PFE-Chabbar Lallouch-14 PDF

Royaume du Maroc
UNIVERSITÉ MOHAMED V AGDAL - RABAT

ÉCOLE MOHAMMADIA D’INGÉNIEURS
Département Modélisation et Informatique Scientifique
Mémoire de Projet de Fin d’Etudes
OPTIMISATION DE PORTEFEUILLE SOUS DES

CONTRAINTES DE RISQUE
En vue de l’obtention du diplôme d’Ingénieur d’État
Soutenu le : 01/06/2015
Présenté par : CHABBAR Salma et LALLOUCH Sofia
Devant le jury composé de :
M r Abdelillah ABID P.E.S. EMI Président

M me Joumala EL ALAOUI P.E.S. EMI Rapporteur
M r Rachid ELLAIA P.E.S. EMI Encadrant
M r Jaber KHAMLICHI Responsable PGP - CMR Parrain
Année universitaire 2014/2015

Remerciements
Avant de rentrer dans le vif du sujet, nous tenons à remercier notre encadrant interne
à l’EMI, Monsieur Rachid ELLAIA, pour ses conseils et ses commentaires précieux,
qui nous ont permis de surmonter nos difficultés et de progresser pour accomplir notre
mission comme il le faut.
Nos remerciements s’étendent également à Madame Joumala EL ALAOUI, pour

l’honneur qu’elle nous a fait d’être rapporteur sur notre projet de fin d’études, et à Mon-
sieur Abdelillah ABID pour avoir accepté d’évaluer notre travail et d’être président et
membre de notre jury.
Nous exprimons aussi notre profonde reconnaissance à Monsieur Jaber KHAMLI-

CHI, Responsable du Pôle Gestion de Portefeuille, à la Caisse Marocaine des Retraites,
qui a fait que ce stage soit une réalité.
Nos sincères remerciements à lui et à Monsieur Slimane KABIRI, chef de la Divi-

sion des opérations, pour leurs accompagnements quotidiens, leurs orientations précieuses,
leurs générosités et la grande patience dont ils ont su faire preuve malgré leurs charges
professionnelles.
Nous n’omettrons pas de remercier toute l’équipe du pôle gestion de portefeuille à la

CMR pour leur accueil chaleureux, leur sympathie et leur coopération, mais aussi pour
leurs idées constructives et les informations très utiles qu’ils nous ont fournies.
Enfin, nous remercions toutes les personnes qui ont contribué de près ou de loin à la
concrétisation de ce travail.
i
Résumé
Le présent mémoire s’intéresse à la gestion des risques au sein d’un portefeuille et

tout particulièrement le portefeuille de la Caisse Marocaine des Retraites où notre projet
de fin d’études s’est déroulé. La finalité de cette étude de risque est l’optimisation de
la performance du portefeuille étudié tout en respectant le budget de risque alloué par
l’établissement.
Dans un premier temps et après une introduction à l’univers du risque, nous avons
quantifié le niveau de risque des portefeuilles de la CMR grâce à plusieurs indicateurs,
que nous avons automatisés sur VBA.
Ensuite, comme tout gestionnaire de portefeuille se doit de trouver l’allocation d’actifs

optimale en fonction de son budget de risque, nous avons modélisé mathématiquement un
programme d’optimisation qui permettra de maximiser la performance du portefeuille en
veillant à ce que cela ne soit pas au détriment de la tolérance au risque du gestionnaire. La
combinaison de ces deux éléments,la performance et le risque, a donné lieu à un problème
d’optimisation de portefeuille sous des contraintes de risque que nous avons automatisé
sous MATLAB.
Mots-clés : Gestion des risques - Portefeuille - Optimisation - Performance - Modélisation.
ii
Abstract
The main subject of our final project at the CMR is the quantification of the risk in
their portfolio in order to realize a better management of their assets .
At first, and after an introduction to Risk Management, we have quantified the level
of risk of the portfolios of the CMR using several indicators which we automated on VBA.
Then, as every portfolio manager has to find the optimal use of the assets according
to his budget of risk, we made a mathematical modeling of a program of optimization
which will allow us to minimize the risk of the portfolio without making it under-perform.
The combination of these two elements, the performance and the risk, lead to a problem
of the optimization of the portfolio under a constraint of risk which we automated under
MATLAB.
iii
iv
Table des matières
Introduction 1
Présentation de l’organisme d’accueil : Caisse Marocaine des Retraites 3
1 Contexte général 6
1.1 Notions fondamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Classes d’actifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Actions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Les obligations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.3 Les fonds monétaires . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4 L’immobilier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Types de gestion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 La gestion active . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 La gestion passive . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Notion du risque 12
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.1 Définition générale du risque . . . . . . . . . . . . . . . . . . . . . . 12
2.1.2 Définition du risque en finance . . . . . . . . . . . . . . . . . . . . . 13
2.2 Typologie des risques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Risques de marché . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.2 Risque de liquidité . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.3 Risque de crédit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.4 Risques opérationnels . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Gestion des risques 17

3.1 Notions fondamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.1 Valeur liquidative . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.2 La performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.1.3 Caractéristiques d’une mesure de risque . . . . . . . . . . . . . . . . 19
3.2 Outils de mesure de risque . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2.1 Volatilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.2 Tracking-Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2.3 Bêta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.4 Value-at-Risk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2.5 La VaR Conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.6 Risque à la baisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.7 Autres outils de mesure . . . . . . . . . . . . . . . . . . . . . . . . 30
v
Optimisation du portefeuille sous des contraintes de risque
4 Application de gestion des risques 34
4.1 Présentation de l’application . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.1 Description générale . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.2 Description de l’application . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Interprétation des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5 Optimisation du portefeuille Actions 46

5.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.1.1 Modélisation mathématique du problème . . . . . . . . . . . . . . . 46
5.1.2 Modèle d’Evaluation Des Actifs Financiers (MEDAF) . . . . . . . . 48
5.2 Modélisation des contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.2.1 Contraintes de gestion . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.2.2 Contraintes de risque . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.3 Formulation du problème d’optimisation . . . . . . . . . . . . . . . . . . . 55
5.4 Application sous MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.5 Optimisation - Résultats et analyse . . . . . . . . . . . . . . . . . . . . . . 67
Conclusion et perspectives 69
Chabbar et Lallouch vi - M.I.S -

Liste des acronymes
CMR : Caisse Marocaines des Retraites

DGP : Division de Gestion de Portefeuille
BVC : Bourse des Valeurs de Casablanca
MASI : Moroccan All Shares Index
MADEX : Most Active Shares Index
CFG : Casablanca Finance Group
CDG : Caisse de Dépôt et de Gestion
MBI : Moroccan Bond Index
MGBX : Moroccan Government Bond Index
PF : Portefeuille
VL : Valeur liquiditative
IP : Indice de performance
aIP : Indice de performance annualisé
TE : Tracking Error
TMP JJ : Taux Moyen Pondéré au Jour-le-Jour
VaR : Valeur à Risque
CVaR : Valeur à Risque Conditionnelle
VBA : Vasiual Basic Application
MEDAF : Modèle d’Evaluation Des Actifs Financiers
fmincon : Find minimum of constrained nonlinear multivariable function
vii
Table des figures
1 Organigramme de la CMR . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Organisation du Pôle Gestion de Portefeuille . . . . . . . . . . . . . . . . . 5
1.1 Evolution de l’indice MASI Rentabilité Brut . . . . . . . . . . . . . . . . . 8
3.1 Intérprétation de la volatilité . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.2 Coefficients bêta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Exemple de la VaR sous une distribution normale . . . . . . . . . . . . . . 25
3.4 La Valeur à Risque conditionnelle . . . . . . . . . . . . . . . . . . . . . . . 29
4.1 Feuille instructions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

4.2 Barre de menu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Interface de période de calcul . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.4 Interface des indicateurs de risques . . . . . . . . . . . . . . . . . . . . . . 38
4.5 Paramètres de la VaR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.6 Résultats du calcul des indicateurs . . . . . . . . . . . . . . . . . . . . . . 39
4.7 Feuille finale des données du portefeuille . . . . . . . . . . . . . . . . . . . 39
4.8 Feuille finale des données TMP . . . . . . . . . . . . . . . . . . . . . . . . 40
4.9 Reporting du portefeuille . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.10 Rapport d’activité sur Word - Pages 1 et 2 . . . . . . . . . . . . . . . . . . 41
4.11 Rapport d’activité sur Word - Pages 3 et 4 . . . . . . . . . . . . . . . . . . 41
4.12 Rapport d’activité sur Word - Page 5 . . . . . . . . . . . . . . . . . . . . . 42
4.13 Volatilité annualisée - Portefeuille Actions . . . . . . . . . . . . . . . . . . 43
4.14 Risque à la baisse - Portefeuille Actions . . . . . . . . . . . . . . . . . . . . 44
4.15 VaR et CVaR - Portefeuille Actions . . . . . . . . . . . . . . . . . . . . . . 44
5.1 Interface Menu sur Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

5.2 Résultats d’importation des données . . . . . . . . . . . . . . . . . . . . . 58
5.3 Interface d’optimisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.4 Résultats d’importation des données . . . . . . . . . . . . . . . . . . . . . 62
5.5 Interface pour les rentabilités espérées . . . . . . . . . . . . . . . . . . . . . 62
5.6 Données liées aux titres du portefeuille . . . . . . . . . . . . . . . . . . . . 63
5.7 Sélection des contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.8 Résultats de l’optimisation sur Excel . . . . . . . . . . . . . . . . . . . . . 65
viii
Liste des tableaux
5.1 Données initiales - Répartition par secteur . . . . . . . . . . . . . . . . . . 59

5.2 Données initiales - Répartition par titre . . . . . . . . . . . . . . . . . . . . 60
5.3 Données finales - Répartition par titre . . . . . . . . . . . . . . . . . . . . 65
5.4 Données finales - Indicateurs de risques . . . . . . . . . . . . . . . . . . . . 66
5.5 Données finales - Répartition par secteur . . . . . . . . . . . . . . . . . . . 66
5.6 Comparaison entre les algorithmes d’optimisation . . . . . . . . . . . . . . 67
ix
Introduction
Toute institution, quel que soit son domaine d’activité, est exposée à une série de
risques. Les institutions financières, par exemple, évoluent dans un environnement com-
plexe en termes de diversité des instruments utilisés, de fluctuations soudaines ou encore
des mouvements adverses des prix du marché ; elles deviennent ainsi très vulnérables face
à cet environnement et donc très menacées par une série de risques, qui doivent être
maı̂trisés, éliminés ou du moins réduits.
Le risque apparaı̂t comme l’un des défis actuels des dirigeants pour le définir, le mesu-
rer et le gérer pour améliorer la performance. De ce fait, la gestion des risques est donc une
composante indispensable pour une bonne gouvernance et un objectif essentiel à intégrer
dans les stratégies et la politique de l’entreprise.
Notre projet de fin d’études se déroule à la Caisse Marocaine des Retraites (CMR), au
sein du Pôle Gestion de Portefeuille. Les aspects financiers abordables en gestion de fonds
de pension sont très vastes, mais nous allons nous intéresser à l’un d’eux en particulier :
la gestion des risques au niveau des différents portefeuilles de l’établisssment. En effet, la
CMR est confrontée à des problèmes de choix en avenir incertain et la gestion des actifs
financiers comporte ainsi plusieurs risques de nature différente qui peuvent provoquer, en
cas d’une mauvaise gestion, des pertes considérables. Ces pertes peuvent être des destruc-
tions matérielles, des dommages corporels, de l’argent ou du temps investi, et peuvent
s’exprimer de manière qualitative (sur une échelle) ou par des grandeurs quantitatives
(monétaires ou d’exploitation).
Dans notre étude, nous nous intéresserons essentiellement à la quantification de la perte
financière monétaire, selon le type de risque, pour que le gestionnaire se situe, à tout
moment, par rapport au budget de risque qui lui est permis et mette en avant des ajus-
tements : Combien d’argent pourrions-nous perdre ? Sommes-nous dans les proportions
autorisées ? Quelle stratégie choisir pour une couverture efficace des risques ?
Pour quantifier les risques au niveau d’un portefeuille et les éventuelles pertes qui en
résultent, plusieurs modèles ont été mis en place. Le grand succès de la théorie moderne du
portefeuille revient essentiellement à Markowitz dans les années 1950 [8], qui introduit le
concept de diversification comme un outil fondamental de gestion des risques spécifiques.
Toutefois, plusieurs études ont démontré que le modèle est limité dans la mesure où cette
diversification n’est pas suffisante pour protéger les portefeuilles des pertes à forte am-
pleur, d’autant plus que dès qu’un gérant de portefeuille possède une référence de gestion
il ne peut plus utiliser une optimisation Markowitz pour allouer son portefeuille [8]. Ainsi,
plusieurs indicateurs de gestion du risque comme la volatilité, la VaR (Value-at-Risk), la
Tracking Error, le risque à la baisse etc, ont vu le jour et ont démontré leur efficacité au
fil du temps.
1
L’une des problématiques majeure en gestion financière est la détermination des risques
financiers d’un portefeuille d’actifs. En effet, dans tout portefeuille, le facteur risque n’est
pas moins important que le facteur performance, et ils doivent déterminer à eux deux
la stratégie de placement. Les deux grands objectifs de la gestion des risques d’un por-
tefeuille peuvent ainsi être reformulés comme étant : L’amélioration de la performance
financière et la prévention de toute perte potentielle.
Le choix d’un portefeuille optimal d’actifs est depuis longtemps un sujet d’intérêt ma-
jeur dans le domaine de la finance. Dans ce projet, la problématique posée consiste à
déterminer le portefeuille optimal qui convient à chaque investisseur, compte
tenu de sa tolérance au risque. Nous chercherons à optimiser le portefeuille en maximi-
sant le rendement des titres le constituant sous contraintes des différents risques auxquels
ils sont exposés, à savoir le risque absolu et le risque relatif.
En effet, par une allocation d’actifs, nous chercherons à maximiser le rendement du por-
tefeuille de la CMR et à maintenir les risques à un niveau acceptable, tout en respectant
les contraintes de gestion et de diversification auxquelles l’établissement est assujetti.
Le présent travail reviendra tout d’abord sur une vue globale du contexte du stage :
organisme d’accueil, analyse de la problématique et analyse de l’existant, ensuite nous
présenterons les notions fondamentales de la gestion de portefeuille, ainsi que la notion
du risque avec ses définitions et ses types. Après, nous analyserons la gestion des risques
en présentant une explication détaillée des différents outils de mesure de risque avec leurs
méthodes de calculs et leur interprétation.
Le cahier de charges de notre projet portera essentiellement sur deux objectifs :
– 1er objectif : Mettre en place un outil de calcul des différents indicateurs de risques.
Cet outil permettra, entre autres, de visualiser l’exposition des portefeuilles de la
CMR au risque marché, et de le quantifier en pourcentage ou en Dirhams, par
rapport au marché ou par rapport à une référence.
– 2ème objectif : Mettre à la disposition des gestionnaires de la CMR un outil d’op-
timisation de portefeuille qui permettra de rechercher la meilleure répartition des
actifs, qui assure un rendement maximal en tenant compte des contraintes de risque,
à travers une volatilité absolue définie, d’une perte maximale à ne pas dépasser, pas-
sant par un budget de risque relatif à respecter.
Le respect de ce cahier de charges permettra, dans un premier temps, aux gestionnaires

de portefeuille de la CMR, de faire un suivi du niveau de risque auquel ils sont exposés
pour tout type de portefeuille en leur possession, et d’optimiser, ensuite, ce portefeuille en
prenant en compte leur aversion au risque et les seuils qu’ils s’imposent selon leur budget
de risque.
Chabbar et Lallouch 2 - M.I.S -

Présentation de l’organisme
d’accueil : Caisse Marocaine des
Retraites
1.Présentation
La Caisse Marocaine des Retraites (CMR) a été créée par le Dahir du 2 Mars 1930
pour gérer le régime de retraite instauré en faveur des fonctionnaires civils du protectorat.
En 1996, la CMR a acquis son autonomie juridique, administrative et financière et devint
un Etablissement public, soumis au contrôle financier de l’Etat. L’accession du Maroc à
l’indépendance a permis à la CMR d’étendre ses responsabilités pour prendre en charge
différents régimes. Actuellement, les régimes de pensions gérés par la CMR sont les sui-
vants, répartis en deux modes de fonctionnement :
1. Par répartition : : Les actifs versent des cotisations pour payer les retraites des
personnes âgées tout en acquérant des droits, qui à leurs tours seront financés par
les générations futures d’actifs. Nous y retrouvons :
– Le régime des pensions du personnel civil de l’Etat, des collectivités locales et de
certains établissements publics (ONEP, ONPT, Barid El Maghrib, etc.) ;
– Le régime des pensions du personnel militaire (Les personnels des Forces Armées
Royales et des Forces Auxiliaires).
2. Par capitalisation : Chaque actif finance sa propre retraite.
– Le régime de retraite ATTAKMILI : Il s’agit d’un régime complémentaire facul-
tatif à but non lucratif instauré en 2005 destiné uniquement aux affiliés de base
de la CMR. Il a pour objet la constitution d’une retraite complémentaire selon
le principe de la capitalisation individuelle. Il permet, par le biais de cotisations
mensuelles, de préparer un supplément de retraite de base.
Nous retrouvons aussi, à la charge du budget général de l’Etat et d’autres organismes

employeurs, les régimes dits non cotisants pour le compte justement de l’Etat et qui
englobent essentiellement les pensions d’invalidité créés après l’indépendance à la faveur
de circonstances particulières et les allocations des Anciens Résistants et Anciens Membres
de l’Armée de Libération.
2.Organisation
L’administration de la Caisse Marocaine des Retraites est assurée par un Conseil d’Ad-
ministration présidé par le Premier ministre et composé de 14 membres. Sa gestion est
assurée par un Directeur qui détient tous les pouvoirs et attributions nécessaires.
3
Outre la Direction et le Secrétariat Général, l’organisation de la CMR est constituée

de quatre pôles, 11 divisions et 33 services.
Directeur
Le Secrétaire Général
Pôle Opérations Pôle Support Pôle Organisation Pôle Gestion

et Système de Portefeuille
d’Information
Figure 1 – Organigramme de la CMR
3.Pôle Gestion de Portefeuille
Le métier de gestion de portefeuille a été instauré à la Caisse Marocaine des Retraites

au lendemain de la réorganisation de celle-ci en novembre 1996.
La mission principale du Pôle Gestion de Portefeuille à la CMR est de financer les en-
gagements de la Caisse, optimiser le rendement des portefeuilles et optimiser la gestion
de la trésorerie de la Caisse. Pour ce faire, des interventions (achat/vente d’actifs) sur le
marché sont effectuées par le personnel.
En matière d’organisation du métier de gestion de portefeuille à la CMR le pôle a

adopté la structure organisationnelle que nous trouvons au niveau des salles de marchés.
Il se décompose donc comme suit :

Pôle Gestion de
Portefeuille
Division de Division des opérations Service de conformité Service Recherche

Gestion et de Contrôle et Analyse
Interne
Service d’Asset
Management Service Middle
Office
Service de
la Gestion
des participants Service Back Office
Figure 2 – Organisation du Pôle Gestion de Portefeuille
– Service d’Asset Management : Il a pour but de gérer la trésorerie de la Caisse,

assurer la meilleure exécution de la politique de placement de la trésorerie et élaborer
les comptes rendus de gestion (Reporting).
– Service Gestion des participants : C’est un service qui a pour mission le suivi
des investissements dans l’immobilier et le suivi des fonds délégués de la caisse.
– Service Middle Office : Il se charge de contrôler les opérations passées par le
Service Asset Management, d’élaborer les Reportings et comptes rendus d’activité,
veiller au respect des règles prudentielles et mesurer la performance des portefeuilles.
– Service Back Office : Il s’occupe des dénouements des opérations et du suivi
administratif des portefeuilles.
– Service de Conformité et de Contrôle Interne : Il veille au respect de la
réglementation, de la déontologie et des règles et contraintes de gestion et se charge
de contribuer au renforcement du dispositif de contrôle interne du processus.
– Service Recherche et Analyse : Il participe à l’élaboration de la politique de pla-
cement, assure une veille concurrentielle pour saisir les opportunités sur le marché,
contribue à la prise de décision au niveau du service Asset Management et anticipe
les tendances des marchés.

