Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Soutenu le : 01/06/2015
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.
Enfin, nous remercions toutes les personnes qui ont contribué de près ou de loin à la
concrétisation de ce travail.
i
Résumé
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.
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
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
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
Conclusion et perspectives 69
vii
Table des figures
1 Organigramme de la CMR . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Organisation du Pôle Gestion de Portefeuille . . . . . . . . . . . . . . . . . 5
viii
Liste des tableaux
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
Optimisation du portefeuille sous des contraintes de risque
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.
– 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.
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.
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
Optimisation du portefeuille sous des contraintes de risque
Directeur
Le Secrétaire Général
Pôle Gestion de
Portefeuille
Service d’Asset
Management Service Middle
Office
Service de
la Gestion
des participants Service Back Office
Contexte général
6
Optimisation du portefeuille sous des contraintes de risque
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).
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.
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.
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.
– 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.
Il est à noter que la Caisse Marocaine des Retraites utilise le MBI comme indice de
référence.
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.
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.
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.
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.
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
Optimisation du portefeuille sous des contraintes de risque
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]
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] :
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.
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.
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.
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.
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.
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.
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
Optimisation du portefeuille sous des contraintes de risque
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.
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
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] :
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.
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.
– 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.
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 :
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.
Où :
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
– 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 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 :
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 :
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 :
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.
Afin de bien calculer la VaR d’un portefeuille, il est indispensable de faire un bon
nombre d’hypothèses :
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 :
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 :
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)
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 :
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]
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 :
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.
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.
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)
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.
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.
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.
– 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.
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.
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
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.
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.
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.
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
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.
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.
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
Optimisation du portefeuille sous des contraintes de risque
En cliquant sur Lancez le menu (Figure 4.1), une barre de menu en haut de page
s’affiche.
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.
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.
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)
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%).
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)
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.
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.
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
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.
– 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 :
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.
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 :
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.
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.
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.
Les rendements calculés et utilisés tout au long de ce projet sont des rendements jour-
naliers exprimés comme suit :
46
Optimisation du portefeuille sous des contraintes de risque
2- Rendement du portefeuille :
Où :
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 ?
M aximiser xt R (5.3)
x
Où :
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]
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
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] :
Ri = rf + βi ∗ (E(Rm ) − rf ) (5.4)
Où :
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 :
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 :
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 :
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.
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.
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.
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 :
Nous avons :
1 1
R R
φβ (x) = P (C) C
g(Y )dP = P (C) C
g(y)fy dy
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
Les deux théorèmes suivants, démontrés par Rockafellar et Uryasev [18], sont essentiels
dans la modélisation mathématique de la VaR et CVaR.
L’ensemble des valeurs de α pour lesquelles le minimum est atteint, est noté :
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 :
De même :
Dans cette partie nous allons approcher l’intégrale se trouvant dans l’expression de
(5.13) Fβ .
Nous posons
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).
Linéarisation :
Afin de linéariser la formulation de F̃β (x, α) nous allons utiliser des variables artifi-
cielles zj ∀j = 1, ..., q tel que :
1
Pq
α+ q(1−β) j=1 zj avec les contraintes linéaires :
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.
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
Où :
Le fichier des données, est un fichier Excel qui comporte plusieurs feuilles, à savoir :
– ’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.
– ’Pondération’ comporte pour chaque date, les actions disponibles avec leurs codes,
leurs nombres de titres, leurs cours, leurs facteurs flottant.
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.
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.
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.
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 :
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.
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)
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)
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).
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%
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.
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.
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.
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.
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.
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.
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
Optimisation du portefeuille sous des contraintes de risque
71
Optimisation du portefeuille sous des contraintes de risque
[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.
[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
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
Optimisation du portefeuille sous des contraintes de risque
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.
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
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.
~ best,i
a. Sélectionner un invidivual best vecteur j différent de X
~ best,j ) < F (X
b. If F (X ~ best,i )
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.
end if
end for
15: end for
Evaluer la fonction objective de la nouvelle population
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.
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
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.