Le théorème des deux fonds et la gestion indicielle

Dimension: px
Commencer à balayer dès la page:

Download "Le théorème des deux fonds et la gestion indicielle"

Transcription

1 Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par la banque W F, à l initiative de l un de ses principaux dirigeants, W F, un professionnel pionnier de la finance quantitative, et de deux de ses conseillers scientifiques : W F. S et F B. Dans cette innovation, ils furent inspirer par la littérature empirique et théorique sur la marche aléatoire et aussi par un curieux résultat de la théorie du portefeuille: le théorème des deux fonds. T [Tob58]puisS[Sha64]ontétendulathéorieduportefeuilledeM - de deux manières en ajoutant un actif sans risque. Cette modification apparemment anodine a comme conséquence de faire apparaître comme optimale la gestion passive. Le résultat démontrant cela est le théorème des deux fonds. On présente tout d abord ce résultat dans un cadre ne comprenant que deux actifs risqués avant de l étendre à un cadre en comportant un nombre arbtraire. F. 1 William Fouse, William Sharpe et Fischer Black 1

2 1 Le cadre 1.1 L héritage de Markowitz LecadreduthéorèmedesdeuxfondsestceluidelathéorieduportefeuilledeMarkowitz avec un ajout. Par conséquent, là aussi, les agents construisent leurs portefeuilles à une périodedonnée(t=0parexemple)etlesdébouclentplustard(parexempleàlamême période t = T > 0). Ces investisseurs continuent à faire un arbitrage entre le risque (résumé par les écart-types des rendements) et le gain (resprésenté par les rendements espérés). Les préférences sont supposées représentées par une fonction quadratique que l onsupposeraicidelaforme: V =Er p γ 2 σ2 p (1) où: Er p estlerendementespéréduportefeuille; γestlecoefficientd aversiondel agentconsidéré; σ 2 p estlavariancedesrendementsduportefeuille. Remarque 1 Economiquement, la fonction V définit un rendement corrigé du risque; en effet, le rendement espéré du portefeuille (Er p ) est diminué d un montant proportionnel à la variance des rendements. Si leγ est très faible (si l agent est peu sensible au risque), cet impact sera faible. Si l aversion a très averse au risque (si γ est très élevé) alors le rendement corrigé du risque sera très différent du rendement espéré. Exemple 1 Ainsi par exemple si le portefeuille a des performances comparables à celles du marché action des pays développés (USA, UK, France notamment) au XXe siècle, alors approximativement Er p 10%, σ p =15% et donc on aura : V =10% γ 2 (15%)2 =10% γ 1.125% Les études en finance ou en microéconomie ont permis de mieux cerner les valeurs possibles de γ. Des valeurs de 2 ou3sont souvent apparues comme des valeurs moyennes. Des valeurs de γ comprises entre 5 et 10 apparaissent en génral comme des valeurs représentatives de populations très risquophobes. Des valeurs autour de 1 sont a contrario 2

3 réprésentatives de comportements joueurs. Le tableau ci-dessous donne les valeurs du rendement corrigé du risque pour les différentes valeurs de γ : γ V 8.875% 7.5% 6.625% 5.5% 4.375% 3.25% 2.125% 1% 0.125% 1.25% coût du 1.125% 2.5% 3.375% 4.5% 5.625% 6.75% 7.875% 9% % 11.25% risque Pour γ égal à 3, le risque impose un coût équivalent au 1/3 du rendement, pour γ égal à 4 on est quasiment à la moitié, à 8 à pratiquement 100%! L impact du risque sur la performance est donc très non-linéaire et varie assez rapidement. En conséquence, pour un investisseur moyen ayant unγ de3, même si le rendement espéré est de10%; le risque sur un placement comme celui proposé le rend équivalent seulement à un placement certain ne rapportant que6.625%. Si son aversion venait à passer à8, un rendement sans risque de1% (moins que le livret A!) serait aussi intéressant que le placement action proposé! L objectif de chaque investisseur(de coefficient d aversion γ) est alors de maximiser la fonctionv enchoisissantlespoidsx j desdifférentstitrescomposantsonportefeuille.evidemment, le choix optimal dépend des valeurs anticipées des rendements, des volatilités, des covariances, bref des paramètres du marché. Comme dans la théorie de M, les agents sont supposés estimer sans erreur les distributions de ces rendements, et donc évaluer correctement les rendements espérés, les volatilités(i.e. écart-types) et la matrice des covariances. Sil on considère l ensemble desactifs risqués j =1,,A,on note Σ lamatrice des covariances de leurs rendements: σ 2 1 σ 1j σ 1 Σ= σ j1 σ 2 j σ j (2) σ 1 σ j σ 2 oùσ jk estlacovariancedesrendementsdesactifsj etk: j,k {1,,}:σ jk =σ( R j, R k ) (3) Naturellement, σ 2 j = σ jj = σ(r j,r j ) estla variance du rendement de l actif j. La première ligne de la matrice rassemble ainsi les covariances entre les rendements de l actif 1 3