Chapitre 1
Contexte général
1.1 Notions fondamentales

Avant d’entrer le vif du sujet de ce chapitre, certaines définitions et notions doivent
être présentées. Ceci afin de mieux comprendre le contexte dans lequel s’inscrit notre pro-
jet de fin d’études et qui relève du monde de la finance dont certaines notions devraient
être expliquées préalablement pour la bonne compréhension de ce mémoire.
Parmi ces définitions nous citons :

Définition 1. Un actif financier est un titre ou un contrat, généralement transmissible
et négociable sur les marchés financiers et qui est susceptible de produire à son détenteur
des revenus et/ou un gain en capital, en contrepartie d’une certaine prise de risque. [w1]
Définition 2. Un portefeuille désigne une collection d’actifs financiers détenus par un

établissement ou un individu.[w3]
Définition 3. Les produits/instruments financiers sont des titres ou des contrats,

dont certains sont négociables ; ils sont utilisés pour anticiper une rentabilité ou un risque
monétaire. Ils se décomposent essentiellement en deux types : les actifs financiers et les
produits dérivés financiers. [w4]
Définition 4. Le benchmark/indice de référence, désigne tout élément servant de

point de comparaison ou de référence pour évaluer la rentabilité d’un portefeuille et me-
surer la performance du marché. Il peut être un indice ou une combinaison de plusieurs
références. Pour un gestionnaire, un benchmark constitue un élément objectif d’appréciation
de ses qualités qui lui permet de porter un jugement quantitatif et qualitatif sur les posi-
tions prises et les résultats obtenus.[w5]
1.2 Classes d’actifs

Définissons d’abord ce qu’est une classe d’actifs.
Définition 5. Une classe d’actifs regroupe des actifs ayant des caractéristiques simi-
laires en termes de risques et/ou de rendements.[w2]
6
Pour un gestionnaire de portefeuille, choisir la classe d’actifs à détenir afin de bénéficier

d’une performance raisonnable est probablement la décision d’investissement la plus im-
portante qui soit.
En effet, il existe plusieurs catégories d’actifs, certains plus risquées d’autres moins, et
il est nécessaire de connaitre le couple rendement/risque que propose chaque catégorie.
Nous retrouvons ci-après les quatre classes traditionnelles.
1.2.1 Actions
Une action est un titre de propriété sur une fraction du capital qu’une entreprise décide
de vendre aux investisseurs. L’action est l’actif le plus négocié sur les marchés financiers
[w6]. Il présente principalement deux sources espérées de revenus pour son détendeur :
– Les dividendes futurs qui représentent une fraction du bénéfice réalisé par l’entre-
prise, soit donc la rémunération versée aux actionnaires d’une société en contrepartie
de leur investissement au capital de l’entreprise ;
– Une éventuelle plus-value lors de la revente du titre.
Les fonds actions sont souvent destinés aux investisseurs ayant choisi un horizon d’in-
vestissement de long terme. En effet, les actions sont susceptibles de générer des perfor-
mances plus élevées sur le long terme que d’autres investissements. Toutefois, elles peuvent
aussi faire peser un plus grand risque sur le capital investi. En effet, les prix peuvent varier
et il y a possibilité de ne pas récupérer l’investissement d’origine.
Chaque classe d’actifs utilise un ou plusieurs indices de référence précis. Pour les
actions nous retrouvons essentiellement :
– Le MASI (Moroccan All Shares Index) : C’est un indice de capitalisation re-
traçant l’évolution globale du marché et prenant en considération toutes les valeurs
cotées à la Bourse de Casablanca, qui sont au nombre de 77 (Fin 2014).
– Le MADEX (Most Active Shares Index) : C’est un indice compact qui consti-
tue seulement une partie du MASI. Il regroupe les valeurs les plus liquides du marché
(cotées en continu), qui sont au nombre de 54 (Fin 2014).
– Le MASI Flottant et MADEX Flottant : Depuis Décembre 2004, la BVC

(Bourse des Valeurs de Casablanca) a adopté une nouvelle méthodologie de calcul
de ces indices, basée sur le principe du flottant, et ce dans le but d’assurer une
meilleure cohérence entre la réalité boursière d’un titre et son poids dans l’indice,
ce qui a donné naissance au MASI Flottant et au MADEX Flottant.
– Le MASI Rentabilité Brut et MADEX Rentabilité Brut : Ils se calculent

en se basant sur les rentabilités tout en intégrant le montant des dividendes.
La Caisse Marocaine des Retraites utilise comme indice de référence le MASI Ren-
tabilité Brut étant donné qu’il regroupe toutes les valeurs du marché en plus de prendre
en considération le montant des dividendes. Si nous prenons par exemple son évolution
du 01/09/2014 au 15/02/2015 (Figure 1.1), nous remarquons qu’il y a des hausses et des
baisses de rentabilité tout au long de la période d’étude.

Figure 1.1 – Evolution de l’indice MASI Rentabilité Brut
L’évolution (hausse et baisse) du MASI dans la figure précédente, représente les fluc-
tuations des prix au niveau du marché actions. Ces fluctuations traduisent l’aspect instable
et volatile du marché et une présence flagrante du risque. Nous pouvons donc conclure
que les actions est une catégorie d’actifs très risquée.
1.2.2 Les obligations

A l’inverse de l’action qui est un titre de propriété, l’obligation est un titre de créance.
En effet, ce titre représente la part d’un emprunt long terme émis par l’Etat, par un or-
ganisme public ou semi-public, ou encore par des entreprises privées, en fixant à l’avance
la durée du prêt et ses modalités de rémunération. L’obligation ne donne aucun droit
spécifique sur les bénéfices de l’entreprise mais son remboursement est prioritaire en cas
de faillite.
Les principales caractéristiques d’une obligation sont :

– Le nominal : Il est égal au capital de départ emprunté par l’émetteur de l’obligation
divisé par le nombre de titres émis.
– Le prix d’émission : Il correspond au prix de l’obligation au moment de son émission.
Ce prix peut différer du nominal.
– L’échéance : Appelée aussi maturité, elle désigne la durée de vie de l’obligation. Elle
peut correspondre à la date à laquelle le détenteur de l’obligation se voit rembourser
le montant intégral du nominal.
– Le prix de remboursement : Il correspond au remboursement de l’obligation à son
échéance.
– Le coupon : Il correspond au versement périodique d’un intérêt au détenteur de
l’obligation.
Les obligations peuvent représenter un investissement intéressant dans le sens où elles
peuvent offrir un revenu régulier tout en offrant aux investisseurs une appréciation po-
tentielle du capital, protégé, dans la mesure où le coupon que son détenteur reçoit est en
principe fixe. Les fonds obligataires sont donc adaptés aux investisseurs prudents recher-
chant des flux de revenus réguliers.

Les obligations sont généralement considérées comme un investissement plus sûr que
les actions dans la mesure où le coupon et le taux d’intérêts sont connus à l’avance.
D’autant plus, que les cours des obligations (c’est-à-dire les prix auxquels s’échangent les
obligations) ne sont pas liés aux résultats de l’entreprise émettrice donc ils sont moins
aléatoires que ceux de l’action, mais cela ne signifie pas qu’elles sont dénuées de risques. Le
risque existe bel et bien et dépend essentiellement des taux d’intérêt, des caractéristiques
du titre ainsi que de la qualité de l’émetteur.
Concernant les indices de références obligataires, nous retrouvons essentiellement :

– Le CFG (Casablanca Finance Group) Bonds : Premier indice obligataire lancé
en 1993 par Casablanca Finance Group, dans le but de mesurer la performance glo-
bale quotidienne du marché obligataire et en informer le grand public. Le CFG
Bonds est constitué d’un panier d’obligations souveraines, appelées Bons de Trésor,
qui sont de maturités initiales comprises entre 1 et 15 ans.
– Le MBI (Moroccan Bond Index) : C’est un indice lancé par la BMCE Capital
et CDMG (Crédit Du Maroc Gestion) qui représente au moins 75% de l’intégralité
du marché des Bons de Trésor à taux fixe et est composé de quatre strates ou sous
indices (court terme, moyen terme, moyen long terme, long terme) et se calcule à
partir de la moyenne de ces derniers.
– Le MGBX (Moroccan Government Bond Index) : C’est un indice obligataire

conçu par CDG Capital (Caisse de Dépôt et de Gestion) composé de cinq strates
qui permet de mesurer la performance des Bons de Trésor.
Il est à noter que la Caisse Marocaine des Retraites utilise le MBI comme indice de
référence.
1.2.3 Les fonds monétaires

Les fonds monétaires procurent aux investisseurs un revenu régulier et sont générés de
manière à conserver une valeur stable.
En effet, ils sont considérés comme des investissements prudents. Ils offrent une perfor-
mance certes minimale, mais restent très liquides et protègent le capital. C’est sans doute
les placements les plus sécurisés et les moins risqués vue la disponibilité immédiate des
liquidités en cas de besoin.
1.2.4 L’immobilier
L’immobilier est aussi un produit pris en compte dans la gestion d’actifs. Il reste quand
même une classe d’actifs différente des classes d’actifs traditionnelles (actions, obligations)
dans le sens qu’il est éminemment attaché à l’économie réelle. L’investissement immobilier
permet de profiter d’un revenu sous forme de loyer. En effet, il consiste en l’achat de loge-
ments ou de bâtiments en vue d’augmenter les profits grâce aux loyers ou aux plus-values
réalisées lors des reventes.

Remarques :
– Il existe éventuellement d’autres classes d’actifs : nous en citons les produits dérivés
tels que les futures, les options et les warrants.
– Il est à noter que chacune des catégories d’actif vues précédemment, peut être une
réponse aux besoins des investisseurs. Pour ceux disposés à prendre plus de risque
afin de générer des performances plus élevées, leur portefeuille serait probablement
plus enclin à détenir une plus grande proportion d’actions. Ceux pour qui il est plus
important de disposer d’un revenu sûr, pourraient préférer accroı̂tre la proportion
d’obligations qu’ils détiennent.
Toutefois, dans la mesure où aucune classe d’actifs n’est sans risque, une bonne
gestion de portefeuille ne s’entend qu’en diversifiant son portefeuille à l’aide de ces
différents outils que sont les classes d’actifs. Un investisseur averti utilisera donc ces
produits en les combinant au mieux afin de détenir un portefeuille diversifié qui lui
permettra d’amortir le risque entrepris, en conférant une stabilité relative en cas de
baisse de certains marchés.
1.3 Types de gestion

Chaque classe d’actifs vue précédemment a ses avantages et ses inconvénients. Il est
donc indispensable que le gestionnaire se situe par rapport à son budget de risque pour
choisir la combinaison de classes qui lui convient, vient après le choix du type de gestion à
adopter. En effet, il existe plusieurs types de gestion qu’il faut essentiellement appréhender
dans le but de bien cerner le principe de gestion de portefeuille connu également sous le
terme anglo-saxon d’Asset Management.
1.3.1 La gestion active

La gestion active a pour but de surclasser et battre le benchmark. L’objectif attendu
est donc d’obtenir des rendements plus élevés que ceux du marché.
L’investisseur adoptant cette stratégie de gestion active va sélectionner les actifs suscep-
tibles, selon lui, de réaliser des performances au-dessus de la moyenne sur un marché et
doit utiliser les outils nécessaires pour battre le marché en fonction du type d’actifs, du
risque du portefeuille et de l’horizon de temps.
Le gestionnaire cherche donc à distinguer les tendances, les secteurs, les valeurs qui
lui paraissent sous-évaluées et dont il espère une progression plus vite que le marché. Il
investit et fait évoluer son portefeuille en conséquence, dans l’espoir de voir ses analyses
se confirmer et ainsi son portefeuille réaliser une performance supérieure à celle de l’indice.
Nous distinguons deux approches liées à la gestion active : Bottom-up et Top Down.[w7]
La première privilégie lors de la sélection des titres, les caractéristiques propres de chaque
titre et non celles du secteur ou du pays dans lequel l’entreprise intervient.
La deuxième consiste en la sélection des titres selon le type de marché (actions, obliga-
tions, marché monétaire), ensuite selon les marchés internationaux sur lesquels ils veulent
investir, puis sur les secteurs.

1.3.2 La gestion passive

Aussi appelée gestion indicielle, cette gestion fonctionne selon une méthode de réplication
de l’indice de référence. Elle consiste à investir en reproduisant de manière totalement
fidèle la composition du benchmark.
L’objectif premier de ce type de gestion est de permettre à l’investisseur de recevoir

la performance d’un marché sans prendre le risque de sous-performance en abandonnant
du même coup tout espoir de surperformance.
Avec la gestion passive, l’investisseur peut donc suivre assez facilement l’évolution de son
portefeuille, dans la mesure où il subit exactement les mêmes variations de la valeur de
l’indice de référence, à la hausse comme à la baisse.
Il existe plusieurs méthodes de gestion indicielle [w8]. Nous en citons la réplication pure
qui consiste à acheter toutes les valeurs de l’indice en respectant les mêmes pondérations,
et la réplication par satisfaction qui permet quant à elle de constituer un portefeuille
ayant des caractéristiques similaires à celles de l’indice, en ayant cette fois un plus petit
nombre de valeurs.
Toutefois, de nombreuses études ont montré que, le plus souvent, les gérants d’actifs
ne sont pas en mesure de battre leur benchmark avec régularité. Certains investisseurs
préfèrent la gestion indicielle leur garantissant la performance du marché au lieu d’une
performance plus aléatoire.
Une fois le contexte général du projet exposé nous allons à présent introduire dans le
prochain chapitre, en détails, la notion de risque que nous avons retrouvé tout au long des
différentes définitions et notions explicitées précédemment et qui représente le mot clé de
notre mémoire.

Chapitre 2
Notion du risque
2.1 Généralités
L’origine du concept de risque remonte aux civilisations les plus anciennes ; dans
l’Italie ancienne, risicare signifie oser . [16]
Le concept de risque est souvent entendu de diverses façons et le recours aux ouvrages
et dictionnaires illustre bien cette diversité de sens que nous pouvons lui donner. Il est
nécessaire d’avoir une idée sur le risque au sens large et de s’intéresser, par la suite, à
la définition précise du risque qui nous intéresse dans ce projet, et qui n’est autre que le
risque financier dans toutes ses formes.
2.1.1 Définition générale du risque

La première question qu’il faudrait poser est : qu’est-ce que le risque ?. La réponse à
cette question peut ne pas être totalement évidente. La notion du risque est très complexe
et ne cesse d’évoluer de plus en plus. Elle est aperçue différemment selon le contexte et
le domaine d’application. En effet, elle occupe une signification différente pour chacun
d’entre nous mais représente une préoccupation fondamentale.
Le risque désigne un danger bien identifié, associé en l’occurrence à un événement ou

à une série d’événements. Le petit Larousse le définit comme un Danger, inconvénient
plus ou moins probable auquel nous sommes exposé ou encore comme une Possibilité,
probabilité d’un fait, d’un événement considéré comme un mal ou un dommage [w9]
Une définition générale du risque, pourrait être la suivante : La possibilité de voir surgir
un problème qui aura des conséquences funestes, et qui portera atteinte aux projets de
l’institution ou rendra plus improbable l’accomplissement de ses objectifs . [w10]
Les définitions du risque diffèrent selon le contexte, mais nous pouvons dire que la
notion d’ incertitude est commune à toutes les définitions Toutes mettent en avant le
double aspect du risque, à savoir le caractère aléatoire et incertain de l’événement, assorti
de la menace et l’impact qu’il représente. Le risque est ainsi considéré comme le produit
de l’aléa et de la vulnérabilité.
12
2.1.2 Définition du risque en finance

Le développement croissant des activités financières et l’instabilité de l’environnement
dans lequel opèrent les établissements financiers ne font que croitre leurs expositions aux
risques financiers.
Un risque financier implique une relation entre un individu (ou une organisation) et
un actif (ou un objectif de revenu) qui peut être perdu ou endommagé. [w11]
Pour qu’un risque soit qualifié de financier, il doit comporter trois éléments : (1) un indi-
vidu (ou une organisation) qui est exposé(e) à une perte, (2) un actif ou un revenu dont
la destruction (ou la perte) causera une perte financière, (3) un danger qui peut causer la
perte. Le danger ici doit être vu comme lié à une source financière.[w11]
La notion de risque en finance est reliée à la notion d’incertitude. En effet, le risque

d’un actif financier pour un investisseur, peut être défini comme l’incertitude qui existe
quant à la valeur de cet actif à une date future.
Le risque d’un titre financier est fonction de la stabilité de la valeur du titre ainsi que
des performances qui lui sont attachées. En effet, les flux liés aux titres sont sujets de
plusieurs menaces qui relèvent du monde économique et d’incertitudes qui sont propres à
la sphère financière. En tout cas, quels que soient sa nature et son origine, tout risque se
traduit par une fluctuation de la valeur du titre financier.
Nous pouvons distinguer deux types de risques liés à la détention d’un actif [w12] :
– Risque Systématique : Risque lié à des services financiers susceptibles d’affecter

l’ensemble du secteur. Il correspond à des événements affectant tout titre dans le
portefeuille, quel qu’il soit. Il influence une majorité d’actifs dans une proportion
plus ou moins forte comme la hausse du prix, les mouvements boursiers, etc.
– Risque Spécifique : ou encore risque non systématique, est un risque lié à un seul
actif en particulier indépendamment des événements affectant le marché. Il peut
être d’ordre réglementaire, opérationnel,etc.
En matière de gestion de portefeuille, seul le risque systématique est rémunéré par les
investisseurs. Le risque spécifique étant par définition diversifiable par une optimisation
du portefeuille de titres, il est par conséquent non rémunéré par les investisseurs.
Nous pouvons aussi classifier le risque en deux types : Risque absolu et Risque relatif.
Le premier concerne le risque d’un portefeuille par sois -même sans aucune dépendance.
Le deuxième quant à lui, concerne le risque auquel le portefeuille est exposé par rapport
à une référence ou un indice précis.
2.2 Typologie des risques

Il existe une liste non exhaustive des différents risques que peut rencontrer un établissement
financier. Toutefois, la gestion du risque se concentre souvent sur quatre types principaux
de risques financiers (marché, liquidité, crédit, opérationnel). Viennent évidemment s’y
rajouter d’autres risques plus globaux et/ou plus exceptionnels. [19]

2.2.1 Risques de marché

Les prix sont le reflet du marché et peuvent varier à tout instant. Ces variations
peuvent causer des pertes à l’établissement et être source de déficits. En effet, le risque
marché est considéré comme étant le risque de pertes lié aux variations du prix des
actifs détenus dans un portefeuille et à leur effet négatif sur la valeur financière totale du
portefeuille. Traduit en terme de rendement, les rentabilités des actifs deviennent alors
des variables aléatoires dont l’évolution future n’est pas, à priori, connue et quantifiable.
[19]
De ce fait, le risque de marché résulte de la possibilité de perte sur les positions prises
sur le marché suite à des changements et des évolutions défavorables de celui-ci. En effet
il regroupe des incertitudes liées essentiellement à ces quatre composantes [w13] :
– Les cours des actions : Le prix des actions varie continuellement en fonction de
l’offre et de la demande. Ce risque s’applique aux placements dans des actions. Le
risque lié aux actions est donc le risque de perdre de l’argent en raison de la baisse
du prix des actions.
– Les taux d’intérêt : Risque lié aux variations du taux d’intérêt. Ce risque s’applique
aux placements par emprunt, comme les obligations. Le risque de taux d’intérêt est
donc le risque que fait courir au porteur d’une créance ou d’une dette à taux fixe ou
variable, l’évolution des taux entre la date de l’engagement et la date du règlement.
– Les taux de change : Nous parlons de risque de taux de change dans les cas où
la structure procède à une opération, usant une devise différente de sa monnaie
nationale. Il s’agit donc d’un risque évident directement lié aux fluctuations des
cours des devises internationales entre elles, et indirectement lié au facteur temps.
– Les prix des matières premières : Risque lié aux fluctuations défavorables des prix
des matières premières.
En effet, ces composantes du marché sont souvent volatiles et exercent une pression im-
portante sur les prix. En conséquence, l’éventualité de fluctuations des prix peut entraı̂ner
des pertes et des conséquences négatives pour le bénéfice d’un établissement.
2.2.2 Risque de liquidité

Le terme de liquidité peut être utilisé sous différents aspects, mais celui qui nous
intéresse est lié aux caractéristiques du marché.
Un marché parfaitement liquide se caractériserait par une facilité et une rapidité d’y
réaliser des transactions et garantirait donc à tout instant un prix unique à l’achat et à la
vente de manière certaine, quelles que soient les quantités en jeu. Ainsi, un actif est aussi
dit liquide quand il est très rapidement négociable et échangeable à court terme, à faible
coût et avec peu d’impact sur son prix. [19]
Le risque de liquidité, est en fait le risque d’illiquidité et il représente l’incapacité

de liquider immédiatement des titres et d’effectuer ainsi une transaction aux conditions
du marché courant. Nous pouvons ainsi dire que les propriétés d’un actif liquide sont
l’immédiateté, la largeur, la profondeur et la résilience.
– L’immédiateté désigne la rapidité avec laquelle une transaction d’une taille déterminée
et à un coût déterminé peut être conclue.

