils présentés dans ce chapitre, signalons aussi qu'une série temporelle peut parfois être analysée de manière pertinente avec une transformée de Fourier (cf. chapitre de Suites Et Séries) pour avoir les harmoniques et l'amplitude de la série. Enfin, indiquons qu'il est aussi trivialement possible de faire la différence de tous les points consécutifs dans le temps d'un série temporelle et ensuite de faire un histogramme pour déterminer la loi de probabilité des fluctations, ce qui permet de faire de l'inférence statistique avec toutes les précautions nécessaires.

THéorie moderne deS PORTEFEUILLES

ABSENCE D'OPPORTUNITÉ D'ARBITRAGE (AOA)

porTEFEUILLES

ACTIONS

OBLIGATIONS

BONS DE SOUSCRIPTION

CONTRATS À TERME

OPTIONS

FONDS DE PLACEMENTS

Retours et taux d'investissements

return on investment

INTERNal rate of return

MONEY WEIGHTED RATE OF RETURN

TIME WEIGHTED RATE OF RETURN

MODÈLE spéculatif DE BACHELIER

esperance et variance positive

MODÈLE de diversification efficiente de MARKOWITZ

MODÈLE de diversification efficiente de sharpE

MODÈLE D'ÉVALUATION DES ACTIFS FINANCIERS (MEDAF)

MODÈLE D'évaluation des options de BLACK & SCHOLES

ÉQUATION DE PARITÉ CALL-PUT

HypothÈsE efficiente du marchÉ

PROCESSUS DE WIENER

MOUVEMENT BROWNIEN généralisé

PROCESSUS D'ITô

ÉQUATION DE BLACK & SCHOLES

PORTEFEUILLE AUTOFINANCANT SUR SOUS-JACENT RISQUÉ

LES GRECS ET AUTRES...

RÉSOLUTION DE L'E.D.P. DE BLACK & SCHOLES

VALUE AT RISK

VAR RELATIVE

VAR ABSOLUE

VaR Historique

VaR Variance-Covariance

ANALYSE DES SÉRIES TEMPORELLES

RÉGRESSION LOGISTIQUE