4 et les rendements des titres(y compris l actif lui-même). Similairement, la j ème ligne rassemble les covariances entre les rendements de l actif j et les rendements des titres 1,2,,.Onnoteσ (j) laj èmelignedelamatricedescovariances.commelesrendementsnetsdiffèrentdesrendementsbrutsuniquementparuneconstante(r= R 1),les covariances des rendements nets sont également données par la matrice σ: j,k {1,,}:σ jk =σ( R j, R k )=σ(r j,r k ) La matrice de covariance est supposée être de plein rang et donc est supposée inversible. 1.2 L actif certain et son impact budgétaire LadifférenceentrelecadredelathéoriedeMarkowitzetceluiduthéorèmedesdeux fonds est la présence d un actif certain parmi les titres disponibles. Concrètement cet actifcertainpeutêtreassimiléàunactifmonétairedetrèscourtterme,unbondutrésor à 1 ou 3 mois par exemple. A la différence de ces actifs concrets dont la volatilité est très faible (1 ou 2% par an) mais néanmoins positive, la volatilité de l actif certain est strictement nulle. Son indice est 0 et on note donc son rendement sans ledes variables aléatoires:r 0.L hypothèsedel existenced untelactifapparaîtpeuexigeante.néanmoins elle a d importances implications. En effet, désormais la contrainte budgétaire s écrit non seulement en fonction des actifsrisquésetdeleurspoids(x j ),maisaussienfonctiondupoidsx 0 del actifcertain: x 0 + x j =1 (4) j=1 Ennotantxlevecteurcolonnedéfiniparlesdifférents x a,1levecteurcolonnedont lesacomposantessontégalesà1: x 1 1 x= x j, 1= 1 1 x alorscomme a x a=1 x,lacontraintebudgétaires écritaussisousformevectorielle: x 0 +1 x=1 (5) 4

5 Dans le cadre adopté, le problème de la sélection d un portefeuille s écrit initialement: max x0, (x j ) j=1 Er p γ 2 σ2 p sous la contrainte: x 0 + j=1 x j=1 Plutôt que de résoudre directement ce problème d optimisation sous contrainte, il peut être préférable de le réécrire. En effet la contrainte budgétaire permet d exprimer la position monétairex 0 enfonctiondesautres: x 0 =1 x j (6) Comme le rendement espéré du portefeuille lui s écrit initialement: Er p =x 0 r 0 + x j Er j (7) ilpeut,ensubstittuantàx 0 sonexpression,êtreréécritsuccessivement: Er p = 1 x j r 0 + x j Er j (8) j=1 j=1 j=1 j=1 Er p =r 0 x j r 0 + x j Er j (9) j=1 j=1 Er p =r 0 + x j (Er j r 0 ) (10) j=1 Cette expression du rendement espéré intègre le respect de la contrainte budgétaire. Le rendement espéré du portefeuille y apparaît constitué de deux éléménts : une base (le rendementdel investissementsansrisque,r 0 )àlaquelleviennents ajouterlesprimesde risque(er j r 0 )desplacementsrisquéspondérésparleurspoids. Comme la vairance du portefeuille: σ 2 p= x j x k σ 2 jk (11) j=1 k=1 5

6 ne dépend pas de l actif certain (puisque seuls les titres risqués de 1 à sont pris en compte),lasubstitutionàx 0 desonexpressionn impactepasl écrituredecettevariance. Mais désormais la fonction objectif V =r 0 + x j (Er j r 0 ) γ 2 j=1 x j x k σ 2 jk j=1 k=1 est une fonction objectif donnant la valeur de V pour tous les choix respectant la contrainte budgétaire, et donc max x 0, (x j ) j=1 donne les mêmes solutions que le programme sous contrainte: max x0, (x j ) V j=1 V sous la contrainte: x 0 + j=1 x j=1 2 Le portefeuille optimal Comme la fonction objectif V est strictement concave, les conditions nécessaires et suffisantesdelamaximisationsanscontraintedev sont: j: x j V =0 (12) Comme la dérivée de la variance d un portefeuille s écrit: ladérivéedev : j: σ 2 p x =2 x k σ ij (13) j k=1 x j V =Er j r 0 γ x k σ ij (14) Parconséquentlacpo(conditiondepremierordre)àvérifierpourchaquetitreest: Er j r 0 =γ k=1 x k σ ij (15) Cette relation comprend de part et d autre de l égalité deux termes distincts: 6 k=1

7 àgauchelaprimederisque(er j r 0 )quiestlegainmonétaire moyen del investissement; à droite le terme est proportionné au risque supplémentaire(2 k=1 x kσ ij )pondéré par le coefficient d aversion; économiquement il est pour l investisseur considéré l équivalent en terme de rendement du risque supplémentaire; comme évidemment il s agit d une perte pour l agent, γ k=1 x kσ ij définitpourl investissementle coût marginal du risque (en terme de rendements). Le système d équations permettant de définir le portefeuille optimal comprend donc autantd équationsqu ilyadetitresrisquésetdoncs écrit: (cpotitre1) Er 1 r 0 =γ (cpotitrej) Er j r 0 =γ k=1 x kσ 1k k=1 x kσ jk (16) (cpotitre) Er r 0 =γ k=1 x kσ k Pour déterminer le portefeuille optimal, il est intéressant de réécrire matriciellement cette condition de premier ordre, puis ce système d équation qu il définit. Pour cela, on (ré)introduit: levecteurrdesprimesdesrisques Er 1 r 0 r= Er j r 0 (17) Er r 0 levecteurxdesparts x= x 1 x j (18) x 7