– La largeur ou l’étroitesse, correspond à l’amplitude de la fourchette offre-demande

(ask-bid spread), c’est-à-dire l’écart entre le cours acheteur (prix recherché) et le
cours vendeur (prix proposé).
– La profondeur, correspond à la quantité de titres disponible, c’est-à-dire le volume
de transactions effectuées sans modification du prix.
– La résilience ou la réactivité, désigne la capacité, soit le délai nécessaire, pour que
le cours revienne à son niveau d’équilibre après en avoir été écarté suite à un choc
de liquidité (choc aléatoire dans le flux des transactions).
Le risque de liquidité est loin d’être négligeable, si par exemple vous proposez un actif
à la vente à un prix donné et qu’il n’y a personne pour l’acheter ou du moins pas avec le
prix que vous proposez, vous ne pourrez plus le vendre ou vous serez obligé de le vendre
à un prix moins favorable.
Ainsi le risque de liquidité correspond à cette perte potentielle provenant des coûts de
liquidation de l’actif, c’est un facteur important à prendre en compte dans la gestion d’un
portefeuille.
2.2.3 Risque de crédit

Lorsqu’une entreprise a besoin de capitaux elle se retrouve face à deux choix :
Demander un prêt bancaire ou émettre une obligation sur le marché.
Le risque crédit - également appelé risque de défaut ou de contrepartie - survient

lorsque l’emprunteur se retrouve dans l’incapacité de payer ses dettes et remplir ses en-
gagements vis à vis de ses créanciers à l’échéance convenue. [19]
Dans ce cas-là, si le débiteur ne parvient pas à renégocier les termes de son emprunt, il
se verra dans l’obligation de déclarer faillite et de procéder le plus souvent à la liquidation
de ses biens afin de rembourser au mieux ses dettes.
Par conséquent, la quantification du risque crédit d’une entreprise est nécessaire et

primordiale avant de lui accorder un crédit ou d’acheter une de ses obligations.
Modéliser le risque crédit revient, en ce temps-là, à déterminer la probabilité de défaut

du débiteur ainsi que le montant qui lui sera possible de couvrir en cas de défaut.
Plusieurs paramètres rentrent en jeu pour réaliser cette quantification, notamment la santé
du secteur dans lequel évolue l’entreprise, son niveau d’endettement actuel ainsi que ses
perspectives d’évolution.
2.2.4 Risques opérationnels

Le risque opérationnel désigne tout événement qui perturbe le déroulement des proces-
sus, il correspond donc à la possibilité de subir une perte financière, directe ou indirecte,
à la suite d’une défaillance sur le plan des activités.
Le comité de Bâle [w14] le définit comme le risque de pertes provenant de processus

internes inadéquats ou défaillants, de personnes et systèmes ou d’événements externes .

Le risque opérationnel est réalisé essentiellement par : les employés, le processus interne
de gestion, le système et par des événements externes. Il reste donc difficile à analyser et
à atténuer, car il peut prendre diverses formes :
– Risque de gestion des ressources humaines ;
– risque de gestion des processus ;
– risque de gestion des systèmes ;
– risque de vol et fraude ;
– risque de conformité ;
– risque juridique ;
– risque de sinistre.
Le risque opérationnel est administré et estimé par des techniques d’auto-évaluations

des risques, de compilation d’incidents et de l’utilisation des indicateurs clés. Toutefois,
le risque opérationnel est un risque difficilement quantifiable, contrairement aux autres
risques, mais reste très important dans la mesure où il peut exposer l’institution à des
pertes financières considérables et nuire à sa réputation. [14]

Chapitre 3
Gestion des risques
3.1 Notions fondamentales

Le calcul de la plupart des ratios qui constituent les indicateurs de risque les plus
pertinents repose sur le calcul d’indices de performance. Ces indices font eux-mêmes in-
tervenir la valeur liquidative du portefeuille qui est un outil essentiel dans le suivi de la
performance du fonds étudié, particulièrement lorsque ce dernier est commun, c’est à dire
qu’il regroupe plusieurs investisseurs libres de renter et sortir à leurs grés ; ce qui influe
sur la valorisation du fonds et sur la part de chaque investisseur.
Pour cela nous allons dans un premier temps présenter la signification et la méthode de
calcul de la valeur liquidative d’un fonds, pour, ensuite évoquer la notion de performance
et expliciter sa définition ainsi que celle de l’indice de performance qui constitue la base
de tous les calculs.
3.1.1 Valeur liquidative

Lorsqu’il s’agit d’un fonds commun entre plusieurs investisseurs, la valeur de l’actif
global est susceptible de changer à chaque instant. Déterminer équitablement le pourcen-
tage de l’actif global que détient chaque investisseur devient alors fastidieux compte tenu
des nombreuses entrées et sorties d’argents que connaı̂t le fonds.
L’utilisation de la valeur liquidative prend alors tout sens. Le fonds est divisé en
plusieurs parts de valeurs égales et chaque investisseur en détient un certain nombre.
Lorsqu’une souscription (entrée d’argents) survient, de nouvelles parts sont créées tandis
que lorsque l’un des investisseurs décide de se retirer du fonds, ses parts sont détruites.
La valeur liquidative du fonds représente alors la valeur d’une seule part du fonds
étudié. Elle se doit d’être calculée à chaque mouvement du fonds, chaque arrivée ou re-
trait d’argent, en d’autres termes, à chaque souscription ou rachat, pour être ensuite
publiée.
De cette manière chaque investisseur connaı̂t la valeur d’une seule part du fonds et connaı̂t
le nombre de parts qu’il possède. Il peut dès lors calculer sa part de l’actif global en mul-
tipliant les deux.
17
La formule pour calculer la valeur liquidative est la suivante :

Actif net à l’instant t
V L(t) = (3.1)
Nombre de parts
En d’autres termes :
P
Valeur des actifs - (Dépenses + Frais fonds)
PF
V L(t) = (3.2)
Nombre de parts
3.1.2 La performance
L’objectif de la détention d’un actif financier est d’espérer obtenir un gain substantiel.
Ce gain peut être soit concrétisé (gain comptable), soit estimé c’est-à-dire potentiellement
perçu à travers son évaluation aux conditions du marché. La mesure de ce gain estimé est
ce que nous appelons la performance.
La mesure de performance joue un rôle important dans la mesure où elle permet de
faire le meilleur choix de placement pour un portefeuille d’actifs. La performance d’un
actif ou d’un portefeuille est le taux de rendement potentiel d’une période donnée, elle
représente ainsi la plus ou moins-value réalisée par rapport à l’investissement initial. Au-
trement dit, si un fonds a une performance de 5%. Ce 5% désigne le rapport entre le gain
et les capitaux investis initialement.
La performance d’un fonds est considérée comme un outil d’aide à la décision dans
le cadre de la gestion de portefeuille. Elle permet en effet aux gestionnaires d’analyser
les forces et faiblesses de la structure du portefeuille pour qu’il puisse ainsi adopter la
stratégie optimale.
Il existe deux types de performance :
a- Performance absolue : Elle mesure la progression de la valeur liquidative entre une

date finale et une date initiale. En supposant que tout détachement (coupon ou
dividende) est réinvesti dans le titre dans la période considérée.
b- Performance relative : Elle permet de mesurer le gain ou la perte réalisée par rap-
port à une référence ( benchmark ). C’est donc le rapport entre la performance
du titre et celle du benchmark. Si ce rapport est supérieur à 1 nous parlons de sur-
performance, sinon nous parlons de sous-performance.
Un indice de performance est la Valeur Liquidative d’un fonds donné dont les
opérations sur titre (dividendes, coupons, etc) ont été intégrées. Nous définissons ainsi [1]
l’indice de performance relatif à une certaine période par la formule suivante :

V Lf in
IP = ln (3.3)
V Linit
Dans la littérature, plusieurs ratios ont permis de mesurer la performance notamment

le ratio de Sharpe, d’information, de Treynor, Sortino, l’alpha de Jensen, etc.[1]

3.1.3 Caractéristiques d’une mesure de risque

Avant d’entamer la section sur les outils de mesure de risque, il est nécessaire de savoir
ce qu’est une mesure de risque et quelles sont les propriétés qu’elle doit vérifier.
Les mesures de risque ont pour objectif de quantifier les pertes engendrées par le risque
selon son type. Une mesure de risque est une fonction ρ qui fait correspondre à un risque
aléatoire X un nombre positif ρ(X).
En pratique, X peut représenter une perte financière de montant X et ρ(X) le montant
du capital nécessaire pour faire face à la perte X. En d’autres termes, ρ(X) représente le
niveau de danger inhérent à X.
Nous disons qu’une mesure de risque ρ est acceptable, autrement dit cohérente, si elle
satisfait les propriétés suivantes [4] :
– Homogénéité positive : ρ(M ∗ A) = M ∗ ρ(A) avec M ≥ 0

Si nous multiplions la valeur d’un portefeuille A d’un montant M, sa mesure de
risque doit être multipliée par le même montant M
– Sous additivité : ρ(A + B) ≤ ρ(A) + ρ(B)
Si nous fusionnons deux portefeuilles A et B, la mesure de risque du portefeuille
résultant ne doit pas être supérieure à la somme des mesures de risque initiales de
A et B.
– Monotonicité : Si A ≤ B Alors ρ(A) ≥ ρ(B)
Si un portefeuille A produit un résultat systématiquement inférieur à celui d’un
portefeuille B, sa mesure de risque doit être supérieure à celle de B
– Invariance par translation : Pour tout K ∈ R, ρ(A + K) = ρ(A) − K
Si nous ajoutons un montant de cash K (actif sans risque) au portefeuille A, sa
mesure de risque doit diminuer du même montant K
3.2 Outils de mesure de risque

L’étude des différents outils de mesure de risque constitue une étape nécessaire et
primordiale dans la gestion des risques. L’importance de cette étude réside dans les
deux finalités qu’ils nous permettent d’atteindre, à savoir juger de la santé financière
de l’établissement et s’assurer de son respect des différentes contraintes et limites im-
posées par les autorités concernées.
Ceci dans le but, d’une part, de se situer par rapport au marché à travers une référence
choisie afin de s’aligner sur cette dite référence voire même la surperformer et de quanti-
fier, d’une autre part, les différentes pertes qui peuvent survenir suite aux risques pris.
Le risque a deux dimensions, une dimension quantitative (combien je risque de perdre)

et une dimension probabiliste (avec quelle probabilité). Les indicateurs de risque peuvent
quantifier l’une ou l’autre, ou une combinaison des deux. Dans cette section, nous allons
définir les différents outils de mesure de risque, jugés pertinents et fiables, pour pouvoir
quantifier tout type de risque au niveau des différents portefeuilles existants.[7]

3.2.1 Volatilité
La volatilité est considérée comme la base des outils de mesure du risque des actifs
dans plusieurs domaines (gestion de portefeuille, allocation d’actifs, évaluation des pro-
duits dérivés). Elle sert de paramètre de mesure de risque et de degré d’incertitude et
représente ainsi, sur une période donnée, la dispersion et les variations des cours d’un
actif par rapport à son cours moyen. [w15]
Toutefois, la volatilité n’est pas directement observable sur le marché, il est donc
nécessaire de l’estimer et de l’évaluer avec précision en prenant en compte toutes les in-
formations nécessaires à savoir les indices de performances de l’actif.
Faible volatilité Forte volatilité
Figure 3.1 – Intérprétation de la volatilité
La volatilité concerne tous les horizons (court, moyen et long terme) et ne prend en
compte que les amplitudes des mouvements (Figure 3.1).
Ainsi, plus la volatilité est importante, plus les perspectives potentielles de gain sont
grandes, mais plus le risque de perte l’est aussi. A l’inverse, un actif sans ou avec très peu
de risques, aura une volatilité assez faible et offrira donc une sécurité relative.
Nous distinguons deux types de volatilité :
– La volatilité implicite : Elle représente les anticipations du marché sur les variations
futures des cours de l’actif : C’est la volatilité que le marché pense voir se réaliser
dans le futur. Elle est décrite sous l’hypothèse que les marchés financiers sont effi-
cients, c’est-à-dire des marchés où les prix reflètent parfaitement toute l’information
disponible. Toutefois, son calcul nécessite le recours à des formules d’évaluation des
options, et généralement nous retrouvons le modèle de Black and Scholes [w22] et/ou
l’algorithme de Newton Raphson.
– La volatilité historique : Elle est fondée sur le comportement passé de l’actif, par
l’utilisation de données historiques sur les cours (le plus haut, le plus bas, d’ouver-
ture, de fermeture. . . ).
Cette volatilité est très simple à calculer et nécessite peu d’outils mathématiques,
il suffit de calculer l’écart type, que nous définiront par la suite, de la courbe his-
torique du titre à l’échelle du temps désirée. Toutefois, la volatilité historique reste
très limitée et incertaine, dans la mesure où nous utilisons des données du passé
pour prédire le futur.

En ayant à la fois la volatilité implicite et la volatilité historique de l’actif, le gestion-

naire/investisseur peut comparer les deux et se forger une opinion de la volatilité à venir
et ainsi implémenter les stratégies qu’il juge optimales.
Mathématiquement, la volatilité est définie comme l’écart type estimé et annualisé des
performances logarithmiques (indices de performance) sur une période donnée [1]. Elle est
nécessairement positive ou nulle et s’écrit sous la forme suivante :
s
PT 2
√ t=1 (IPt − IP )
Volatilité = σ = pas ∗ (3.4)
T −1
Où :
– T est le nombre de périodes élémentaires sur la période d’analyse

– IPt est l’indice de performance à l’instant t
IP est la moyenne arithmétique des indices de performance IP = Tt=1 ( IP
P
– T
t
)
– pas est le facteur d’annualisation, il est égal 12 si la volatilité est mensuelle, 52 si
elle est hebdomadaire ou 365 si elle est annuelle.
Il est à noter que la volatilité n’est qu’une mesure de risque parmi d’autres et qu’elle est
loin d’être une mesure parfaite. En particulier, la volatilité ne considère que la dispersion
moyenne des performances, propices à des horizons de placements longs. Elle est, de ce
fait, inadaptée pour prendre en considération les événements rares ou extrêmes.
3.2.2 Tracking-Error
La volatilité est calculée sur des performances absolues. Elle mélange le comportement
du gestionnaire avec celui des marchés. Toutefois, pour chaque portefeuille est assigné ce
que nous appelons un indice de référence ou un benchmark, que le gestionnaire se doit de
suivre étroitement ou avec une certaine marge. D’où d’ailleurs l’apparition de la Tracking-
Error, qui se trouve être la volatilité de la performance, mais cette fois-ci relative.
La Tracking-Error , appelée aussi écart de suivi, est donc une estimation du risque
d’un investissement par rapport à un autre. Elle est définie comme étant la volatilité de
la différence de performance entre un fonds et son benchmark.
Elle mesure l’étendue de la liberté (écart maximal) que le gestionnaire s’est accordé vis-à-
vis de la référence à suivre. Dans quelle mesure les indices de performance du portefeuille
suivent ceux de l’indice de référence ?
Ainsi, plus la Tracking-Error (TE) est élevée, plus le risque pris par le fonds par rap-
port à son benchmark est fort. A l’inverse, une TE faible indique que le fonds ne s’est pas
éloigné, ou pas beaucoup, de la composition de son benchmark.
La formule de calcul [1] de la TE annualisée est donc comme suit :

s
PT 2
√ t=1 (Ecartt − Ecart)
T E = pas ∗ (3.5)
T −1

Où :
– Ecartt est la performance relative périodique du fonds par rapport à l’indice de

référence à l’instant t ; tel que : Ecartt = IPf onds − IPindice
– Ecart est la moyenne des indices de performances relatives
– pas est le facteur d’annualisation
3.2.3 Bêta
Le bêta représente le risque systématique, un risque attribué à la volatilité du marché
dans sa globalité. Il mesure ainsi l’élasticité ou la sensibilité d’un titre par rapport au
marché. En effet, le bêta compare les mouvements effectués par un actif par rapport à son
marché de référence.
– Un bêta de 1 signifie que les titres évoluent de façon identique, c’est-à-dire que les
fluctuations du marché seront reproduites.
– Un bêta > 1 signifie que les titres sont très sensibles aux fluctuations du marché
(fluctuations amplifiées).
– Un bêta < 1 signifie que les titres réagissent peu aux mouvements du marché (fluc-
tuations atténuées).
Lorsque le benchmark varie de X%, le fonds varie d’une amplitude égale à β ∗ X%.
Par exemple, sur la Figure 3.2, nous retrouvons différentes valeurs du coefficient bêta
β = 1.5
A
B β=1
Performance du titre
C β = 0.5
Performance du marché
Figure 3.2 – Coefficients bêta
– Pour le titre B, avec un bêta égal à 1, un mouvement de 1% sur le marché entraı̂nera

en moyenne un mouvement de 1% sur le titre.
– Pour le titre A, avec un bêta égal à 1.5, les mouvements de ce titre seront 1.5 fois
plus volatiles que ceux du marché, à la hausse comme à la baisse. Si l’indice monte
-diminue- de 1%, le titre lui grimpera –reculera- de 1.5%.
– Pour le titre C, avec un bêta égal à 0.5, les mouvements de ce titre auront une
volatilité égale en moyenne à 50% de celle du marché, à la hausse comme à la

baisse.
Ainsi, plus le bêta est élevé, plus le risque est important, et l’espoir de gain aussi. A
l’inverse, un bêta faible traduit un risque certes peu important mais en parallèle aussi une
rentabilité du titre très faible.
La formule du bêta se calcule comme la covariance entre la performance du fonds et la

performance de l’indice, divisée par la variance de l’indice sur une période donnée. Dans
le cas d’un portefeuille composé de n titres, le bêta du portefeuille est égal à la moyenne
pondérée des bêtas des différents titres qui le composent.[1]
Cov(aIPf onds , aIPindice )

