Philippe Grégoire

Louvain School of Management

UCL
Les fondements de l’approche Top-
Down
Les étapes de la modélisation
Le rôle de la gestion active
 Modèle simplifié
Markowitz : L’environnement d’investissement est à l’équilibre
Asset Allocation Les cotations reflètent des valeurs fondamentales
pour accroître le return attendu, il faut prendre des risques.
Le niveau de risque acceptable détermine l’asset allocation

Tactical Allocation Les valorisations relatives des classes d’actifs offrent

des opportunités de réaliser un excess return

Security Selection Les cotations des titres ne reflètent pas la valeur fondamentale
 Hypothèses
Le marché est à l’équilibre
Les investisseurs sont rationnels
L’information est disponible
Les returns sont distribués normalement
Résultat fondamental
Pour accroître le return attendu, il faut changer l’asset allocation

E(R ptf)
M E Rm RF
E Rptf RF
E(R m ) m
ptf

E Rptf RF E Rm RF
RF ptf m
(R m ) (R ptf)
Les returns sont distribués normalement
L’écart-type et les corrélations caractérisent totalement les risques
L’objectif de l’investisseur est de maximiser le return attendu pour un
risque donné
Il n’y a pas de biais comportementaux
Le marché est à l’équilibre
Les titres sont parfaitement liquides. L’investisseur peut dénouer une
position instantanément.
La cotation des titres est égale à la valeur fondamentale

Le cadre de Markowitz est trop limitatif

pour les fonds de pension.
Développement des modèles ALM
Les objectifs et contraintes
La modélisation des sources d’incertitude
La modélisation de l’impact sur les prix
futurs
Les limites de la modélisation
 L’objectif peut se définir par l’espérance d’un return
acceptable pour un risque acceptable
Return acceptable :
par rapport à un taux actuariel, un benchmark, a un peer group,…
Risque acceptable
Perte maximale à un horizon donné (VaR), variabilité du surplus
(MV – BE), écart par rapport à un benchmark (TE), …
Les contraintes
Gap de liquidité, gap de duration, réglementation,…

Les objectifs et les contraintes permettent de spécifier le modèle d’optimisation.

Généralement la maximisation d’une fonction objectif sous des contraintes.
La solution est souvent de type simulation (DFA)
La décision fondamentale concerne l’asset allocation.
Seuls les risques systématiques (donc rémunérés par le marché) sont modélisés
Schéma DC
Return acceptable : monétaire + 2%
Risque acceptable : VaR99% annuel < 15%
Contraintes de long terme
Les flux passifs doivent être couverts à 90% par des flux certains
Duration des passifs = duration des actifs
Sources d’incertitudes
Actif
Risque de marché
Risque de taux
Risque crédit
Risque de liquidité, …
Passif
Risque d’inflation
Mortalité, …
Définition du risque : exposition à l’incertitude
Identification des sources d’incertitude
Spécification d’un modèle
Exemple
Exposition: Marché actions
Source(s) : 1 facteur, l’indice boursier
Modélisation : It It 1 It 1 E RI t It 1 N 0,1 t

Une étape clé est l’identification des expositions

et des sources d’incertitude

Les corrélations entre les facteurs de risque doivent être estimées

Lorsqu’un modèle est utilisé, une nouvelle incertitude naît;

le risque modèle
Les produits d’investissements et les engagements du passif
ont une sensibilité aux différents risques

Modélisation : Valeurt f valeurt 1 ; risques

Exemple
Valeur future des actions est soumise à un facteur de risque
La sensibilité à ce facteur est le coefficient beta
La poche actions est bien diversifiée, le risque spécifique est nul
It It 1
Valeurt valeurt 1 valeurt 1 rf
It 1
Les sources de risque sont modélisées
Une même source ne peut être modélisée différemment en
fonction du type d’exposition, actif ou passif
La calibration des modèles de risque est commune. Une
analyse de la sensibilité des résultats aux différentes
calibrations est possible
Des stress tests peuvent être menés sur les paramètres des
modèles
On suppose que toutes les expositions sont modélisables
Comportement des investisseurs ?
Liquidité des titres ?
…
On spécifie un modèle qui décrit l’évolution des facteurs de risque
risque de modèle (exemple : normalité des returns)
Les paramètres des modèles de risque sont calibrés sur des
données historiques les événements extrêmes ne sont pas pris en
compte tant qu’ils n’ont pas été observés
Les valeurs des actifs et des passifs dépendent de leur modélisation
et on suppose que les prix futurs reflètent la valeur
La décision d’allocation repose sur les éléments quantifiables
La modélisation permet de structurer la prise de décision et de
contrôler les risques
Elle fournit un « benchmark », l’asset allocation qui représente,
en fonction des objectifs et contraintes, le portefeuille
« théorique » idéal
Le monde réel est plus complexe et tous les risques ne sont
pas modélisables
Les prix ne reflètent pas nécessairement les valeurs
fondamentales
Le profil des stakeholders des fonds n’est pas modélisable
Dans un marché efficient à l’équilibre, les prix reflètent toute
l’information et les prix reflètent les valeurs fondamentales. On admet
aujourd’hui que les prix peuvent différer de leur valeur fondamentale
suite à des biais comportementaux. La gestion active peut exploiter
ces biais non modélisables
Les modèles reposent sur une quantification des risques. Le risque
quantifié acceptable ne reflète pas nécessairement toutes les
dimensions des risques qui doivent être pris en compte. La gestion
active intégrer ces dimensions
La prise en compte des particularités individuelles. Exemple, les
bénéficiaires d’un fonds de pension sont employés d’une société
ayant un poids important dans l’indice. Étant eux-mêmes exposés au
travers de leur rémunération au risque de l’entreprise, il y a lieu de
sous pondérer ce titre par rapport au benchmark.
Les particularités fiscales peuvent conduire à des choix qui s’écartent
des benchmarks
La modélisation permet de structurer la
décision et de contrôler les risques
La modélisation induit un nouveau risque, le
risque de modèle
La gestion active peut intégrer les éléments
non quantifiables, exploiter la connaissance
des marchés (biais comportementaux) et
intégrer les particularités des clients