8 la matrice des covariances Σ= σ 2 1 σ 1j σ 1 σ j1 σ 2 j σ j (19) σ 1 σ j σ 2 OnprendlaconventionqueΣ [j] désignélaj-emelignedecettematrice: Σ [j] = σ j1 σ 2 j σ j etongénéralisecettenotationàxetàr.parconséquent: x [j] = x j r [j] = Er j r 0 Aussi,lacpo: seréécrit: Er j r 0 =γ x k σ jk (20) k=1 r [j] =γσ [j] x puisque: x k σ jk = k=1 σ j1 σ 2 j σ j x 1 x j = Σ [j] x x Le système d équations se réécrit ligne après ligne de la manière suivante: (cpotitre1) r [1] =γσ [1] x (cpotitre1) r [2] =γσ [2] x (cpotitre1) r [3] =γσ [3] x (cpotitrej) r [j] =γσ [j] x (cpotitre) r [] =γσ [] x (21) 8

9 Côtégauchedusigneégal,onsecontented empilerleslignesderdej=1àj=, etdoncdereconstituerr.côtédroit,γapparaîtàchaqueligneetpeutdoncêtremisen facteur. De même que x. Reste les lignes Σ [j] que l on empile aussi de la première à la dernière.parconséquent,onreconstitueàdroitelamatriceσ.onadonc: r [1] =γσ [1] x r [2] =γσ [2] x r [3] =γσ [3] x r=γσx (22) r [j] =γσ [j] x r [] =γσ [] x Si l on suppose que la matrice carré Σ admet un inverse alors en prémultipliant la dernière partiepar 1 γ Σ 1 ona: r=γσx 1 γ Σ 1 r= 1 γ γσ 1 Σx 1 γ Σ 1 r=x etdoncleportefeuilleoptimalestdonnépar: x= 1 γ Σ 1 r (23) Dans cette expression, apparaissent jouer deux types de variables: le paramètre propre à l investisseur, son aversion par rapport au risque(γ); les paramètres du marché(les rendements espérés(r) et les covariances(σ)). Ces paramètres de marché définissent un vecteur qui a autant de composantes qu il yadetitresrisqués,i.e..parconséquentcevecteurσ 1 restaussiunportefeuillede marché dont les poids sont composantes du vecteur. Pour illustrer ce résultat supposons que l on ait 2 titres risqués, que les rendements soient: r 0 =2%, Er 1 =10%, Er 2 =6% que les volatilités des deux titres soient: σ 1 =16%, σ 2 =10% et que la corrélation entre les deux titres risqués soit

10 Remarque 2 Grosso modo les paramètres choisis font que le titre 1 est représentatif du marché action, le titre2du marché obligataire si l on se réfère à l historique du XXe siècle des pays développés (USA, UK, FR notamment). Sa matrice de covariances s écrit alors: (0.16) 2 0.5(0.16)(0.1) Σ = 0.5(0.16)(0.1) (0.1) = dont l inverse est: Σ 1 = Levecteurdesprimesderisquequantàluis écrit: 10% 2% 8% r= = 6% 2% 4% Onaalors: Σ 1 r = = Σ 1 rdéfinitdoncunportefeuilleoùl onseraitlongsurlesdeuxtitres,àhauteurde2500% surletitre1,àhauteurde2000%surletitre2.enfonctiondel aversionaurisque,on obtient différentes pondérations dont le tableau et le graphique ci-dessous retracent les évolutions: portef aversion 1 1,5 2 2,5 3 3,5 4 4,5 5 actif certain -350,0% -200,0% -125,0% -80,0% -50,0% -28,6% -12,5% 0,0% 10,0% actif 1 250,0% 166,7% 125,0% 100,0% 83,3% 71,4% 62,5% 55,6% 50,0% actif 2 200,0% 133,3% 100,0% 80,0% 66,7% 57,1% 50,0% 44,4% 40,0% 10

11 300,0% 200,0% 100,0% 0,0% -100,0% -200,0% actif certain actif 1 actif 2-300,0% -400,0% 3 Le portefeuille indiciel de référence Comme on l a vu le portefeuille risqué varie ici selon l aversion au risque. Mais ce portefeuille est mesuré par rapport à la richesse totale de l investisseur. Si x j = 10%, ceciindiquequenotreinvestisseuraplacé10%desarichessetotalesur j.maisonpeut s intéresseraupoidsz j dutitrej parrapportàl investissementtotalréalisésurlesseuls actifs risqués: x j z j = j=1 x (24) j Cepoidsz j peutaussiêtreassimiléaupoidsdejdanslesplacementsboursiers.cespoids z j définissentaussileportefeuillezcomplètementinvestiassociéàx: complètement investi car sa position monétaire(ou en cash) est nulle x j z 0 =1 z j =1 j=1 x = ( j=1 x j) j=1 j j=1 x =0 j z j = j=1 associéàxcarcedernierdéfinidirectementsespoids x z T x x j j=1 x j z= x 1 T x j=1 = x j 1 T x z j = 11 z x j 1 T x x 1 T x = 1 1 T x x 1 x x j