βf onds = (3.6)
V ar(aIPindice )
Où :
– aIPf onds est l’indice de performance annualisé du fonds
– aIPindice est l’indice de performance annualisé de l’indice de référence (marché).
Pour annualiser un indice de performance, il suffit de le multiplier par le facteur d’an-

√
nualisation vu précédemment. aIP = pas ∗ IP
La variance, utilisée dans l’équation (3.6), permet d’étudier les variations d’une va-
2
riable par rapport à elle-même. Elle représente le carré de l’écart-type et est notée σaIP .
Plus la variance est élevée, plus le cours de l’actif est susceptible de s’éloigner de sa
moyenne.
La covariance, utilisée dans l’équation (3.6), permet de mesurer à quel point deux
distributions de performance, de deux portefeuilles différents (ici le fonds, et le marché),
peuvent évoluer de manière identique. Elle est négative si les portefeuilles varient dans le
sens contraire, et positive s’ils varient dans un même sens. Son calcul est déterminé par
la formule suivante :
Cov(aIPf onds , aIPindice ) = σ(aIPf onds ,aIPindice )

T
1 X
= (aIPf onds,t − aIPf onds ) ∗ (aIPindice,t − aIPindice )
T − 1 t=1
(3.7)
Où :
– aIPf onds est la moyenne arithmétique des indices de performance annualisés du fonds
– aIPindice est la moyenne arithmétique des indices de performance annualisés du
marché.
Toutefois, la covariance ne permet pas de déterminer l’intensité de la liaison qui peut

exister entre deux actifs, d’où la nécessité d’utiliser le coefficient de corrélation [w16]. Ce
dernier définit donc le degré de dépendance linéaire entre l’évolution des performances du
portefeuille et celles de son indice de référence. Il est très simple à utiliser et est égal au
rapport de la covariance des deux actifs et du produit non nul de leurs écarts types.
σ(aIPf onds ,aIPindice )
ρ(aIPf onds − aIPindice ) = (3.8)
σaIPf onds ∗ σaIPindice

Le coefficient de corrélation est compris entre -1 et 1 : Une corrélation de 1 signifie

qu’il existe une relation linéaire positive entre les deux actifs (corrélation positive par-
faite) ; une corrélation de 0 signifie qu’il n’existe aucune relation entre les deux actifs et
une corrélation de -1 signifie qu’il existe une relation linéaire négative entre les deux actifs
(corrélation négative parfaite).
Nous pouvons dire que le coefficient bêta est un indicateur de risque très utile, son
intérêt s’inscrit essentiellement dans la gestion de portefeuilles. Toutefois, il reste limité
et il y a quand même lieu de s’en méfier vues les diverses hypothèses sous lesquelles il est
utilisé [w17]. En effet, nous y retrouvons :
– Hypothèse 1 : Les marchés financiers sont parfaits, c’est-à-dire qu’il n’y a aucun coût
de transactions, ni de taxes pour les dividendes. Les actifs sont tous négociables.
– Hypothèse 2 : La détermination du coefficient bêta se base sur des données histo-
riques, il est donc nécessaire que les facteurs agissant sur les variations du marché
au passé soient les mêmes au futur.
3.2.4 Value-at-Risk
La VaR (Value-at-Risk) est une référence standard sur les marchés financiers : Elle
est définie comme la mesure de la perte potentielle maximale, sur un actif ou sur un
portefeuille d’actifs, susceptible d’être enregistrée avec une probabilité donnée suite à des
mouvements adverses de prix ou de taux sur un horizon de temps fixé.[20]
La VaR est donc un moyen de mieux maı̂triser les risques financiers. C’est un outil de
pilotage utile dans le reporting interne, et dans la supervision de la prise globale de risques
par les organes décisionnels. Elle est adaptée à différents types de risques (marché, crédit,
liquidité. . . ), mais est utilisée particulièrement comme indicateur de suivi des risques de
marché. Nous pouvons dire qu’elle permet de répondre à la question suivante : Sur les N
prochains jours, avec une probabilité 1−α, quel est le maximum que nous pouvons perdre ?
De ce fait, trois éléments sont indispensables pour une bonne interprétation de la VaR :
– Le niveau (seuil) de confiance 1 − α est un paramètre compris entre 0 et 1 (En

général 95 ou 99%). Il représente le niveau d’incertitude que le gestionnaire est prêt
à accepter, avec α le taux de risque.
– La distribution des pertes : Elle représente en quelque sorte la loi suivie par le
rendement du portefeuille.
– L’horizon de temps N : Il correspond à la période sur laquelle les pertes poten-
tielles sont estimées, en d’autres termes c’est la période de détention de l’actif.
La VaR est considérée donc comme un indicateur très synthétique fournissant une
appréciation du risque pour un quantile et un horizon de temps donnés et représente la
pire perte attendue sur une certaine période.[5]
Elle reflète les pertes dues au risque de marché et doit vérifier l’équation suivante :
P r(r V aR) = 1 − α (3.9)
– r étant le rendement observé sur l’horizon de temps N.

Si nous prenons un portefeuille qui suit une distribution normale, nous pouvons lire
sur le graphique (Figure 3.3) que la Value-at-Risk définie pour un niveau de confiance
de 95% (c’est-à-dire α = 5%) est égale à -1.645. C’est-à-dire que la VaR(95%, 1jour)
correspond à une perte de 1.645 million de Dirhams, autrement dit il y a 95% de chance
pour que la perte n’excède pas 1.645 million de Dirhams.
Figure 3.3 – Exemple de la VaR sous une distribution normale
Afin de bien calculer la VaR d’un portefeuille, il est indispensable de faire un bon
nombre d’hypothèses :
– Hypothèse 1 : Normalité des variations des prix des actifs.

– Hypothèse 2 : Rendement moyen des actifs nul pour la période considérée.
– Hypothèse 3 : Lien direct entre la VaR à N jours et la Var à 1 jour. Nous avons donc :
√
V aR((1 − α)%, N jours) = V aR((1 − α)%, 1jour) ∗ N (3.10)
Nous passons de la VaR à 1J à celle d’un √ différent horizon de temps N en ajustant la
volatilité de l’élément étudié par σN = N xσ1 . Ceci en appliquant The square root of
time rule. [11]
Toutefois, l’hypothèse 1 constitue une grande limite de la VaR et peut biaiser les
résultats. En effet, la loi normale a tendance à sous-estimer les grandes variations et les
amplitudes des mouvements qui existent réellement dans le marché.
En conséquence, le calcul de la VaR dépend essentiellement de la méthodologie utilisée
pour la construction de la distribution de probabilité. Il existe pour cela trois grandes
méthodes :
a- Méthode paramétrique ou méthode analytique :
C’est l’une des méthodes les plus rapides à mettre en place. Pour cela, il faut d’abord
définir les facteurs de risques qui vont influencer la variation de la valeur du portefeuille

étudié. Par exemple, le prix ou le taux, ainsi qu’un paramètre symbolisant leurs distribu-
tions. Nous prendrons comme paramètre, la variance ou, plus précisément, l’écart-type qui
reflète parfaitement la volatilité du facteur ; outil qui permet la mesure de la dispersion
de la variable .[20]
Mais avant d’appliquer la VaR paramétrique, plusieurs hypothèses doivent être émises
pour pouvoir justifier son utilisation [9] :
– Les variations des facteurs de risques suivent une loi normale. Toutefois, cette hy-
pothèse ne reflète pas toujours la réalité notamment lorsque nous nous intéressons
à des événements rares.
– La relation entre les variations des valeurs du portefeuille et les variations des valeurs
du marché est linéaire.
– Les profils des instruments financiers sont linéaires.
Ces hypothèses nous permettent d’utiliser la formule suivante afin de calculer la VaR
pour un horizon d’un jour avec un seuil de confiance X = 1 − α :
V aR(X, 1J) = P × ZX × σj (3.11)
Où :
– P est la valeur du portefeuille
loi
– ZX est calculé tel que P (Z ≺ ZX ) = X avec Z ,→ N (0, 1) où Z est le facteur de
risque choisi.
Généralement nous optons pour l’un des seuils de confiance suivant :
- X = 95% qui correspond à ZX = 1.645
- X = 99% qui correspond à ZX = 2.33
– σj est la volatilité quotidienne du portefeuille qui s’exprime en fonction de la vola-
tilité annuelle par σj = √σ252
A
où 252 représente les jours ouvrables.
En utilisant l’hypotèse sur la VaR émise précédemment, nous pouvons passer de la VaR
à 1Jour à la VaR à l’horizon N désiré en utilisant la formule (3.10)
Pour un portefeuille comportant deux actifs , la VaR du portefeuille est formulée à

partir de la VaR, V aR1 , du premier actif et celle, V aR2 , du deuxième comme suit [9] :
q
V aRP F = V aR12 + V aR22 + 2 × ρ × V aR1 × V aR2 (3.12)
Où ρ est le coefficient de corrélation entre les variations des deux actifs du portefeuille.
Dans le cas d’un portefeuille comportant plus de deux actifs nous utiliserons la matrice
de corrélation pour mesurer la corrélation entre les différents actifs. Ceci constitue en soi,
une limite à cette méthode car plus le nombre d’actif augmente plus la taille de la matrice
augmentera et alourdira par conséquent le calcul.
b- Méthode historique :
La méthode historique, ou non paramétrique, est considérée comme la méthode la

plus simple à réaliser. Elle est fondée sur les pertes et gains passés des actifs composant
le portefeuille. Il est donc nécessaire d’avoir accès aux données historiques nécessaires et

de considérer que les cours passés reflètent les cours futurs. En effet, nous supposons que
les tendances futures sont identiques à celles du passé. [9]
La première étape de la méthode historique consiste à identifier les variables du marché,

souvent nous considèrons le facteur prix. La série historique des prix nous permettra de
construire une distribution empirique à partir de laquelle nous déduisons le quantile.
Supposons que nous ayons des données historiques sur N jours.

1. Tout d’abord, pour chaque jour, il convient de trouver les pertes et gains (prix final
– prix initial) qui correspondent.
2. Ensuite, il faudra classer ces N pertes/gains potentiels par ordre croissant
3. Finalement, pour avoir notre valeur à risque V aR((1 − α)%, 1j), il suffit de prendre
la N ∗ α ième valeur du classement.
V aR((1 − α)%, 1j) = N ∗ (100% − (1 − α)%) (3.13)

Exemple : Pour un nombre de jours N=1000, si nous souhaitons obtenir une VaR à 95%,
il suffit de relever la 50ème (= 1000*(100%-95%)) valeur obtenue.
Si N ∗ α n’est pas entier, la VaR est calculée par interpolation linéaire des valeurs du
classement correspondantes aux entiers encadrants N ∗ α. Ceci suivant la formule :
V aR((1 − α)%, 1j) = Pk + (N ∗ α − k)(Pk+1 − Pk ) (3.14)

– Pi : La ième valeur du classement des pertes/gains potentiels
– k : La partie entière de N ∗ α
c- Méthode de Monte Carlo :
Monte Carlo est une méthode probabiliste pour la simulation utilisée en vue de cal-
culer une valeur numérique avec un certain niveau de confiance. Le calcul de la VaR, en
utilisant cette méthode ,nous permet d’atteindre des résultats concluants là où les autres
méthodes ne sont pas applicables, telle que l’utilisation de la VaR paramétrique pour les
produits optionnels.
Cette méthode repose sur les étapes suivantes :
1. Choix du modèle :
Choisir le modèle adéquat qui va décrire de manière fiable l’évolution de notre actif finan-
cier (dans le cas d’un portefeuille composé de plusieurs actifs nous procéderons comme
précédemment : c’est à dire calculer la VaR pour chaque actif et ensuite déduire celle du
portefeuille).
Dans le cas d’actions, par exemple, le modèle le plus utilisé est celui qui repose sur
l’évolution d’un mouvement Brownien géométrique.
2. Définition des paramètres du modèle choisi.

Dans le cadre du même exemple, l’évolution du cours de l’actif sera décrit par le mouve-

ment brownien géométrique suivant :
σ2 √

S(t + ∆t) = S(t)exp µ − ∆t + σε ∆t (3.15)
2
Où :
– µ représentera le taux sans risque de l’actif
– σ représentera la volatilité annuelle de l’actif
– ε est une variable aléatoire qui suit la loi normale N(0,1)
3. Choix de l’horizon de temps T :

Nous allons calculer le cours de l’actif en plusieurs moments t tel que t ∈ [0, T ] .
4. Simulation de différentes trajectoires :

Une fois que nous avons initialisé les paramètres du modèles et que nous avons fixé l’ho-
rizon de temps T , nous allons pouvoir générer N scénarios grâce à la variable aléatoire ε.
Pour chaque scénario nous aurons les valeurs du cours de l’actif de l’instant 0 à l’instant
T.
De cette manière ∆S = S(T ) − S(0) représentera la perte/gain généré(e) dans chaque
simulation. Nous obtiendrons alors N pertes/gains potentiels que nous allons classer par
ordre croissant.
Dans ce cas là, la VaR pour un intervalle de confiance de (1−α)% sera la (α%×N )ième
plus petite valeur.
Limites de la VaR :
La valeur à risque présente l’avantage d’être simple à interpréter. Elle permet d’obtenir
une vision globale du risque en l’exprimant sous la forme d’une seule valeur, correspondant
à la perte maximale encourue. Néanmoins, elle est souvent critiquée vues ses nombreuses
limites.
En effet, d’une part, elle ne donne aucune idée sur la nature des pertes au-delà du
quantile (niveau de confiance) en question. Par exemple, pour un niveau de confiance
1 − α = 99%, le dernier 1% peut être réparti très différemment sur les pertes. Il
peut se répartir d’une façon homogène sur la queue de la distribution ou bien avoir une
fréquence très élevée pour un montant particulier ce qui peut être dangereux. D’autre
part, elle ne constitue pas une mesure de risque valable et cohérente. Elle ne vérifie pas
la propriété de sous-additivité que toute mesure de risque se doit de faire.
3.2.5 La VaR Conditionnelle

Cette section couvre la moyenne des pertes excédant la valeur à risque. Cet outil de
mesure est apparu dans la littérature afin de remédier aux différentes lacunes que la valeur
à risque possède lors de l’évaluation du risque. Comme il est mentionné précédemment,
la VaR ne constitue pas une mesure de risque adéquate dans de nombreux cas à cause de
la propriété de sous-additivité qu’elle ne parvient pas à respecter.

Afin de remédier donc aux défauts de la VaR, un nouvel outil de mesure de risque a vu
le jour : La CVaR, (Valeur à risque Conditionnelle) ou encore ES (Expected Shortfall).
La CVaR possède en effet la caractéristique de sous-additivité et l’ensemble des autres
caractéristiques (homogénéité, monotonie et invariance transitionnelle) qui furent men-
tionnées ; ce qui fait d’elle une mesure de risque valable dans tous les cas.
La CVaR est considérée comme le quantile correspondant à la perte potentielle que

peut subir un titre ou un portefeuille suite à des mouvements défavorables des prix de
marché avec un certain seuil de confiance sachant que cette perte dépasse la VaR.
La CVaR est donc une mesure de risque plus pertinente et aussi puissante que la VAR,
puisqu’elle tient compte des cas extrêmes et des événements de grands dommages encou-
rus.
À partir de la VaR, le concept de CVaR devient relativement trivial. Comme nous

l’avons mentionné, la CVaR est l’espérance des pertes sachant qu’elles sont supérieures à
la VaR. Nous pouvons donc l’écrire de la manière suivante :
CV aR((1 − α)%, N ) = E(P t|P t > V aR((1 − α)%, N )) (3.16)
Figure 3.4 – La Valeur à Risque conditionnelle
Ainsi, nous pouvons dire que la VaR mesure la valeur qui sépare les (1 − α)% de la
distribution, la CVaR quant à elle se focalise sur la queue de distribution de la perte, les
α restant, dont nous ne connaissons ni la distribution, ni l’espérance.
Les méthodes de calcul de la CVaR restent identiques à celles de la VaR.
– Méthode analytique
– Méthode historique
– Méthode Monte Carlo
La méthode de calcul que nous avons choisi d’adopter pour le calcul de la VaR et la
CVaR des portefeuilles de la CMR est celle historique. Etant donné que les hypothèses de
la méthode paramétrique ne sont pas souvent applicables et que d’après d’anciens travaux
de la CMR effectués sur la VaR il s’est avéré que la méthode de Monte Carlo nous donne

des résultats proches de celle historique mais avec un coût, de temps et d’espace utilisé,
plus élevé, notre choix s’est porté sur la méthode historique.
3.2.6 Risque à la baisse

Comme cité auparavant, la volatilité nous permet d’avoir une idée sur la dispersion et
les variations des performances d’un fonds par rapport à sa performance moyenne, qu’elles
soient des performances négatives ou positives.
Le risque à la baisse, quant à lui, ne s’intéresse qu’aux performances jugées négatives et
représente donc la volatilité négative du fonds étudié.
Les performances négatives sont déterminées par rapport à une certaine performance
fixée à l’avance et qui représente le rendement minimum acceptable pour le fonds.
Le TMP JJ (taux moyen pondéré au jour le jour) représente le taux sans risque et définit
donc le seuil minimal de rendement acceptable dans le choix d’un investissement risqué, sa
performance représentera donc la base sur laquelle seront jugées les performances du fonds.
Le risque à la baisse, exprimé en pourcentage, révèlera donc la mesure dans laquelle

les rendements historiques de la CMR furent inférieurs à ceux du TMP JJ.
Plus le pourcentage est faible plus le risque de perte est faible, ceci suivant la formule
suivante [2] :
sP
T
√ t=1 δ(t)(IPCM R (t) − IPT M P JJ (t))2
Rb = pas × PT (3.17)
t=1 δ(t)
Avec :
(
1 si IPCM R (t) − IPT M P JJ (t) ≺ 0
δ(t) = 1IPCM R (t)−IPT M P JJ (t)≺0 = (3.18)
0 sinon
3.2.7 Autres outils de mesure

Les outils explicités précédemment représentent les principales mesures de risque au
niveau d’un portefeuille. Toutefois, chaque portefeuille a ses propres variantes. Pour l’obli-
gataire par exemple, nous retrouvons les indicateurs de risques suivants :
1- La duration :
Dans le marché obligataire, les fluctuations des taux d’intérêt représentent l’une des plus
grandes appréhensions des investisseurs. Cette appréhension est symbolisée par le risque
taux qui reflète la volatilité des taux de rendement. La duration représente l’un des indi-
cateurs de ce risque.[w18]
L’un des soucis d’un détenteur d’un titre financier est d’en assurer le rendement sur-
tout lorsque les taux changent. La duration d’une obligation se définit comme étant la
durée (en année) à partir de laquelle le titre sera à l’abri des fluctuations des taux, en
d’autres termes la durée à partir de laquelle l’obligation ne va générer que des flux positifs.

Nous pouvons distinguer deux différentes durations [w19] :
a- La duration de Macaulay :
Cette appellation nous parvient du monde anglo-saxon et qui est équivaut à la dura-
tion définie précédemment.
Elle prend en considération les flux générés par l’obligation pondérés par le temps
suivant la formule suivante :
Pn i×Fi Pn i×Fi
i=1 (1+r)i i=1 (1+r)i
D= = Pn Fi
(3.19)
P i=1 (1+r)i
Où :
– n est la maturité de l’obligation
– Fi est le flux monétaire à la date i
– r est le taux d’intérêt (taux d’actualisation du rendement )
– P est le prix de l’obligation
Lorsque les taux de marché augmentent nous pouvons remarquer grâce à la formule
d’actualisation (3.19) que les flux générés vont diminuer, donc la valeur de l’obligation va
aussi diminuer causant une perte de capital à son détendeur. Ceci lui permettra donc de
réinvestir ses coupons à un taux plus élevé et donc plus avantageux et vice versa.
Nous constatons que les deux phénomènes d’effet-capital et d’effet-coupon

évoluent inversement et par conséquent ils vont se compenser à un certain moment. Ce
moment représentera la duration de l’obligation.
La duration nous donne un premier aperçu sur l’effet de la variation du taux de ren-
dement de l’obligation sur la variation de son prix. Au moment où elle croı̂t, le prix se
retrouve sujet au changement des taux et par conséquent il est plus volatile donc plus
risqué. Toutefois, cet aperçu reste fiable à un certain degré de variation des taux, au-delà
de ce seuil lorsque l’amplitude de variation des taux augmente, cette mesure n’est plus
rigoureuse car elle ne tient pas compte de la convexité de la courbe prix-taux des obliga-
tions.
La duration ainsi définie n’est donc pas utilisée dans les marchés financiers ; nous avons
plus recourt à la duration modifiée qui dérive de la duration de Macaulay.
b- La duration modifiée :
Elle reflète l’impact d’une variation du taux de marché de 1 % sur la variation du prix
de l’obligation.
D
DM = (3.20)
1+r
Où :
– D est la duration de Macaulay
– r est le taux d’intérêt (d’actualisation, de rendement).

2-La sensibilité :
La sensibilité figure également parmi les indicateurs du risque taux. C’est un paramètre
important dans la gestion du risque et donc des performances d’un portefeuille d’obliga-
tions. Elle caractérise l’élasticité du prix par rapport à la variation du taux de marché.
Plus précisément, elle représente l’impact sur le prix de l’obligation d’une variation de 1%
du taux de marché.[w20]
Ceci se traduit mathématiquement par :
∆P
P0 1 ∆P
S= = (3.21)
∆r P ∆r
Où :
– ∆P est la variation du prix de l’obligation
– ∆r est la variation du taux de marché ( = ±1)
– P0 est le prix de départ de l’obligation.
La formule précédente devient donc :

Prix final - Prix de départ
S= × (±100) (3.22)
Prix de départ
Comme expliqué précédemment, le taux de marché et le prix de l’obligation évoluent in-
versement. La sensibilité est donc de signe négatif et nous donnera le pourcentage avec
lequel le prix diminuera lorsque le taux augmentera d’un point et le pourcentage avec
lequel il augmentera lorsque le taux de marché diminuera d’un point.
En reprenant la formule mathématique de la sensibilité suivante :

dP
dr
S= (3.23)
P
En utilisant aussi l’expression du prix de l’obligation :
n
X Fi
P = (3.24)
i=1
(1 + r)i
Nous arrivons à démontrer facilement la relation suivante qui lie la sensibilité à la duration
de l’obligation.
D
S=− (3.25)
1+r
La sensibilité est donc proportionnelle à la duration. Ainsi plus la duration est longue
plus la sensibilité est forte : Une variation d’un point du taux de marché entraı̂nera une
grande variation du prix. Une hausse du taux de marché serait la bienvenue dans ce cas,
contrairement à sa baisse.
3- La convexité :
La sensibilité en tant qu’indicateur de risque taux nous renseigne sur la proportion de
variation du prix, néanmoins l’impact sur le prix des différentes fluctuations du taux de
marché n’est pas la même en hausse qu’en baisse. Ceci revient, comme mentionné plus
haut, à la convexité de la courbe prix-taux des obligations. Pour cette raison, il faut donc
tenir compte d’un autre indicateur de risque taux lors de grandes variations du taux de

marché. Cet indicateur n’est autre que la convexité. [w21]
La convexité est représentée par la dérivée seconde du prix par rapport au taux de
marché et s’exprime comme suit :

1 ∆P
Cv = × + S × ∆r (3.26)
(∆r)2 P0
Où :
– ∆r est la variation du taux de marché
– ∆P est la variation du prix de l’obligation
– P0 est le prix de départ de l’obligation
– S êst la sensibilité de l’obligation.
Plus la convexité d’une obligation est élevée plus son prix baissera lentement lors de
la hausse des taux et augmentera rapidement lors de leurs baisses.
Ces indicateurs propres au portefeuille obligataire ne seront pas utilisés dans le présent
mémoire étant donné que nous allons nous intéresser par la suite uniquement au porte-
feuille action de la CMR. Néanmoins, nous avons jugé utile de les présenter en vue d’aider
et d’encourager la continuité de ce projet en y rajoutant les aspects non traités.

Chapitre 4
Application de gestion des risques
4.1 Présentation de l’application

Après avoir présenté, dans la partie précédente, la démarche théorique du calcul des
indicateurs de risques, nous allons décrire dans la suite les différentes démarches effectuées
pour aboutir à la conception de l’application de gestion des risques, qui exploitera jus-
tement ces indicateurs. Nous présenterons ensuite les résultats obtenus aux cours des
simulations.
Toutefois, dans cette première application, nous avons travaillé sur les valeurs liqui-
datives du portefeuille dans sa globalité et nous nous sommes contentés des indicateurs
de risque liés au marché notamment la volatilité, le bêta, la Tracking Error, le risque à la
baisse, la VaR et la CVaR.
4.1.1 Description générale

L’application est développée sous VBA appliqué à Excel, le choix de cet outil de pro-
grammation a été fait selon les raisons suivantes :
– La familiarisation des responsables de gestion de portefeuille de la CMR avec Excel ;

– L’utilisation de quelques fonctions prédéfinies sur Excel pour les formules mathématiques
considérées ;
– La possibilité de générer et éditer un reporting avec des graphes sur Excel et sur
Word.
Cette application, comme cité auparavant, servira essentiellement aux calculs des in-
dicateurs de risque liés au marché pour le portefeuille de la CMR. Il y a 4 fichiers pour
chaque portefeuille : Actions, Obligataire, Global mais aussi pour un quelconque porte-
feuille éventuel.
Nous expliquerons la procédure d’utilisation de l’application pour un portefeuille Actions.
Toutefois, les démarches et explications suivantes restent les mêmes pour tout type de
portefeuille.
34
4.1.2 Description de l’application

Une fois l’application démarrée, une feuille Instructions apparait :
Figure 4.1 – Feuille instructions
Cette première feuille (Figure 4.1) servira essentiellement à expliquer à l’utilisateur,

que l’application utilise les valeurs liquidatives du portefeuille de la CMR, celles du porte-
feuille de référence BENCHMARK, ainsi que celles du taux sans risque TMP JJ, et qu’il
faudrait les copier à leur emplacement pour que les indicateurs de risque puissent être
calculés. Il va de soi, que les données doivent être initialisées sur une même période pour
ne pas fausser les résultats.
En cliquant sur Lancez le menu (Figure 4.1), une barre de menu en haut de page
s’affiche.
Figure 4.2 – Barre de menu
Pour remplir les données du portefeuille Action , il faut cliquer sur Portefeuille
Action (Figure 4.2) pour accéder à la feuille correspondant aux données du portefeuille.
Les données nécessaires de cette feuille sont remplies (des fois ces données peuvent être
journalières). Or, pour le calcul des indicateurs, il est nécessaire que les données soient
hebdomadaires. Il y a un bouton qui servira justement à faire le tri des données.

De la même manière, il faut cliquer sur TMP mentionné sur la barre de menu
(Figure 4.2) pour remplir ses données et cliquez sur le bouton nécessaire pour faire le tri
en cas de besoin.
Maintenant que toutes les données sont insérées à leur place, il faut cliquer sur Calcul
des indicateurs mentionné sur la barre de menu (Figure 4.2).
Une fenêtre (Figure 4.3) s’affiche dès lors pour sélectionner la période sur laquelle les
indicateurs de risque vont être calculés.
Figure 4.3 – Interface de période de calcul
En cliquant sur Date de début un calendrier s’affiche. La valeur sélectionnée

par défaut sur le calendrier est la première date des données à partir de laquelle nous
pouvons commencer le calcul, en d’autres termes c’est la première date pour laquelle il y
a un historique suffisant, ici d’une année glissante, soit 52 semaines. En effet, si une date
antérieure à celle-ci est sélectionnée, un message d’erreur apparait.

Comme nous nous sommes baés sur des données hebdomadaires, il faut sélectionner
un Vendredi de la semaine, dans le cas contraire, un autre message d’erreur apparait.
De la même manière, en cliquant sur Date de fin , un calendrier apparait avec

cette fois-ci comme valeur par défaut la dernière date mentionnée sur les données du
portefeuille.
Si jamais l’utilisateur sélectionne une date de fin inférieure à la date de début, un message
d’avertissement apparait.

Une fois la sélection des dates est validée, nous passons maintenant au calcul des
indicateurs de risques. Les indicateurs nécessaires sont mentionnés sur l’interface ci-
après.(Figure 4.4)
Figure 4.4 – Interface des indicateurs de risques
Pour le calcul de la VaR et la CVaR, une saisie des paramètres s’impose : La valorisa-
tion du portefeuille (en DH) et le niveau de confiance (95 ou 99%).
Figure 4.5 – Paramètres de la VaR
Finalement, nous retrouvons la feuille finale suivante qui comporte le calcul des in-
dicateurs de risques : Volatilité annualisée, bêta, Tracking Error annualisée, Risque à la
baisse, VaR et CVaR pour le portefeuille de la CMR mais aussi pour celui du bench-
mark.(Figure 4.6)

Figure 4.6 – Résultats du calcul des indicateurs
En parallèle à ces fonctionnalités apparentes, des calculs ont été faits. Nous retrouvons
notamment la feuille des données du portefeuille qui devient comme suit (Figure 4.7). En
effet, il était nécessaire de calculer en parallèle les indices de performance du portefeuille
de la CMR ainsi que ceux du Benchmark, mais aussi l’écart entre les deux indices. Quand
la valeur est positive, elle est écrite en vert, quand elle est négative en rouge.
Figure 4.7 – Feuille finale des données du portefeuille
De la même manière il était question de calculer l’indice de performance relié au

taux sans risque TMP (Figure 4.8). Chacune des colonnes I et J (Delta CMR et Delta
Benchmark) correspond au résultat de la condition d’écart lié au risque à la baisse dans
l’équation (3.18). Si cette condition est égale à 1, le résultat est affiché en rouge, sinon si
il est égal à 0 et sera en bleu.

Figure 4.8 – Feuille finale des données TMP
L’application est aussi dotée d’autres fonctionnalités complémentaires importantes.

En effet, en cliquant sur Reporting Action (Figure 4.6), nous pouvons générer un
reporting avec la mise en page habituelle et exigée de la CMR. Ce reporting sous cette
forme (Figure 4.9), contient les différents graphes correspondant à l’évolution des indices
de performances et des indicateurs de risques sur la période donnée.
Figure 4.9 – Reporting du portefeuille

Nous pouvons aussi générer un reporting global sur Word en cliquant sur le bouton
correspondant (Figure 4.6). Ce rapport d’activité comporte cinq pages, donc chacune
traite les résultats des indicateurs reliés à la CMR avec une description détaillée de chaque
indicateur et leur interprétation pour une compréhension plus approfondie du résultat du
calcul de chacun.
Figure 4.10 – Rapport d’activité sur Word - Pages 1 et 2
Figure 4.11 – Rapport d’activité sur Word - Pages 3 et 4

Figure 4.12 – Rapport d’activité sur Word - Page 5
4.2 Interprétation des résultats

L’application, citée auparavant, est applicable à différents types de portefeuille. Nous
l’avons testée pour le portefeuille Actions, le portefeuille Obligations, et le portefeuille
Global de la Caisse Marocaine des Retraites.
Nous découvrirons ci-après les résultats ressortissants de chacun des portefeuilles et leurs
interprétations.
1- Portefeuille Actions :
L’application a été testée sur des données actions pour une période allant du 31/12/2010
au 31/12/2014. Le calcul des indicateurs s’est fait donc du Vendredi 06/01/2012 au Ven-
dredi 26/12/2014 (période pour laquelle l’historique est suffisant).
– La volatilité annualisée :
Nous avons calculé la volatilité annualisée sur une année glissante, soit 52 semaines.
La volatilité du portefeuille de la CMR est comprise entre 6.519% et 13.177% avec
une moyenne de 10.159%. La volatilité annualisée du benchmark quant à elle, est

comprise entre 5.755% et 12. 957% avec une moyenne de 9.732%.
Figure 4.13 – Volatilité annualisée - Portefeuille Actions
Nous remarquons que la CMR s’aligne plus ou moins au Benchmark (ici MASI
Rentabilité Brut) sur la période considérée (Figure 4.13). Les deux affichent quand
même une volatilité moyenne très importante, ce qui implique que l’investissement
en actions est un placement à risque. Cela s’explique par les fluctuations et varia-
tions des prix des actions.
Ainsi, nous pouvons dire que le risque de volatilité du cours est important et il peut
dépendre de la qualité de la société, de ses résultats et de l’évolution générale de la
bourse. Il est donc nécessaire de choisir les bonnes actions à introduire au niveau
du portefeuille.
– Le Bêta :
Le bêta du portefeuille action est compris entre 0.968 et 1.124 avec une moyenne
de 1.014. Cela implique que les titres évoluent dans le même sens que les fluctuations
du benchmark, ce qui est évident vu la similitude de l’évolution de leurs volatilités.
– La Tracking-Error annualisée :
La Tracking Error (TE) annualisée affiche un résultat compris entre 1.59% et 2.246%
avec une moyenne de 1.86%. Nous pouvons dire que la TE assez faible, ce qui ex-
plique sur le portefeuille de la CMR ne s’est pas éloigné, ou pas beaucoup, de la
composition du MASI Rentabilité Brut.
– Le risque à la baisse :
Le risque à la baisse est compris entre 3.18% et 10.813% avec une moyenne 7.22%
pour la CMR, et une moyenne de 6.90% pour le MASI Rentabilité Brut.
Nous remarquons que l’évolution de l’indicateur est à peu près la même pour les
deux portefeuilles. Toutefois, le pourcentage du risque à la baisse est relativement
élevé ce qui implique un risque de perte assez important.

Figure 4.14 – Risque à la baisse - Portefeuille Actions
– La VaR et CVaR :
Si nous prenons la première et dernière date des données actions pour lesquelles
l’historique est suffisant, la VaR est la CVaR à ces jours sont :
Figure 4.15 – VaR et CVaR - Portefeuille Actions

Pour une valorisation du portefeuille de 10 000 Dh par exemple (valeur fictive), pour
la dernière année d’évaluation, nous avons une perte de 2.8%, soit l’équivalent d’à
peu près 280 Dh : A un niveau de confiance de 95%, la CMR ne va pas perdre plus
de 280 Dh. Le benchmark quant à lui, ne va pas perdre plus de 240 Dh.
La CVaR quant à elle, affiche un pourcentage de -3.6%, soit une valeur d’à peu près
360 Dh, c’est-à-dire que pour les cas extrêmes, soit une probabilité des 5% restants
(1-95%), la CMR ne va pas perdre plus 325 Dh.
2- Portefeuille Obligations et Portefeuille Global :

Quant au portefeuille Obligations ou même le portefeuille Global, la volatilité reste très
minime et se trouve aux alentours de 0.5%.
Pour le portefeuille obligations cela s’explique par le fait que les obligations représentent
un investissement sûr et stable, et qu’elles sont moins exposées aux risques de marché.
En effet, l’obligation est considérée comme une dette, et le risque majeur qui peut y avoir
est ne pas se faire rembourser. Ce risque est naturellement en fonction de la qualité de
l’émetteur.
Pour le portefeuille global cela s’explique par la diversité des actifs le constituant,
et surtout par le fait que les obligations détiennent un grand pourcentage au niveau du
portefeuille global. En effet, l’allocation d’actifs au niveau ce portefeuille se fait selon les
exigences suivantes :
– Le pourcentage des obligations est supérieur ou égal à 60%

– Le pourcentage des actions est inférieur ou égal à 30%
– La somme des pourcentages de l’immobilier ainsi que du non côté est inférieure à 5%
De ce fait, la diversification stipule le mixage entre des actifs risqués et d’autres moins
risqués, ce qui atténue le degré de risque auquel peut être exposé le portefeuille.
En théorie, un portefeuille diversifié qui comprend une variété d’actifs tend à ajuster et
équilibrer les fluctuations du rendement, cela est essentiellement dû à la faible corrélation
qui puisse y avoir entre ces actifs. D’autant plus, pour un portefeuille diversifié qui com-
prend plusieurs types de d’actifs, il est beaucoup moins probable que tous ces actifs
affichent un mauvais rendement en même temps. En effet, les différents types de d’actifs
ne réagissent pas tous de la même façon aux événements mondiaux et aux variations des
facteurs économiques.

Chapitre 5
Optimisation du portefeuille Actions
5.1 Position du problème

La première application nous a permis d’avoir une idée sur le niveau de risque du
portefeuille de la CMR grâce au reporting des différents indicateurs de risque calculés.
Ce reporting a pour but de nous orienter quant à la stratégie à adopter dans la gestion
des différents portefeuilles de la CMR. Ces résultats sont-ils satisfaisants ? La volatilité du
portefeuille est-elle acceptable ? L’écart maximal accordé au gestionnaire par rapport au
portefeuille de référence est-il respecté ? La perte modélisée par la VaR et la CvaR est-elle
tolérable ?
Chaque combinaison de réponses défavorables à ces questions représente des contraintes
que notre portefeuille se doit de respecter pour se placer à un niveau de risque admissible
en échange d’un certain rendement que nous chercherons à maximiser.
Dans ce chapitre, nous nous intéresserons uniquement au portefeuille actions, dans la

mesure où il est considéré comme le portefeuille le plus risqué. Nous étudierons ce por-
tefeuille, titre par titre, afin de déterminer la composition optimale qui permettra, pour
un certain niveau de risque, de maximiser le rendement tout en respectant les contraintes
préétablies.
Ainsi, la performance ne sera plus exprimée à partir des valeurs liquidatives du por-
tefeuille mais à travers le rendement des cours propres à chaque titre le composant.
La partie qui suit constituera un rappel sur les formules mathématiques qui nous
permettront de calculer les paramètres nécessaires à l’optimisation souhaitée.
5.1.1 Modélisation mathématique du problème

1- Rendement d’un titre :
Les rendements calculés et utilisés tout au long de ce projet sont des rendements jour-
naliers exprimés comme suit :
46
Pour un titre i à la date j :

coursi,j − coursi,j−1
Ri,j = (5.1)
coursi,j−1
Où :
– coursi,j est le cours de fermeture du titre i à la date j.
2- Rendement du portefeuille :
Le rendement d’un portefeuille à la date j est la moyenne des rendements de chaque

titre le composant, pondérée par les proportions ou poids de chaque titre dans la compo-
sition totale du portefeuille.
Pour un portefeuille composé de n titres, nous avons :

n
X
RP F,j = xi ∗ Ri,j (5.2)
i=1
Où :
– RP F,j est le rendement du portefeuille à la date j

– xi est le poids du titre i dans le portefeuille PF
– Ri,j : rendement du titre i à la date j.
3- Fonction objectif :
Partant d’une situation initiale qui est la dernière évaluation du portefeuille actions de
la CMR, la problématique posée est le suivante : Quel sera le poids à attribuer à chaque
titre et éventuellement quels seront les nouveaux titres à introduire dans notre portefeuille
afin de maximiser son rendement tout en fixant un niveau risque à respecter ?
La fonction objectif de notre problème d’optimisation est donc formulée à partir

du rendement anticipé du portefeuille action dont l’ensemble des poids de chaque titre
représentera les variables de décisions de notre problème.
Sa formulation mathématique est comme suit :
M aximiser xt R (5.3)
x
Où :
– x est le vecteur de poids des titres du portefeuille

– R est vecteur des rendements anticipés de chaque titre.
Le vecteur de rendement anticipé du portefeuille sera calculé à partir du Modèle

d’évaluation des actifs financiers (MEDAF), dont la méthode et les hypothèses seront
exposées dans la partie suivante.