12 Dans notre exemple numérique, on aurait donc le tableau et le grahique ci-dessous: aversion 1 1,5 2 2,5 3 3,5 4 4,5 5 x0-350,0% -200,0% -125,0% -80,0% -50,0% -28,6% -12,5% 0,0% 10,0% z1 55,6% 55,6% 55,6% 55,6% 55,6% 55,6% 55,6% 55,6% 55,6% z2 44,4% 44,4% 44,4% 44,4% 44,4% 44,4% 44,4% 44,4% 44,4% 100,0% 50,0% 0,0% -50,0% ,0% -150,0% -200,0% x0 z1 z2-250,0% -300,0% -350,0% -400,0% Onvoitapparaîtrelemêmeportefeuilleboursierdansles3cas!!!Cecin estpasunhasard. En effet si l on reprend l expression générale du portefeuille optimal alors: etdonc: x= 1 γ Σ 1 r (25) γ Σ 1 r z= x 1 1 T x = 1 γ 1T Σ 1 r etdoncaprèséliminationdeγ audénominateuretaunumérateurona: z= Σ 1 r 1 T Σ 1 r (26) Comme on le voit z est lui totalement indépendant de γ et tout paramètre définissant l individu(sarichesse,sonâge,etc.).znedépendqueduparamètredemarché:lesprimes de risque et les covariances. Il est donc normal qu aux différents portefeuilles(en fonction de γ) de l exemple numérique ne corresponde qu un seul et même portefeuille boursier. Mais ceci signifie aussi que le processus d allocation se réalise comme si: 12

13 dans une première étape chaque agent choisissait le partage entre le cash et la bourse,i.e. x 0,cedernierdépendantdel aversionaurisquecommeonl avudans notre exemple; puisayantdéterminéceparamètre,tousinvestissent1 x 0 deleurrichessedansle même portefeuille boursier z. Ceprocessusendeuxtempsestd ailleursimplicementcontenudansl écrituredes z j puisque: x j z j = j=1 x = x j x j =(1 x 0 )z j (27) j 1 x 0 Pour l asset management, ce résultat a une conséquence dramatique: pour réaliser une allocation optimale, il suffit de proposer aux investisseurs deux produits et seulement deux produits- le produit monétaire et le portefeuille z. Ceci constitue le théorème des deux fonds. Comme ce dernier est le même pour tous, il constitue un portefeuille de référence, un indice qu un fond peut chercher à réaliser à tout moment en prenant en compte les paramètres du marché pour en déterminer les poids du portefeuille) détenir. Ceci constitue donc l une des justifications de la gestion indicielle. 4 Il est impossible de battre le marché Le ratio de Sharpe est sans conteste l une des mesure de performance les plus utilisées dans le monde professionnel. Sa définition n en est pas moins très simple: Définition 1 Le ratio de Sharpe d un portefeuille, d un produit financier, d un fond ou d un gérant est le rapport de la prime de risque à la volatilité, i.e. (Er,σ), le ratio de Sharpe de ce couple rendement volatilité est : S= Er r 0 σ LeratiodeSharpeestunemesuredeperformancecorrigéedurisque.Ellemesureen effetletauxauquelesttransforméenmoyennelerisqueenrendement.unratiodesharpe de0,5(correspondantassezbienàceluidumarchéactionàlongterme,dumoinssurles données du XXe siècles des prinpaux marchés des pays développées(usa, UK, FR, etc.)) exprimeeneffetlefaitquechaquepointde%derisqueesttransforméen1/2pointde% de rendement. Ce ratio s est imposé comme l une des principales mesures de performance car il permet notamment de neutraliser l impact des effets de levier dans l appréciation de la performance d un gérant. 13 (28)