5.1.2 Modèle d’Evaluation Des Actifs Financiers (MEDAF)

Avant d’investir dans un actif financier risqué, il faudrait que son rendement espéré
soit supérieur à celui d’un actif sans risque pour pouvoir justifier le risque entrepris.
Cette différence de rendement est ce que nous appellons la prime de risque et est
définie comme le supplément de rendement exigé par l’investisseur afin d’investir dans
l’actif risqué .
Cette prime de risque ne tient compte que du risque systématique qui est impossible à
éliminer par la diversification puisque ce dernier affecte l’ensemble des actifs.
Ainsi le rendement, attendu par le marché pour un certain actif devrait tenir compte
de cette prime de risque et donc du risque systématique.
Le modèle d’évaluation des actifs financiers (MEDAF) remplit cette exigence et fournit
une estimation du rendement attendu par le marché pour un actif financier en fonction
de son risque systématique.[3]
Ce modèle repose sur 4 hypothèses [13] :

1. Les investisseurs peuvent acheter ou vendre n’importe quel actif financier à son
prix de marché, sans coûts de transaction ni impôts. Ils peuvent, de plus, prêter ou
emprunter aux taux d’intérêt sans risque.
2. Tous les investisseurs détiennent un portefeuille efficient, c’est à dire un portefeuille
offrant la rentabilité espérée la plus élevée pour une volatilité donnée.
3. Les investisseurs forment des anticipations homogènes sur les rentabilités espérées,
les volatilités et les corrélations de tous les actifs financiers.
Cette hypothèse peut s’expliquer par le fait que les anticipations des rentabilités se
basent sur les informations publiques disponibles et par conséquent les anticipations
formées ont le même fondement. Ceci permet de justifier que les investisseurs feront
les mêmes prévisions et donc que leurs anticipations seront homogènes.
4. La matrice de variance-covariance des rentabilités des titres est stable dans le temps.
Avant d’appliquer le MEDAF, il va nous falloir dans un premier temps évaluer le

risque systématique d’une action. Ceci revient à déterminer le pourcentage de l’impact
du risque systématique dans la variation de ses rendements.
Pour ce faire il s’agira d’observer la sensibilité du rendement de cette action par rap-
port à une variation de 1% du rendement d’un portefeuille exclusivement exposé au risque
systématique.
Ce portefeuille ainsi défini est appelé portefeuille efficient et que l’hypothèse 3 du MEDAF
apparente au portefeuille marché.[17]
Etant donné que les anticipations des investisseurs sont homogènes, ils identifieront
tous, le même portefeuille efficient qui va constituer, en plus de l’actif sans risque, leur
portefeuille global dont les pondérations diffèrent suivant l’aversion au risque de chaque in-
vestisseur. Par conséquent, le portefeuille efficient devrait regrouper tous les actifs risqués
se trouvant sur le marché. Chaque titre, bien qu’il soit risqué, est détenu par un investis-
seur et fait, par conséquent, partie de son portefeuille. Ce portefeuille n’est autre que le

portefeuille efficient qui est identique pour les différents investisseurs.
Ainsi sous cette hypothèse, la mesure du risque systématique d’un actif consiste à
calculer son bêta.
La formule du MEDAF se présente alors comme suit [6] :
Rendement anticipé du titre i = Taux sans risque + Prime de risque du titre i
Ri = rf + βi ∗ (E(Rm ) − rf ) (5.4)
Où :
– E[Rm ]–rf est la prime de risque marché.
5.2 Modélisation des contraintes

L’objectif de ce chapitre consiste à maximiser le rendement du portefeuille. Toutefois,
plusieurs contraintes rentrent en jeu et doivent être tenues en compte. Dans cette partie,
nous détaillons ces contraintes et explicitons leurs modélisations mathématiques, que nous
intégrerons par la suite au niveau de notre programme d’optimisation.
5.2.1 Contraintes de gestion

Le but de l’optimisation est de définir l’ensemble des poids de chaque titre qui va maxi-
miser la fonction objectif tout en respectant le niveau de risque désiré pour le portefeuille.
Cependant ces poids devront eux aussi respecter les seuils auxquels doit se soumettre la
CMR et qui sont définis par rapport aux poids de son benchmark.
De ce fait, pour chaque titre i dont les poids sont xi et bi dans le portefeuille de la
CMR et celui du benchmark respectivement :
– Si bi ≤ 10% alors xi ne doit pas dépasser 10%

– Si 10% > bi ≤ 15% alors xi ne doit pas dépasser 15%
– Si 15% > bi ≤ 20% alors xi ne doit pas dépasser 20%.
5.2.2 Contraintes de risque

Les contraintes de risque du problème regroupent deux types de risque :
– Risque marché : Représenté par la volatilité du portefeuille, la Tracking Error, le

bêta, la VaR et la CvaR.
– Risque liquidité : Représenté par le ratio de liquidité qui sera explicité un peu plus
loin.

Risque marché
1- La Volatilité :
La volatilité d’un portefeuille se calcule à travers les volatilités des titres qui le composent
mais aussi en tenant compte des dépendances qui existent entre les évolutions de ses
différents titres.
Cette dépendance est représentée par la notion de covariance entre chaque couple de
titre du portefeuille, elle permet de quantifier leurs écarts conjoints par rapport à leurs
espérances respectives.
La covariance entre un titre i et j sur une période T s’exprime par la relation suivante :
T
1 X
cov(i, j) = σij = (Ri,t − Ri )(Rj,t − Rj ) (5.5)
T − 1 t=1
Où :
– Ri,t et Rj,t sont les rendements des titres i et j respectivement à la date t

– Ri et Rj sont les rendements moyens de chaque titre sur la période T .
La covariance est une extension de la variance σ 2 vue précédemment, pour i = j nous

retrouvons la variance du titre i.
Ainsi, la volatilité du portefeuille de n titres est la somme des covariances des titres
le composant pondérée par leurs poids :
n X
X n
σP F = xi xj σij (5.6)
i=1 j=1
Où :
– xi est le poids du titre i.
L’équation (5.6) peut s’écrire sous la forme matricielle suivante où la matrice de va-
riance/covariance est symétrique définie positive et nous permet de caractériser la distri-
bution du portefeuille :
 
x1
 
σ11 · · · σ1n  .. 
 .  . 
. .
x1 . . . xi . . . xn  .. .. ..   xi  = xt V x (5.7)
 
 . 
σn1 · · · σnn  .. 
xn
2- La Tracking Error :
La Tracking Error exprime la volatilité de la différence de rendement entre un fonds et
son benchmark.[15]
De ce fait la Tracking Error d’un portefeuille dont les poids du benchmark sont

b 1 . . . bi . . . bn

est :
T E = (x − b)t V (x − b) (5.8)
3- Le Bêta :
Pour un portefeuille, le bêta peut être défini comme suit :
Cov(RP F , Rindice )
βP F =
V ar(Rindice )
Cov( ni=1 xi ∗ Ri , Rindice )
P
=
V ar(Rindice )
Xn
Cov(Ri , Rindice ) (5.9)
= xi ∗ (bilinéarité de la covariance)
i=1
V ar(Rindice )
n
X
= xi ∗ βi
i=1
4- La VaR et la CVaR :
La VaR mesure la perte potentielle maximale, sur un actif ou sur un portefeuille d’actifs,
susceptible d’être enregistrée avec une probabilité donnée sur un horizon de temps fixé.[12]
La CVaR, quant à elle, mesure l’espérance de perte excédant la VaR.

Soit un portefeuille de n actifs x = x 1 . . . xi . . . xn ∈ X avec X ⊂ Rn ensemble des
portefeuilles disponibles.
La perte x associée au portefeuille est représentée par la fonction suivante :
f : X × Rn → R
(x, y) 7−→ f (x, y)
où y est le vecteur qui correspond au risque rattaché à x. Dans notre cas, il s’agira des
différents rendements futurs de chaque titre composant le portefeuille, ce qui lui confère
son caractère incertain et aléatoire et par la même occasion celui de la perte f (x, y).
L’expérience aléatoire étudiée est donc les différents rendements que peut réaliser le
portefeuille et qui définissent aussi les différentes pertes que peut encourir le portefeuille.
Soit l’espace probabilisé (Ω, B, P ) où Ω est l’univers lié à l’expérience étudiée muni de
sa tribu B. Nous supposons que la loi de probabilité de y a une densité de probabilité
notée fY (y) = p(y).
Soit l’événement A de B tel que A = {y/f (x, y) ≤ α}, c’est-à-dire les rendements qui
vont conduire à une perte inférieure à α.
La fonction de répartition de la variable aléatoire associée à la perte du portefeuille x

est définie comme suit :
Fperte (α) = P (perte ≤ α) = P (Y ∈ A)

Autrement dit, la probabilité que la perte du portefeuille x ne dépasse pas le seuil α

et que nous allons noter ψ(x, α), exprime aussi la probabilité que le rendement du porte-
feuille engendre une perte inférieure à α.
Nous avons :
R R
ψ(x, α) = P (Y ∈ A) = R
1A (y)fy dy = f (x,y)≤α
p(y)dy
Z
ψ(x, α) = p(y)dy (5.10)
f (x,y)≤α
ψ en tant que fonction de α, est une fonction croissante et nous supposons qu’elle est
continue c’est-à-dire qu’il n’y a pas de saut de α.
La VaR et CVaR du portefeuille x pour un niveau de confiance β seront notées res-

pectivement αβ (x) et φβ (x) et sont données par les formules suivantes :
VaR :
αβ (x) = min {α ∈ R : ψ(x, α) ≥ β} (5.11)
Cet ensemble regroupe les pertes dont la probabilité de les dépasser dans le portefeuille
x est inférieure à β. Etant donné que ψ est croissante, le minimum de cet ensemble est
atteint lorsque la valeur de ψ est minimale i.e. quand ψ(x, α) = β
CVaR :
Soit l’événement : C = {y/f (x, y) ≥ αβ (x)}

La CVaR du portefeuille x de VaR αβ est d’après la définition donnée précédemment
(3.16) :
φβ (x) = E(g(Y )/C) Avec g(y)=f(x,y)
Nous avons :
1 1
R R
φβ (x) = P (C) C
g(Y )dP = P (C) C
g(y)fy dy
Où P (C) = 1 − β est la probabilité que la perte dépasse la VaR.
Donc
1
R
φβ (x) = 1−β C
f (x, y)p(y)dy
Z
1
φβ (x) = f (x, y)p(y)dy (5.12)
1−β f (x,y)≥αβ
Nous définissons la fonction Fβ sur X × R par laquelle nous allons caractériser αβ et

φβ (x) par :
Z
1
Fβ (x, α) = α + [f (x, y) − α]+ p(y)dy (5.13)
1 − β y∈Rn

Où [t]+ = max {t, 0} .
Les deux théorèmes suivants, démontrés par Rockafellar et Uryasev [18], sont essentiels
dans la modélisation mathématique de la VaR et CVaR.
Théorème 1. Pour un x fixé, la fonction Fβ est convexe et de classe C 1 .

Pour tout portefeuille x, la CVaR de niveau de confiance β est donnée par :
∀x ∈ X φbeta (x) = minFβ (x, α) (5.14)

α∈R
L’ensemble des valeurs de α pour lesquelles le minimum est atteint, est noté :
Aβ (x) = minFβ (x, α) (5.15)

α∈R
Cet ensemble est un intervalle non vide, fermé borné -qui peut être en particulier réduit
en un point-.
La VaR au seuil β est donné par :
αβ (x) = l’extrémité gauche deAβ (x) (5.16)
De même :
αβ ∈ argmin Fβ (x, α) et φβ (x) = Fβ (x, αβ (x)) (5.17)

α∈R
Théorème 2. Minimiser la CVaR d’un quelconque portefeuille x revient à minimiser

Fβ (x, α) ∀(x, α) ∈ X × R, tel que :
minφβ (x) = min Fβ (x, α) (5.18)

x∈X (x,α)∈X×R
Où le couple (x∗ , α∗ ) minimise Fβ si et seulement si x∗ minimise φβ et α∗ ∈ Aβ (x∗ ). En

particulier, si nous nous trouvons dans le cas où Aβ (x∗ ) est réduit en un point, alors la
minimisation de Fβ (x, α) nous donne un couple (x∗ , α∗ ) qui n’est pas forcément unique,
tel que x∗ minimise la CVaR de niveau de confiance β et α∗ nous donne la VaR corres-
pondante.
Approximation de Fβ :
Dans cette partie nous allons approcher l’intégrale se trouvant dans l’expression de
(5.13) Fβ .
Nous posons
h(y) = [f (x, y) − α]+
alors
1
R
Fβ (x, α) = α + 1−β y∈Rn
h(y)p(y)dy
Nous avons
R
H= y∈Rn
h(y)p(y)dy = E(h(Y ))


Soit y1 . . . yi . . . yq un échantillon de la loi Y distribuée selon la densité p(y).
L’estimateur dit de Monte-Carlo de H= E(h(Y)) est :
h˜q = 1q qj=1 h(yj ) = 1q qj=1 [f (x, yj ) − α]+

P P
Par conséquent, une approximation de Fβ (x, α) est :

q
1 X
F̃β (x, α) = α + [f (x, yj ) − α]+ (5.19)
q(1 − β) j=1
Linéarisation :
Afin de linéariser la formulation de F̃β (x, α) nous allons utiliser des variables artifi-
cielles zj ∀j = 1, ..., q tel que :
F̃β (x, α) sera remplacée par :
1
Pq
α+ q(1−β) j=1 zj avec les contraintes linéaires :
zj ≥ f (x, yj ) − α, zj ≥ 0, j=1,...,q, α∈R
Application à notre problème d’optimisation :
Soit x le vecteur de décision comportant l’ensemble des poids de chaque titre, y le

vecteur des rendements anticipés générés par le MEDAF, x0 vecteur des poids initiaux du
portefeuille actions de la CMR, y0 le vecteur de rendement des titres lors de la dernière
évaluation et CV aR0 (en pourcentage) la valeur absolue CVaR maximale |CV aRmax | d’un
niveau de confiance β.
Remarque :
– Nous avons |V aR| ≤ |CV aR|. Il suffit donc d’introduire la contrainte sur la CVaR
pour pouvoir restreindre la valeur de la VaR.
La fonction de perte est donnée suivant l’expression :
f (x, y) = xt0 y0 − xt y (5.20)
La formulation de la CVaR est donc :

z ≥ xt0 y0 − xt yj − α, zj ≥ 0, j = 1..q

 j

q
1 X (5.21)
α+ zj ≤ CV aR0
q(1 − β) j=1



Risque liquidité
La liquidité des titres du portefeuille actions de la CMR est évaluée à travers le ratio
de liquidité suivant :
Pour un titre i :
Quantité moyenne échangée du titre i
Li = (5.22)
Capital flottant du titre i
Où le capital flottant représente la quantité totale du titre i susceptible d’être échangée
en bourse.
Ce ratio de liquidité (5.22) nous permet d’avoir une idée sur le pourcentage échangé de
chaque titre dans le marché. Plus Li est élevé plus le nombre de transactions auxquelles
a participé le titre i est grand. Cela nous permet d’évaluer d’une certaine manière la li-
quidité de ce titre.
Le titre est d’autant plus liquide que le ratio est grand.
Pour le portefeuille :
Le ratio de liquidité du portefeuille est la somme des ratios de liquidité des titres le
composant pondérée par leurs poids respectifs :
n
X
LP F = L i xi (5.23)
i=1
5.3 Formulation du problème d’optimisation

Le problème est formulé comme suit :

 M aximiser
 xt R
 x




sous les contraintes :








xt V x ≤ volmax : Volatilité








(x − b)t V (x − b) ≤ T Emax : Tracking Error








 Pn
i=1 xi βi = β0 : Bêta (5.24)


zj ≥ xt0 y0 − xt yj − α, zj ≥ 0, j = 1..q : CVaR




1
P q
j=1 zj ≤ CV aR0



 α + q(1−β)





xt L ≥ liq0 : Liquidité







 Pn
i=1 xi = 1 : Somme des pondérations








0 ≤ x ≤ ν : Contrainte de gestion

Où :

– R le vecteur des rendements anticipés

– V la matrice de covariance des titres
– b le vecteur des poids du benchmark
– CV aR0 le seuil maximal de la CVaR
– volmax le seuil maximal de la volatilité
– T Emax le seuil maximal de la Tracking Error
– β0 Bêta fixé par la CMR
– liq0 le seuil minimal du ratio de liquidité
– ν le vecteur de contrainte de gestion
La résolution du problème nous fournit le vecteur de décision x représentant les poids
des différents actifs ainsi que la VaR du portefeuille correspondant, notée α.

5.4 Application sous MATLAB

Après avoir formulé notre problème d’optimisation au complet, nous allons maintenant
l’implémenter sous MATLAB. Le choix de ce langage de programmation est essentielle-
ment dû à sa rapidité, sa capacité à gérer un grand nombre de données ainsi que son
efficacité face aux calculs matriciels.
A l’ouverture de l’applicatif, une première interface Menu s’affiche :
Figure 5.1 – Interface Menu sur Matlab
En cliquant sur le bouton correspondant à l’importation des données (Figure 5.1),

nous pourrons importer le fichier nécessaire pour que le programme fonctionne.
Le fichier des données, est un fichier Excel qui comporte plusieurs feuilles, à savoir :
– ’Portefeuille initial’ contient le libellé des actions disponibles dans le portefeuille de

la CMR ainsi que son poids. Pour notre simulation, nous utiliserons un portefeuille
fictif composé de 14 actions.
– ’Poids MASI’ contient les différents titres existants au niveau du portefeuille MASI
avec leurs poids et les poids sectoriels.
– ’Secteur’ regroupe toutes les actions qui existent dans le marché ainsi que le secteur
correspondant à chacune.
– ’Cours’ correspond à l’historique des cours de chaque action.
– ’Quantités’ correspond à l’historique des quantités échangées de chaque action.
– ’Indices’ correspond aux valeurs liquidatives du MASI Rentabilité Brut.

– ’Pondération’ comporte pour chaque date, les actions disponibles avec leurs codes,
leurs nombres de titres, leurs cours, leurs facteurs flottant.
Une fois ce dernier fichier importé, deux tableaux apparaissent :
Figure 5.2 – Résultats d’importation des données
Le premier tableau, à gauche, correspond à une répartition sectorielle (Tableau 5.1).

En effet, nous retrouvons tous les secteurs existants (qui sont au nombre de 22) avec pour
chaque secteur la somme des poids des titres qui y figurent, que ça soit pour le portefeuille
de la CMR que pour celui du benchmark. En plus de l’affichage de l’écart entre les deux
poids (Poids de la CMR – Poids du benchmark).

Secteur Poids CMR Poids BENCHMARK Ecart

AGRO 4.6800 4.1322 0.5478
ASSUR 0 4.4318 -4.4318
BMC 19.6000 13.8971 5.7029
BANK 16.1657 37.6715 -21.5058
BOISS 0 1.5033 -1.5033
CHIM 0 0.3480 -0.3480
DISTR 5.5000 2.2598 3.2402
EEE 0 0.0713 -0.0713
ELC 0 1.0083 -1.0083
IBEI 0 0.0653 -0.0653
IMMOB 23.0749 7.4507 15.6242
LH 0 0.2162 -0.2162
LSI 9.1800 0.4241 8.7559
MINES 2.2700 2.4416 -0.1716
PG 3.8100 1.9380 1.8720
PHARM 0 0.4695 -0.4695
SP 14.3300 0.0036 14.3264
SAC 0 0.4285 -0.4285
SFAF 0 1.2122 -1.2122
SPH 0 0.4179 -0.4179
TCOM 0 19.4533 -19.4533
TRANS 1.3894 0.1231 1.2663
Table 5.1 – Données initiales - Répartition par secteur
Le deuxième tableau, à droite, contient le détail de ses secteurs (Tableau 5.2), et donc
affiche les résultats titre par titre (au nombre de 74). Pour chaque titre, nous retrouvons
son code, son libellé, son secteur, ainsi que son poids au niveau de la CMR et celui au
niveau du benchmark.

Code Libellé Titre Secteur Poids CMR Poids BENCHMARK

MA0000011868 CARTIER SAADA AGRO 0.0209
MA0000012049 CENTRALE LAITIERE AGRO 0.4750
MA0000012247 COSUMAR AGRO 4.6800 2.2664
MA0000011421 DARI COUSPATE AGRO 0.0814
MA0000012031 LESIEUR CRISTAL AGRO 0.8965
MA0000012023 UNIMER AGRO 0.3919
MA0000010944 AGMA LAHLOU-TAZI ASSUR 0.1421
MA0000011710 ATLANTA ASSUR 0.3410
MA0000012007 SAHAM ASSURANCE ASSUR 1.0195
MA0000010928 WAFA ASSURANCE ASSUR 2.9292
MA0000012114 AFRIC INDUSTRIES SA BMC 0.0313
MA0000010936 ALUMINIUM DU MAROC BMC 0.1450
MA0000010506 CIMENTS DU MAROC BMC 8.0200 2.7608
MA0000011934 COLORADO BMC 0.2031
MA0000010332 HOLCIM ( Maroc ) BMC 3.7872
MA0000012080 JET CONTRACTORS BMC 0.0894
MA0000012122 LAFARGE CIMENTS BMC 11.5800 6.3729
MA0000010019 SONASID BMC 0.7105
MA0000011926 ATTIJARIWAFA BANK BANK 10.5400 18.8678
MA0000011884 BCP BANK 8.3041
MA0000011835 BMCE BANK BANK 5.6257 6.7780
MA0000010811 BMCI BANK 1.4818
MA0000010381 CDM BANK 0.7494
MA0000011454 CIH BANK 1.4903
MA0000010365 BRASSERIES DU MAROC BOISS 1.2752
MA0000010415 OULMES BOISS 0.2282
MA0000010985 MAGHREB OXYGENE CHIM 0.0295
MA0000011728 SNEP CHIM 0.1154
MA0000010969 AUTO HALL DISTR 1.1152
MA0000011009 AUTO NEJMA DISTR 0.1294
MA0000011942 ENNAKL DISTR 0.1040
MA0000011587 FENIE BROSSETTE DISTR 0.0605
MA0000011801 LABEL VIE DISTR 5.5000 0.8029
MA0000011595 REALIS. MECANIQUES DISTR 0.0131
MA0000011843 STOKVIS NORD AFRIQUE DISTR 0.0347
MA0000011140 NEXANS MAROC EEE 0.0713
MA0000012205 TAQA MOROCCO ELC 1.0083
MA0000011777 DELATTRE LEVIVIER MAROC IBEI 0.0344
MA0000012056 STROC INDUSTRIE IBEI 0.0308
MA0000011819 ALLIANCES IMMOB 15.3849 0.4707
MA0000011991 BALIMA IMMOB 0.0341
MA0000011694 CGI IMMOB 3.5600 2.2911
MA0000011512 DOUJA PROM ADDOHA IMMOB 4.1300 3.4332
MA0000012239 RES DAR SAADA IMMOB 1.2216
MA0000011462 RISMA LH 0.2162
MA0000011637 DISWAY LSI 9.1800 0.1632
MA0000011611 HPS LSI 0.1359
MA0000011132 IB MAROC.COM LSI 0.0158
MA0000011579 INVOLYS LSI 0.0182
MA0000011678 M2M Group LSI 0.0284
MA0000012163 MICRODATA LSI 0.0627
MA0000012106 S.M MONETIQUE LSI 0.0235
MA0000011058 MANAGEM MINES 2.2700 1.0731
MA0000011793 MINIERE TOUISSIT MINES 0.7504
MA0000010993 REBAB COMPANY MINES 0.0038
MA0000010068 SMI MINES 0.6143
MA0000010951 AFRIQUIA GAZ PG 1.4569
MA0000010803 SAMIR PG 3.8100 0.4811
MA0000011660 PROMOPHARM S.A. PHARM 0.0678
MA0000011645 SOTHEMA PHARM 0.4017
MA0000011447 MED PAPER SP 14.3300 0.0036
MA0000011439 LYDEC SAC 0.4285
MA0000010464 AXA CREDIT SFAF 0.0280
MA0000010639 DIAC SALAF SFAF 0.0107
MA0000010357 EQDOM SFAF 0.4749
MA0000011215 MAGHREBAIL SFAF 0.1371
MA0000010035 MAROC LEASING SFAF 0.0906
MA0000011744 SALAFIN SFAF 0.3289
MA0000012064 TASLIF SFAF 0.1184
MA0000011850 DELTA HOLDING SPH 0.4060
MA0000010571 ZELLIDJA S.A SPH 0.0119
Table 5.2 – Données initiales - Répartition par titre
Pour la colonne des poids pour la CMR, ils correspondent aux poids des titres exis-
tants sur le portefeuille initial. Certaines cases sont vides, cela veut dire que les titres en
questions ne figurent pas dans ce portefeuille. Par contre, comme le benchmark détient
tous les titres du marché, il est normal que la colonne des poids de ses titres soit remplie
en entier.

Par conséquent, si l’utilisateur veut qu’un nouveau titre fasse partie de son nouveau
portefeuille (celui dont l’allocation sera générée à la fin grâce au programme), il peut tout
simplement écrire à la place correspondant à son poids, le chiffre zéro, comme présenté
ci-après.
Finalement, en cliquant sur le bouton Valider (Figure 5.2), l’utilisateur est dirigé
vers une nouvelle interface.
Figure 5.3 – Interface d’optimisation

Nous rappelons, que le but de ce programme est d’utiliser les résultats de la première
application de gestion des risques pour avoir une idée sur les seuils à imposer à chaque
indicateur de risque. De ce fait, sur cette interface (Figure 5.3), une importation de données
est nécessaire. En cliquant sur Importer les données (Figure 5.3), nous importerons
le fichier Excel correspondant à la première application.
Figure 5.4 – Résultats d’importation des données
Tous les champs correspondant aux indicateurs de risques ont été pris de l’application
de gestion des risques, excepté celui de la liquidité. Ce dernier a été calculé grâce à la for-
mule vue précédemment et qui nécessitait les poids des titres de notre portefeuille initial.
Comme notre but est d’optimiser notre portefeuille, il est question de générer les
rendements futurs des titres à partir de leurs rentabilités espérées. Après tout, c’est le
futur qui nous importe, non le passé !
En cliquant sur le bouton Rentabilité espérée des titres (Figure 5.3), une interface
s’affiche :
Figure 5.5 – Interface pour les rentabilités espérées

La durée d’évaluation reste un choix que l’utilisateur se doit de faire. Il peut choisir
une durée d’évaluation d’une année, de trois années ou encore cinq années. En cliquant
sur OK (Figure 5.5) le tableau se remplit ainsi que la valeur moyenne du taux sans
risque et la valeur de la prime du risque.
Figure 5.6 – Données liées aux titres du portefeuille
Le tableau contient les 14 titres figurant sur notre portefeuille initial, mais aussi les 3
autres que nous avons décidé de rajouter.
Pour chaque titre, il y a son libellé, le secteur auquel il appartient, sa volatilité, son bêta,
son taux moyen, ainsi que son taux MEDAF. Le tout sur une période d’une année (comme
mentionné sur l’interface).
A noter que si jamais un titre n’a pas l’historique suffisant, spécialement pour les titres
récemment ajoutés au marché, un message d’avertissement apparait et le rendement de
ce titre est remplacé par la moyenne des rendements des titres se trouvant sur le même
secteur que ce nouveau titre.
Nous rappellons aussi que le taux MEDAF utilise pour son calcul le taux sans risque
ainsi que le rendement du marché. Nous prendrons ici la moyenne de chacune de ces deux

valeurs.
Après avoir validé cette partie, nous pouvons maintenant passer à l’étape de saisie des
contraintes. Comme déjà mentionné auparavant, notre but est d’optimiser le portefeuille
sous des contraintes de risque. L’utilisateur se doit donc de cocher les contraintes qu’il
veut intégrer au niveau de cette optimisation et indiquer le seuil qu’il veut leur attribuer.
Le nombre de contraintes peut aller de 1 jusqu’à 5, cela reste un choix personnel. (Figure
5.7)
Figure 5.7 – Sélection des contraintes
Si nous choisissons par exemple deux contraintes (Bêta et CVaR), nous devons leur
imposer un seuil à ne pas dépasser. Par exemple, nous prenons la contrainte de la CVaR
avec une contrainte de perte maximale de 1% et la contrainte du bêta égale à 1, c’est-
à-dire que les titres du portefeuille de la CMR doivent suivre les mêmes fluctuations du
marché.
En cliquant sur Valider (Figure 5.3), nous obtenons les résultats suivants, qui
s’affichent sur un nouveau fichier Excel qui se génère automatiquement.(Figure 5.8)

Figure 5.8 – Résultats de l’optimisation sur Excel
Le premier tableau à gauche contient les titres disponibles sur le portefeuille après
optimisation. Ceux avec le fond gris correspondent aux nouveaux titres qui n’existaient pas
au niveau de notre portefeuille initial et que nous avons insérés au début du programme.
Pour chaque titre il y a son rendement anticipé (en rouge s’il est négatif), sa volatilité,
son poids initial, son poids final, son poids au niveau benchmark, l’écart entre le poids
initial du titre pour la CMR et son poids pour benchmark et finalement l’écart entre le
poids final du titre pour la CMR et son poids pour le benchmark. (Les écarts sont inscrits
en bleu s’ils sont négatifs).
Table 5.3 – Données finales - Répartition par titre

En haut à droite de la feuille Excel (Figure 5.8), nous retrouvons la performance initiale
du portefeuille qui était négative, d’une valeur -0.766%. Après optimisation, nous l’avons
améliorée, elle est maintenant de 0.047%. En plus du calcul des différents indicateurs de
risques pris en charge (volatilité, bêta, Tracking Error, liquidité, VaR et CVaR). Nous
remarquons ainsi que nos contraintes sont bel et bien respectées. En effet, nous obtenons
un bêta de 1 et une CVaR inférieure à -1%
Table 5.4 – Données finales - Indicateurs de risques
Sur cette même page (Figure 5.8), en bas à droite, nous retrouvons le tableau qui
contient les résultats de l’optimisation, cette fois-ci par répartition sectorielle.
Table 5.5 – Données finales - Répartition par secteur

5.5 Optimisation - Résultats et analyse

Dans la partie précédente, nous avons utilisé l’algorithme exact Find minimum of
constrained nonlinear multivariable function(fmincon) implémenté par défaut sur Matlab
et qui permet de résoudre un problème d’optimisation donné à plusieurs variables et dont
les contraintes sont non linéaires ce qui correspond à notre problème. La résolution s’est
faite à l’aide de l’algorithme de points intérieurs dont dispose fmincon. Toutefois, pour tes-
ter la robustesse et l’efficacité de cet algorithme, nous avons utilisé les métaheuristiques,
notamment Particle Swarm Optimisation (PSO), Quantum Particle Swarm (QPS), Mo-
dified Quantum Particle Swarm (MQP), Firefly Algorithm (FA), Cuckoo Search (CKO),
Bat-Inspired Metaheuristic Algorithm (BAT) et Particle Swarm With Random Differences
(RD). [10][22][21]
Ces algorithmes peuvent être pertinents et intéressants, dans la mesure où il peuvent
trouver une solution quand la méthode exacte n’en trouve pas.
Nous avons donc imposé à chaque algorithme les contraintes suivantes :
Le tableau qui suit regroupe les résultats découlant de l’utilisation de chaque algo-
rithme. En effet, pour chaque algorithme nous avons calculé le temps d’exécution et les
résultats liés à notre portefeuille, à savoir la performance du portefeuille, sa volatilité,
son bêta et sa tracking-error, et ce dans le but d’analyser la robustesse, la rapidité et la
cohérence des résultats obtenus par chacun.
Temps Performance Somme Volatilité Bêta Tracking

d’exécution (s) des poids Error
Fmincon 0.139886 0.047 1 0.032 1.000 0.098
PSO 119.80744 2.332 1.3 0.151 0.517 0.033
Cuckoo Search 369.528565 4.627 1.3 1.261 -0.266 0.74
Bat 94.397229 2.737 1.7 0.234 0.787 0.061
Firefly 131.38934 8.954 2.4 3.092 -0.45 2.16
MQP 125.836084 2.324 1.3 0.148 0.528 0.031
QPSO 118.212846 2.332 1.29 0.149 0.512 0.031
RD 100.869429 2.332 1.3 0.151 0.516 0.033
Table 5.6 – Comparaison entre les algorithmes d’optimisation

Les algorithmes métaheuristiques malgré le nombre d’itérations élevé sur lequel ils ont
été programmés (5000), ils ont démontré leur incapacité à optimiser une fonction sous
plusieurs contraintes d’égalité et/ou d’inégalité.
En effet, utiliser ces algorithmes pour des problèmes d’optimisation sous une ou deux
contraintes, peut afficher un très bon résultat, mais une fois il s’agit d’introduire plusieurs
contraintes (supérieures à 3), ces algorithmes ne sont pas aussi efficaces si nous ne choi-
sissons pas avec avec pertinence leurs paramètres.
Les métaheuristiques, bien qu’ils arrivent à maximiser le rendement de notre porte-

feuille et afficher une performance intéressante, ils ne sont pas en mesure de satisfaire
toutes les contraintes en même temps, ce qui peut donc biaiser les résultats et ne nous
permet pas d’atteindre notre objectif d’optimisation sous des contraintes de risque.
Toutefois, pour l’amélioration de ces lacunes, il est nécessaire de faire une étude ap-
profondie sur les bons paramètres à prendre en compte lors de l’implémentation de ces
algorithmes.
Par conséquent, en fonction des éléments disponibles et à défaut de trouver les meilleurs
paramètres, nous pouvons conclure que la méthode exacte reste l’algorithme le mieux
adapté à notre problème d’optimisation. Les résultats sont à la hauteur de nos attentes
et vérifient parfaitement les seuils que nous leurs avions imposés.

Conclusion et perspectives
Au terme de ce projet, nous avons pu toucher différents aspects de la gestion de por-

tefeuille et la gestion des risques financiers.
Dans un premier lieu, nous nous sommes intéressés principalement au risque marché.
En effet, nous avons pu répondre aux besoins de l’organisme d’accueil en leur fournissant
un outil efficace, programmé sur VBA, leur permettant de quantifier le risque marché grâce
à une implémentation des indicateurs de risque, des plus classiques (volatilité, Tracking
Error, risque à la baisse) aux plus récemment développés (bêta, VaR, CVaR). Cet outil,
doté d’un reporting, permettra aux gestionnaires de la Caisse Marocaine des Retraites de
visualiser l’évolution de ces indicateurs en comparaison avec leur indice de référence.
L’outil est applicable pour différents types de portefeuille. Toutefois, le portefeuille

actions reste le plus intéressant en termes d’exposition au risque. C’est dans ce sens
que nous avons décidé de suivre une approche d’optimisation, dans le but justement de
maximiser la performance du portefeuille tout en fixant des contraintes de risques à res-
pecter.
Ensuite, nous avons formulé et implémenté le problème d’optimisation sous MATLAB,

en travaillant sur un portefeuille Actions détaillé, c’est-à-dire, titre par titre, en in-
cluant cette fois ci, en plus du risque marché, le risque de liquidité. En effet, ce dernier
s’avère très important aussi, dans la mesure où tout gestionnaire cherche à avoir des titres
liquides pour pouvoir bénéficier d’une plus-value en cas de vente et non pas se trouver
face à une situation de perte.
Notre programme d’optimisation nous a permis de respecter toutes les contraintes de

risques imposées par le gestionnaire en générant une performance bien meilleure que celle
du passé. Ainsi, à travers une allocation d’actifs optimale, nous avons pu proposer aux
gestionnaires un retour sur investissement tout en respectant le budget de risque.
Toutefois, sous contraintes de temps, nous n’avons pas pu toucher au risque crédit,
dont l’implémentation aurait pu apporter une valeur ajoutée au problème d’optimisation,
et raffiner l’allocation d’actifs.
69
Quant au portefeuille obligataire et au portefeuille global, bien qu’ils soient moins

risqués que l’action, leur optimisation peut être intéressante et d’autres indicateurs de
risques peuvent s’y rajouter.
Après tout, la gestion de risques et la gestion de portefeuille ne cessent d’évoluer et

d’acquérir de l’importance. Ce travail n’est qu’un volet parmi d’autres, il peut donc être
exploité afin de toucher d’autres aspects de ces deux gestions.

Bibliographie
[1] Allianz. Méthodologie et Glossaire. Global Investors, 2010.