14 Supposonseneffetqu ungérantàlongtermesoitàmêmeeninvestissantsurlemarché d obtenir un rendement espéré de 10% pour une volatilité de 16% - le taux sans risqe étant de 2%. S il gère son fond en ne créant aucun endettement, en proportionnant son investissementàsacollecte,ilseraàmêmedeverserunrendementr f àsesclientsdonné parlacontraintebudgétairedesonfond: 100% r p =100% r f (29) où le côté gauche est le revenu net de l actif (composé à 100% du portefeuille dont le rendementestr p ),lecôtédroitreprésentelesrevenusversés(icià100%auxclients).par conséquent,icicommer f =r p,lesrevenusversésauxclientsaurontlamêmeespéranceet la même volatilité que celles du portefeuille du gérant. Par contre supposons que le gérant décidedefairejouerleseffetsdelevierencréantalorsunpassifdufondcomposéà90% d endettement (au taux r 0 ) et à 10% des fonds collectés, alors la contrainte budgétaire s écrit désormais: Alorslerendementverséauxclientsdufondsera: 100% r p =10% r f +90% r 0 (30) r f =r (r p r 0 ) (31) Enmoyennedonc,lesclientsvontrecevoirunrendementégalautauxcertainr 0 augmenté d uneprimederisqueégalà10foiscelleduportefeuillegéréparleclient.aulieudercevoir unrendementespéréde10%commeauparavant,chaqueclientvarecevoir82%!!!good news. Pourtant legérantesttoujours lemême :niplusnimoins talentueux, niplusni moins chanceux. Malheureusement, ce rendement espéré s accompagne d un risque lui aussi démultiplié puisque: r f =r (r p r 0 ) σ(r f )=10 σ(r p ) (32) Lavolatilitéadoncétémultipliépar10!Cetimpactentrompel oeildeseffetsdelevier auraitpuêtreévitésil onavaitutiliserleratiodesharpe.eneffet,sanseffetdelevier, avec 100% de capital, comme Er f = Er p et σ f = σ p, on aurait eu comme mesure de performance alors: S f (100%)= Er f r 0 σ f = Er p r 0 σ p Silapartducapitaln estquede10%alors: =S p S f (10%)= Er f r 0 σ f = 10 (Er p r 0 ) 10 σ p =S p 14

15 puisqueer f =r (Er p r 0 )etσ f =10 σ p.danslesdeuxcas,onremarqueune propriété fort intéressante: Propriété 1 Le ratio de Sharpe du rendement perçu par les clients d un fond est invariant au levier d endettement du fond et égal au ratio de Sharpe de son portefeuille d investissement. Dans le cas général en effet si l on note L la part de l endettement au passif, la contrainte budgétaire s écrit: 100% r p =(1 L) r f +L r 0 (33) etdonc: etdonceneffet: S f = Er f r 0 σ f = r p r 0 =(1 L)(r f r 0 ) 1 (Er 1 L p r 0 ) 1 1 L σ = Er p r 0 =S p (34) p σ p Une dernière conséquence des résultats précédents sur les portefeuilles optimaux porte sur les performances des gérants. En effet, comme tout portefeuille optimal à équivalent à un portefeuille comprenant le cash et le portefeuille z précédemment défini, on a que pour toutaversiond aversionaurisqueγilexisteuneproportionx 0 (γ)tellequelerendement espéré(er p )etlavolatilité(σ p )desonportefeuilleoptimalsontdonnéspar: Puisque la première équation nous donne aussi: Er p =x 0 (γ)r 0 +(1 x 0 (γ))er Z (35) σ p = 1 x 0 (γ) σ z (36) Er p r 0 =(1 x 0 (γ))(er Z r 0 ) (37) en supposant(sans grande perte de généralité)que x 0 1, si l onfaitle rapport de la primederisqueàlavolatilitéona: Er p r 0 σ p = (1 x 0(γ))(Er Z r 0 ) (1 x 0 (γ))σ z = Er Z r 0 σ z (38) Le premier et le dernier termes correspondent aux ratios de Sharpe du portefeuille optimal et du portefeuille z. 15

16 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% CML actif certain indice 5,00% 0,00% 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% F.2 Les relations(38) reviennent donc à établir que tous les portefeuilles optimaux ont le mêmeratiodesharpe:celuiduportefeuillederéférence(z).comme: Er p r 0 σ p =S Z (39) on peut exprimer pour chaque portefeuille optimal son rendement espéré en fonction de sa volatilité: Er p =r 0 +S Z σ p (40) L ensemble des portefeuilles appartiennent donc dans le plan(volatilité, rendement espéré) à la même droite; de pente S Z, passant par les points définis par l actif certain et par le portefeuille z (comme le suggère le graphique 2). Cette droite qui comprend tous les portefeuilles optimaux et dont tous les portefeuilles sont optimaux est appelée la Capital Market Line (CML). Par contradiction, on peut aussi montrer que sa valeur est la plus grande possible sur lemarché.eneffet,sicelan étaitpaslecas,ilexisteraitunportefeuillepdontleratiode Sharpe serait supérieur: S p >S Z et cela impliquerait que: Er p r 0 σ p 16 >S Z