[2] Zephyr associates. Downside deviation, 2013.
[3] Philippe Bernard. Le Modèle d’Equilibre des Actifs Financiers. PhD thesis, Université
Paris-Dauphine, 2007.
[4] Arthur Charpentier. Mesures de risque. PhD thesis, Université Rennes, 2010.
[5] Alfredo H. Conte-Grand. La gestion des risques au sein du portefeuille - L’impact
de la crise sur les fonds de pensions en Argentine. Association internationale de la
sécurité sociale, 2005.
[6] J-B Desquilbet. Le MEDAF- Modèle d’évaluation des actifs financiers. Université
d’Artois.
[7] Directeur de la Gestion Eric Tazé-Bernard. Les méthodes de contrôle des risques de
portefeuilles. INVESCO Asset Management, 2006.
[8] Abdoulaye Wade Fatou Dioffé Bâ. Le modèle de Markowitz et détermination d’un
portefeuille optimal. PhD thesis, Université Gaston Berger, 2012.
[9] Raoul Fokou. Mesure du risque de marché d’un portefeuille de type Actions (Value-
At-Risk, Value-At-Risk Conditionnelle). PhD thesis, Euro Institut d’Actuariat, 2006.
[10] Kennedy J. Particle Swarm Optimization. Proceedings of IEEE International Confe-
rence on Neural Networks, pp. 1942-1948, 1995.
[11] Jean Pierre Zigrand Jon Danielsson. On time-scaling of risk and the square root of
time rule. Journal of Economic Literature classification numbers : G18, G20, D81,
March 2003.
[12] Pavlo Krokhmal Jonas Palmquist, Stanislav Uryasev. Portfolio optimization with
conditional value-at-risk objective and constraints. 1999.
[13] Peter DeMarzo Jonathan Berk. Finance d’entreprise. Pearson Edition, 2008.
[14] Elissa Parenteau. Le risque opérationnel dans les caisses de retraite. PhD thesis,
HEC Montréal, 2012.
[15] R.Sobotka P.Bertrand, J.L. Prigent. Optimisation de portefeuille sous contrainte de
variance de la tracking-error, October 2000. Document de Travail n00A36.
[16] Anne Pezet. La gestion du risque dans la déicision d’investissement, 2015.
[17] Patrice Poncet. Choix de Portefeuille et Mesures de Performance. ESSEC Business
School.
[18] Stanislav Uryasev R. Tyrrell Rockafellar. Optimization of conditional value-at-risk.
September 1999.
[19] Thierry Roncalli. Introduction à la gestion des risques. 2001.
71
[20] Grégory Taillard. Gestion d’actifs et des risques- value at risk, Mars 2006. GFN 206.
[21] X.-S. Yang. Engineering Optimisation by Cuckoo Search. Int. J. Mathematical Mo-
delling and Numerical Optimisation, 1(4), pp. 330-343, 2010.
[22] X.-S. Yang. A New Metaheuristic Bat-Inspired Algorithm. Nature Inspired Coope-
rative Strategies for Optimization(NISCO 2010), 284, 65-74, 2010.

Webographie
[w1] http://fr.wikipedia.org/wiki/Actif_financier
[w2] http://fr.wikipedia.org/wiki/Classe_d’actifs
[w3] http://fr.wikipedia.org/wiki/Portefeuille_(finance)
[w4] http://www.journaldunet.com/business/dictionnaire-economique-et-financier/
produits-financiers-definition-traduction.html
[w5] http://www.trader-finance.fr/lexique-finance/Benchmark.html
[w6] http://www.edubourse.com/guide-bourse/differences-action-obligation.php
[w7] http://www.abcbourse.com/apprendre/19_bottom_up_top_down.html
[w8] http://www.gespriv.com/la-gestion-indicielle.html
[w9] http://www.larousse.fr/dictionnaires/francais/risque/69557
[w10] http://docslide.fr/gestion-de-risques-caisse-nationale-de-securite-sociale.
html
[w11] http://www.cirano.qc.ca/pdf/publication/2002RP-16.pdf
[w12] http://www.edubourse.com/guide-bourse/risques-specifiques-marches.php
[w13] http://fr.wikipedia.org/wiki/Risque_de_march
[w14] http://www.fimarkets.com/pages/risque_operationnel.php
[w15] http://www.abcbourse.com/apprendre/19_volatilite.html
[w16] http://fr.wikipedia.org/wiki/Corrlation(statistiques)
[w17] ttp://fr.wikipedia.org/wiki/Coefficient_bta
[w18] http://fr.wikipedia.org/wiki/Duration
[w19] http://www.iotafinance.com/Article-analyse-d-une-obligation.html
[w20] http://fr.wikipedia.org/wiki/Sensibilit(Economie)
[w21] http://fr.wikipedia.org/wiki/Convexit(Economie)
[w22] https://fr.wikipedia.org/wiki/Modle_Black-Scholes
73
Annexes
Particle Swarm Optimisation (PSO) ou encore Optimisation par essaim de par-

ticules (OEP) est un algorithme populaire en raison de sa simplicité et sa rapidité. PSO
a pour but de rechercher l’optimum global d’une fonction objectif. L’analogie se fait par
rapport à un essaim (population) d’oiseaux par exemple qui sont à la recherche de nour-
riture (optimum global).
Chaque oiseau, en explorant l’espace de recherche, trouve un optimum personnel (personal
best) et connait également l’optimum global (global best) de l’essaim. Ainsi, il continue
à voler tout en garder ces informations. Ces 2 optimums vont intervenir sur la manière
dont la trajectoire de l’oiseau se modifié en changeant son vecteur vitesse.
Le PSO est moins sensible aux problèmes de l’optimum local. Il est basé sur le com-
portement social des différentes espéces et utilise une équation de mise à jour pour générer
de nouvelles solutions.
74
Algorithm 1 Particle Swarm Optimisation

1: 1-Initialisation Créer une population initiale de solutions.
2: 2- Evaluation et Stockage
3: Xbest,1 = X1
4: On évalue la fonction objective notée F, pour cette solution X1 :
5: y = f (X1 )
6: On évalue la fonction objective pour les autres solutions Xi , donc on a :
7: for i = 2 : popsize do
8: if F (Xi ) < y then
9: Xbest,i = Xi
10: y = F (Xi )
11: end if
12: end for
13: Xbest,G = Xbest,i
14: 3- Boucle principale
15: for g = 1 : M axgen do
17: Merre à jour l’équation de position des particules
~ g+1 = X
X ~ g + V~ g (5.25)
i i i
18: Mettre à jour l’équation de vitese
V~ig = αV~ig−1 + βR1 (X

~ best,i − X
~ i ) + βR2 (X
~ best,G − X
~ i) (5.26)
19: On évalue la fonction objective

20: if F (Xi ) < F (Xbest,i ) then
21: Xbest,i = Xi
22: end if
23: end for
24: if F (Xbest,i ) < F (Xbest,G ) then
26: end if
27: end for
avec V~ est le vecteur vitesse, α et β (d’une valeur respective de 0.5 et 2) sont des
scalaires prédéfinis, g le nombre d’itérations et R1 et R2 sont des nombres aléatoires uni-
formément répartis ∈ (0, 1). Le vecteur X ~ best,i correspond à la meilleure valeur de la ième
solution (appelé ici ”indivual best”), X ~ best,G correspond à la meilleure solution (également
connu comme ”global best”). Le premier terme à droite de l’équation 5.26 est le facteur
d’inertie qui est un multiple scalaire de la vitesse à partir des itérations précédentes.

Quantum Particle Swarm (QPS) a été proposé en 2004 et inspiré par la mécanique
quantique, et traite les solutions individuelles de PSO comme des particules quantiques.
La différence fondamentale entre cet algorithme et PSO est simplement l’équation de mise
à jour. QPS n’utilise plus un terme d’inertie, mais plutôt ce qu’on appelle un attracteur
local.
Algorithm 2 Quantum-Behaved Particle Swarm

1- Initialisation Créer une population initiale de solution.
2: 2- Evaluation et Stockage
Xbest,1 = X1
4: On évalue la fonction objective notée F, pour cette solution X1 :
y = f (X1 )
for i = 2 : popsize do
8: if F (Xi ) < y then
Xbest,i = Xi
10: y = F (Xi )
end if
12: end for
Xbest,G = Xbest,i
for g = 1 : M axgen do
On définit l’attracteur local
~ best,i + (1 − φ)X
p~i = φX ~ best,G (5.27)
18: avec
βR1
φ=
βR1 + γR2
Mettre à jour l’équation de position des particules

~ g+1 = p~i ± C
X ~g − X
~ g ln(1/R3 ) (5.28)
i i
20: On évalue la fonction objective

if F (Xi ) < F (Xbest,i ) then
22: Xbest,i = Xi
end if
24: end for
if F (Xbest,i ) < F (Xbest,G ) then
end if
28: end for
avec C~ g est ce qu’on appelle ”mean best value” qui est simplement la moyenne
arithmétique des meilleurs vecteurs individuels pour chaque génération. Les scalaires R1 ,
R2 et R3 sont des nombres aléatoires ∈ (0, 1), et α est un paramètre défini par l’utilisateur
qui diminue linéairement au cours de chaque génération de 1 à 0,5.

Modified Quantum-Behaved Particle Swarm MQP consiste à modifier aléatoirement

l’attracteur local p~i
~ best,i
a. Sélectionner un invidivual best vecteur j différent de X
~ best,j ) < F (X
b. If F (X ~ best,i )
~ best,G dans l’équation (5) par X

Remplacer X ~ best,j
En d’autres termes, cette méthode provoque l’équation (5.28) pour être soit la combi-
naison linéaire du vecteur i de l’invidual best et le global best, ou la combinaison linéaire
du vecteur i de l’indivual best et d’un autre choisi au hasard, supérieur à l’indivual best.
Le reste de l’algorithme est identique à celui de QPS. Il est suggéré que α soit mise en
place de telle façon à diminuer linéairement au cours de chaque génération de 1 à 0,4.

Firefly Algorithm, proposé par le Dr Yang en 2009, est un algorithme qui est basé
sur le comportement d’accouplement des lucioles. Dans certaines circonstances, le Dr Yang
souligne que FA est un cas particulier de PSO.
Algorithm 3 Firefly Algorithm

1- Initialisation Créer une population initiale.
2- Evaluation Evaluer la fonction objective pour chaque solution
Calculer alpha
for j = 1 : popsize do
if F (X~ i ) < F (X
~ j ) then
9: ~ i et X
1. Calculer la distance Euclidiènne r entre X ~j
2. Calculer l’attractivité
2
β = (β0 − βmin )e−γr + βmin (5.29)
3. Générer un vecteur de perturbation aléatoire

dim
X
~u = (α(R − 0.05) ∗ L)b
ei (5.30)
i=1
12: 4. Appliquer l’équation :

~ g+1 = (1 − β)X
X ~ g + βX
~ g + ~u (5.31)
i i j
end if
end for
15: end for
Evaluer la fonction objective de la nouvelle population
end for
La forme et la mise en oeuvre de (5.31) sont très importantes. Lors de la mise en

oeuvre, la luciole est comparée à chaque luciole qui lui est supérieure et déplacée dans
cette direction sans ré-évaluation de la fonction objective. Par conséquent, une seule luciole
peut avoir sa position à jour à plusieurs reprises avant d’atteindre sa destination finale et,
comme la position précédente est incluse dans chaque mise à jour, cette équation combine
parfaitement les étapes précédentes.

L’algorithme BAT ressemble à DE (Differential Evolution) en terme de comparai-

sons afin de mettre à jour chaque nouvelle génération de solutions de candidats. Il intègre
partiellement les perturbations de la meilleure solution dans sa formulation, et comme PS,
il recherche l’espace de fonction basé sur un multiple de la différence entre le global best
et un indivual particuler . Cependant, chacune de ces étapes est effectuée séparément,
et la comparaison de l’évolution différentielle (DE) est utilisée à la fin pour déterminer
quelles solutions candidates sont retenues et celles qui sont rejetées.
Algorithm 4 Bat-Inspired Algorithm

2- Evaluation Evaluer la fonction objective pour chaque solution
3- Boucle principale
4: for g = 1 : M axgen do
Calculer A
1 M axgen
1
Ag = Ag−1 ( ) (5.32)
9000
Copier l’originale population dans une population temporaire k
8: 1. Calculer la fréquence et la vitesse
f = fmin − (fmax − fmin ) ∗ R (5.33)

Comme pour PS
~ g+1 = X
X ~ g + V~ g
i i i
Pour chaque composante k du vecteur de vitesse

12:
g g−1 g g
Vi,k = Vi,k + (Xi,k − XbestG,k )∗f (5.34)
2. Mettre à jour la population temporaire en utilisant la vitesse
end for
3.
16: if R1 > ρ then
Remplacer le membre donné de la population temporaire avec une perturbation
aléatoire du global best individual
g g
Bi,k = XbestG,k + 0.01(a + (b − a)) ∗ R) (5.35)
end if
20: 4. Evaluer la fonction objective pour la population temporaire
5.
if Le membre de la population temporaire est meilleur que l’original then
if R2 > A then
24: Remplacer l’original
end if
end if
end for

Cuckoo Search est quant à lui basé sur les habitudes de nidification étranges de
l’oiseau de coucou. Cet algorithme intégre également des vols de Lévy (des marches
aléatoires)pour des fins d’optimisation.
Algorithm 5 Cuckoo Search

2- Evaluation Calculer la fonction objective pour chaque solution
5: Copier la population initiale dans une population temporaire k
Mettre à jour les positions de la population temporaire en utilisant les vols de
Lévy
g+1 g σN1 g g
Xi,k = Xi,k + (0.01 1/β
(Xi,k − XbestG,k )) ∗ N3 (5.36)
|N2 |
Evaluer la fonction objective pour la population temporaire
10: Modifier la population temporaire en utilisant la procédure du nid vide.
if R1 > pa then
~ g+1 = X
X ~ g + R2 (X
~g −X
~ g) (5.37)
i i j k
end if
Evaluer la fonction objective pour la population temporaire
15: end for
if Le membre de la population temporaire est meilleur que l’original then
Remplacer l’original
end if
end for
Dans l’équation (5.36), N1 , N2 et N3 sont des nombres normalement distribué centré

à zéro, β est un paramètre prédéfini ( ici =1.5), k est le numéro de la dimension, et
σ ≈ 0.69657
Dans l’équation (5.37), R1 et R2 sont des nombres aléatoires uniformément répartis ∈
(0, 1), et pa est un paramètre prédéfini ( ici =0.25). Les deux membres de la population
désignées par j et k sont choisis au hasard dans la population.

Particle Swarm With Random Differences (RD) est inspiré par le concept des
marches aléatoires et l’attracteur locale modifiée du MQP, il ajoute à la polyvalence de
PSO sans changer radicalement la procédure de base. Traditionnellement, chaque solution
en PSO est soustraite de son propre meilleur vecteur individuel. Cette méthode introduit
une probabilité qu’une solution soit soustraite d’un indivual best autre que le sien.
Algorithm 6 Particle Swarm with Random Differences

1-Initialisation Créer une population initiale de solutions.
2- Evaluation et Stockage
Xbest,1 = X1
On évalue la fonction objective notée F, pour cette solution X1 :
y = f (X1 )
if F (Xi ) < y) then
Xbest,i = Xi
y = F (Xi )
end if
12: end for
Xbest,G = Xbest,i
if R < Rp then
18: Mélanger au hasard les best individual vecteurs de sorte que chaque solution
soit soustraite de l’indivual best d’une autre solution j plutôt que la sienne i
end if
Merre à jour l’équation de position des particules
~ g+1 = X
X ~ g + V~ g
i i i
Mettre à jour l’équation de vitese
V~ig = αV~ig−1 + βR1 (X

~ best,j − X
~ i ) + βR2 (X
~ best,G − X
~ i) (5.38)
where i,j ∈ [1, popsize] and i 6= j

Evaluer la fonction objective pour la nouvelle solution j
24: if F (Xj ) < F (Xbest,j ) then
Xbest,j = Xj
end if
end for
if F (Xbest,j ) < F (Xbest,G ) then
Xbest,G = Xbest,j
30: end if
end for
Rp est la probabilité de différence aléatoire, c’est un paramètre prédifini ∈ [0, 1] qui

diminue linéairement avec le nombre de génération de 0,5 à 0,0 selon le nombre maximum
de générations

PFE-Chabbar Lallouch-14 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PFE-Chabbar Lallouch-14 PDF

Cargado por

Copyright:

Formatos disponibles

Royaume du Maroc

UNIVERSITÉ MOHAMED V AGDAL - RABAT

Département Modélisation et Informatique Scientifique

Mémoire de Projet de Fin d’Etudes

OPTIMISATION DE PORTEFEUILLE SOUS DES

En vue de l’obtention du diplôme d’Ingénieur d’État

Présenté par : CHABBAR Salma et LALLOUCH Sofia

Devant le jury composé de :

M r Abdelillah ABID P.E.S. EMI Président

Année universitaire 2014/2015

Nos remerciements s’étendent également à Madame Joumala EL ALAOUI, pour

Nous exprimons aussi notre profonde reconnaissance à Monsieur Jaber KHAMLI-

Nos sincères remerciements à lui et à Monsieur Slimane KABIRI, chef de la Divi-

Nous n’omettrons pas de remercier toute l’équipe du pôle gestion de portefeuille à la

Le présent mémoire s’intéresse à la gestion des risques au sein d’un portefeuille et

Ensuite, comme tout gestionnaire de portefeuille se doit de trouver l’allocation d’actifs

Mots-clés : Gestion des risques - Portefeuille - Optimisation - Performance - Modélisation.

Présentation de l’organisme d’accueil : Caisse Marocaine des Retraites 3

3 Gestion des risques 17

5 Optimisation du portefeuille Actions 46

Chabbar et Lallouch vi - M.I.S -

CMR : Caisse Marocaines des Retraites

1.1 Evolution de l’indice MASI Rentabilité Brut . . . . . . . . . . . . . . . . . 8

3.1 Intérprétation de la volatilité . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.1 Feuille instructions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

5.1 Interface Menu sur Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

5.1 Données initiales - Répartition par secteur . . . . . . . . . . . . . . . . . . 59

Le cahier de charges de notre projet portera essentiellement sur deux objectifs :

Le respect de ce cahier de charges permettra, dans un premier temps, aux gestionnaires

Chabbar et Lallouch 2 - M.I.S -

Nous retrouvons aussi, à la charge du budget général de l’Etat et d’autres organismes

Outre la Direction et le Secrétariat Général, l’organisation de la CMR est constituée

Pôle Opérations Pôle Support Pôle Organisation Pôle Gestion

Figure 1 – Organigramme de la CMR

3.Pôle Gestion de Portefeuille

Le métier de gestion de portefeuille a été instauré à la Caisse Marocaine des Retraites

En matière d’organisation du métier de gestion de portefeuille à la CMR le pôle a

Chabbar et Lallouch 4 - M.I.S -

Division de Division des opérations Service de conformité Service Recherche

Figure 2 – Organisation du Pôle Gestion de Portefeuille

– Service d’Asset Management : Il a pour but de gérer la trésorerie de la Caisse,

Chabbar et Lallouch 5 - M.I.S -

1.1 Notions fondamentales

Parmi ces définitions nous citons :

Définition 2. Un portefeuille désigne une collection d’actifs financiers détenus par un

Définition 3. Les produits/instruments financiers sont des titres ou des contrats,

Définition 4. Le benchmark/indice de référence, désigne tout élément servant de

1.2 Classes d’actifs

Pour un gestionnaire de portefeuille, choisir la classe d’actifs à détenir afin de bénéficier

– Le MASI Flottant et MADEX Flottant : Depuis Décembre 2004, la BVC

– Le MASI Rentabilité Brut et MADEX Rentabilité Brut : Ils se calculent

Chabbar et Lallouch 7 - M.I.S -

Figure 1.1 – Evolution de l’indice MASI Rentabilité Brut

1.2.2 Les obligations

Les principales caractéristiques d’une obligation sont :

Chabbar et Lallouch 8 - M.I.S -

Concernant les indices de références obligataires, nous retrouvons essentiellement :

– Le MGBX (Moroccan Government Bond Index) : C’est un indice obligataire

1.2.3 Les fonds monétaires

Chabbar et Lallouch 9 - M.I.S -

1.3 Types de gestion

1.3.1 La gestion active

Chabbar et Lallouch 10 - M.I.S -

Le risque crédit - également appelé risque de défaut ou de contrepartie - survient

Le comité de Bâle [w14] le définit comme le risque de pertes provenant de processus

P r(r V aR) = 1 − α (3.9)