17 16,00% 14,00% 12,00% 10,00% 8,00% 6,00% Sz Sp 4,00% 2,00% 0,00% 0% 5% 10% 15% 20% F.3 Maiscommececinousdonne: Er p >r 0 +S Z σ p (41) le portefeuille seraitau-dessus de lacml. Etdonc en lecombinantàl actif certain on obtiendrait la droite issue du point (0,r 0 ) et passant par le portefeuille p, une droite supérieure à la CML dans le plan (volatilité, rendement espéré) comme illustré sur la figure 3. Mais si cela était il serait possible pour chaque point de la CML, donc pour chaque portefeuille optimal, de trouver un autre portefeuille de même risque mais de rendement espéré supérieur. L utilité de l investisseur étant nécessairement supérieure, ceci contredirait l optimalité de chaque point de la CML. Par conséquent, il est impossible detrouveruntelportefeuillepdontleratioseraitsupérieuràs z,etdoncs z estleratio de Sharpe maximal. Lapermetdoncdedéfinirunlieuderéférenceparrapportà laquelle on pourra évaluer la performance des gérants. En théorie, aucun point ne devrait dominer cette droite. Au mieux les gérants sur cette droite. Car il est impossible de battre le marché. Mais toute règle admet des exceptions 17

18 Références [Sha64] W. Sharpe,(1964). Capital asset prices: a theory of market equilibrium under condition of risk. ournal of Finance, septembre [Tob58]. Tobin,(1958). Liquidity preferences as behavior toward risk. Review of Economic Studies, 25:65 86,

Exercice : la frontière des portefeuilles optimaux sans actif certain

Exercice : la frontière des portefeuilles optimaux sans actif certain Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué

Plus en détail

Chapitre 4 : construction de portefeuille (II)

Chapitre 4 : construction de portefeuille (II) Chapitre 4 : construction de portefeuille (II) 08.11.2013 Plan du cours Espérance de rentabilité d un portefeuille Volatilité d un portefeuille Choix du portefeuille efficient Prise en compte de l actif

Plus en détail

Combiner anticipations et optimisation : le modèle Black-Litterman

Combiner anticipations et optimisation : le modèle Black-Litterman Combiner anticipations et optimisation : le modèle Black-Litterman Université Paris 1, Panthéon-Sorbonne, IAE (Sorbonne Graduate Business School) PLAN Les raisons du modèle 1 Les raisons du modèle 2 1.

Plus en détail

Table des matières. l a r c i e r

Table des matières. l a r c i e r Chapitre 1 Introduction... 1 1.1. Objectifs et structure du livre.... 1 1.2. Qu est-ce que la gestion de portefeuille?.... 2 1.3. Qu est-ce que «investir»?.... 3 1.4. Canalisation des flux d épargne et

Plus en détail

Les stratégies de gestion de portefeuille d actions: Style de gestion et indexation de portefeuille

Les stratégies de gestion de portefeuille d actions: Style de gestion et indexation de portefeuille Les stratégies de gestion de portefeuille d actions: Style de gestion et indexation de portefeuille I. Concept d'efficience des marchés et stratégies de gestion - Efficience opérationnelle des marchés

Plus en détail

le Rôle de l Information M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2012

le Rôle de l Information M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2012 6 le Rôle de l Information - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2012 Plan du cours 1. Probabilités subjectives 2. Arrivée symétrique de l information 3. Information asymétrique

Plus en détail

un environnement économique et politique

un environnement économique et politique Vision d un économiste sur le risque agricole et sa gestion un sol un climat un environnement économique et politique Jean Cordier Professeur Agrocampus Ouest Séminaire GIS GC HP2E Prise en compte du risque

Plus en détail

CORRIGES DES CAS TRANSVERSAUX. Corrigés des cas : Emprunts

CORRIGES DES CAS TRANSVERSAUX. Corrigés des cas : Emprunts CORRIGES DES CAS TRANSVERSAUX Corrigés des cas : Emprunts Remboursement par versements périodiques constants - Cas E1 Objectifs : Construire un échéancier et en changer la périodicité, Renégocier un emprunt.

Plus en détail

Outils théoriques du modèle standard. MASTER 2003 Paris IX [Dauphine] François Jubin

Outils théoriques du modèle standard. MASTER 2003 Paris IX [Dauphine] François Jubin Outils théoriques du modèle standard MASTER 2003 Paris IX [Dauphine] François Jubin Le portefeuille : la notion centrale du modèle standard On ne s intéresse pas ici à la dynamique du prix d un titre mais

Plus en détail

Jeux sous forme normale

Jeux sous forme normale CHAPITRE 4 Jeux sous forme normale Dans les problèmes de décision, nous avons relié les choix qui pouvaient être faits par un agent avec les utilités qu il pouvait en dériver. L idée qu un agent rationnel

Plus en détail

Gestion obligataire passive

Gestion obligataire passive Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage

Plus en détail

PROJET DE GESTION PORTEFEUILLE. Evaluation d une Stratégie de Trading

PROJET DE GESTION PORTEFEUILLE. Evaluation d une Stratégie de Trading PROJET DE GESTION PORTEFEUILLE Evaluation d une Stratégie de Trading Encadré par M. Philippe Bernard Master 1 Economie Appliquée-Ingénierie Economique et Financière Taylan Kunal 2011-2012 Sommaire 1) Introduction

Plus en détail

M2 IAD UE MODE Notes de cours (3)

M2 IAD UE MODE Notes de cours (3) M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Chapitre 2/ La fonction de consommation et la fonction d épargne

Chapitre 2/ La fonction de consommation et la fonction d épargne hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation

Plus en détail

L avantage des portefeuilles d actions à faible volatilité TD

L avantage des portefeuilles d actions à faible volatilité TD L avantage des portefeuilles d actions à faible volatilité TD Par : Jean Masson, Ph. D., Directeur général Avril 05 La plupart des investisseurs préfèrent les rendements élevés, mais n aiment pas prendre

Plus en détail

Choix sous incertitude

Choix sous incertitude 1/38 à l analyse microéconomique - Monitorat ENS (2014-2015) Janvier 2015 2/38 Plan du cours 1 2 3 4 5 3/38 Dans les chapitres précédents, hypothèse implicite de situations certaines et d information parfaite

Plus en détail

Question 1: Analyse et évaluation d obligations

Question 1: Analyse et évaluation d obligations Question 1: Analyse et évaluation d obligations (43 points) Vous êtes responsable des émissions obligataires pour une banque européenne. Il y a 10 ans cette banque a émis l obligation perpétuelle subordonnée

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr

Plus en détail

Outil de Gestion des Risques

Outil de Gestion des Risques Outil de Gestion des Risques Daniel Herlemont Table des matières 1 Introduction 3 2 Gestion sous contrainte de perte maximale historique (Drawdown) et de Value at Risk 3 3 Enveloppe de trading 5 4 Approche

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Théorie des sondages : cours 5

Théorie des sondages : cours 5 Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur

Plus en détail

www.styleanalytics.com

www.styleanalytics.com www.styleanalytics.com Style Analytics EuroPerformance a le plaisir de vous présenter Style Analytics, outil de mesure des risques et de la performance des fonds d investissement. Style Analytics offre

Plus en détail

CHAPITRE 5. Stratégies Mixtes

CHAPITRE 5. Stratégies Mixtes CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,

Plus en détail

ALPHA VERSUS BÊTA. Ksenya Rulik. Décembre 2008

ALPHA VERSUS BÊTA. Ksenya Rulik. Décembre 2008 Décembre 2008 Outline 1 Préparer le terrain: marchés financiers et actifs risqués 2 3 Outline 1 Préparer le terrain: marchés financiers et actifs risqués 2 3 Outline 1 Préparer le terrain: marchés financiers

Plus en détail

Attitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014

Attitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations

Plus en détail

Examen blanc assurance et gestion des risques

Examen blanc assurance et gestion des risques Examen blanc assurance et gestion des risques Mickaël Clévenot 17 mars 2014 1 Questions de cours pour tous Question 1) Il sera demandé aux étudiants de rappeler l un des axiomes de la méthodologie développée

Plus en détail

Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple

Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple Laurent Batsch ahier de recherche n 2005-01 Le financement adossé est une des modalités de financement de l investissement

Plus en détail

Mathématiques appliquées à la finance J. Printems Année 2008 09

Mathématiques appliquées à la finance J. Printems Année 2008 09 IAE Gustave Eiffel Master 2 Gestion de Portefeuille Université Paris xii Val de Marne Mathématiques appliquées à la finance J. Printems Année 2008 09 Épreuve du 15 juillet 2009 Durée : 1 heure 30 Calculatrices

Plus en détail

Chapitre 15 Options et actifs conditionnels. Plan

Chapitre 15 Options et actifs conditionnels. Plan Chapitre 15 Options et actifs conditionnels Plan Fonctionnement des options Utilisation des options La parité put-call Volatilité et valeur des options Les modèles de détermination de prix d option Modèle

Plus en détail

ESSEC Cours Wealth management

ESSEC Cours Wealth management ESSEC Cours Wealth management Séance 9 Gestion de patrimoine : théories économiques et études empiriques François Longin 1 www.longin.fr Plan de la séance 9 Epargne et patrimoine des ménages Analyse macroéconomique

Plus en détail

immobilier et bourse PEUT-ON PRÉVOIR LA RENTABILITÉ DE L IMMOBILIER COTÉ?

immobilier et bourse PEUT-ON PRÉVOIR LA RENTABILITÉ DE L IMMOBILIER COTÉ? immobilier et bourse PEUT-ON PRÉVOIR LA RENTABILITÉ DE L IMMOBILIER COTÉ? Les recherches présentées dans cet article, qui couvrent dix pays, suggèrent que la maturité du marché de l'immobilier titrisé

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

Prévention et gestion des risques naturels et environnementaux

Prévention et gestion des risques naturels et environnementaux Prévention et gestion des risques naturels et environnementaux Risque et assurance : quelques éléments théoriques Ecole des Ponts - Le 6 Avril 01 Jacques Pelletan 1 Théorie du risque et pérennité de l

Plus en détail

Esarc - Pôle formations à distance

Esarc - Pôle formations à distance Esarc - MASTER EUROPEEN EN MANAGEMENT ET STRATEGIE FINANCIERE - BAC+5 - MSFI Le Master Européen est un diplôme Bac+5, délivré par la FEDE (Fédération Européenne des Écoles). La FEDE est une association

Plus en détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

1 La formule de Black et Scholes en t discret

1 La formule de Black et Scholes en t discret Université de Provence Préparation Agrégation Epreuve de Modélisation, Option Proba. Texte : La formule de Black Scholes en Finance Étienne Pardoux 1 La formule de Black et Scholes en t discret On suppose

Plus en détail

Principes de Finance

Principes de Finance Principes de Finance 9 et 10. Politique de financement Daniel Andrei Semestre de printemps 2011 Principes de Finance 9 & 10. Financement Printemps 2011 1 / 62 Plan I Introduction II La structure financière

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base

Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base Estimation du Quantile conditionnel par les Réseaux de neurones à fonction radiale de base M.A. Knefati 1 & A. Oulidi 2 & P.Chauvet 1 & M. Delecroix 3 1 LUNAM Université, Université Catholique de l Ouest,

Plus en détail

Note:... Q1 :... Q2 :... Q3 :... Q4 :... Bonus :... Total :...

Note:... Q1 :... Q2 :... Q3 :... Q4 :... Bonus :... Total :... FACUL S HAUS US COMMRCIALS L'UNIVRSI LAUSANN Professeurs :. Andrei C. Bobtcheff Matière : Principes généraux de finance Session : té Informations générales: o ocumentation autorisée. o Calculatrices autorisées

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Chapitre 4 : cas Transversaux. Cas d Emprunts

Chapitre 4 : cas Transversaux. Cas d Emprunts Chapitre 4 : cas Transversaux Cas d Emprunts Échéanciers, capital restant dû, renégociation d un emprunt - Cas E1 Afin de financer l achat de son appartement, un particulier souscrit un prêt auprès de

Plus en détail

table des matières PARtie i introduction Notations courantes... XXIII Les auteurs... XXV Avant-propos... XXVII Remerciements...

table des matières PARtie i introduction Notations courantes... XXIII Les auteurs... XXV Avant-propos... XXVII Remerciements... table des matières Notations courantes............................................................... XXIII Les auteurs......................................................................... XXV Avant-propos.......................................................................

Plus en détail

Les effets des regroupements dans le secteur bancaire sur l allocation du capital de risque et la liquidité des marchés*

Les effets des regroupements dans le secteur bancaire sur l allocation du capital de risque et la liquidité des marchés* Les effets des regroupements dans le secteur bancaire sur l allocation du capital de risque et la liquidité des marchés* Chris D Souza et Alexandra Lai Jusqu à récemment, la réglementation en vigueur au

Plus en détail

Economie de l information

Economie de l information 1 Introduction Economie de l information Les méthodes de la microéconomie peuvent être appliquées à tout problème particulier de la vie économique De nombreuses études sont consacrées à des marchés ou

Plus en détail

I La théorie de l arbitrage fiscal de la dette (8 points)

I La théorie de l arbitrage fiscal de la dette (8 points) E : «Théories de la finance d entreprise» Master M1 Université Paris-Dauphine Thierry Granger Année Universitaire 2013/2014 Session 1 Aucun document, calculette autorisée Durée 1h30 Respecter la numérotation

Plus en détail

E et de levier et instabilité nancière : un modèle théorique

E et de levier et instabilité nancière : un modèle théorique E et de levier et instabilité nancière : un modèle théorique Edouard Challe Ecole Polytechnique/Chaire FDIR 27/01/2009. Challe (Ecole Polytechnique/Chaire FDIR) E et de levier et instabilité nancière 27/01/2009

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

et idées sur le marché du pétrole Diversification de styles dans les placements en revenu fixe : défis et solutions Septembre 2015

et idées sur le marché du pétrole Diversification de styles dans les placements en revenu fixe : défis et solutions Septembre 2015 Point de Analyse vue sur le marché du pétrole Septembre 2015 Diversification de styles dans les placements en revenu fixe : défis et solutions Les investisseurs en obligations ne seront pas étonnés de

Plus en détail

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 1. a. On considère un modèle de marché (B, S) à une étape. On suppose que S = 5 C et qu à la date t = 1 on a (S u 1 = 51, S d 1 = 48).

Plus en détail

Méthodes de la gestion indicielle

Méthodes de la gestion indicielle Méthodes de la gestion indicielle La gestion répliquante : Ce type de gestion indicielle peut être mis en œuvre par trois manières, soit par une réplication pure, une réplication synthétique, ou une réplication

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Théorie Financière 2014-2015

Théorie Financière 2014-2015 Théorie Financière 2014-2015 1. Introduction Professeur Kim Oosterlinck E-mail: koosterl@ulb.ac.be Organisation du cours (1/4) Cours = Théorie (24h) + TPs (12h) + ouvrages de référence Cours en français

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques

Plus en détail

Simulations de Monte Carlo en finance : Pricer d option

Simulations de Monte Carlo en finance : Pricer d option Emma Alfonsi, Xavier Milhaud - M2R SAF Simulations de Monte Carlo en finance : Pricer d option Sous la direction de M. Pierre Alain Patard ISFA - Mars 2008 . 1 Table des matières 1 Introduction 4 2 Un

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

Chapitre 2 L actualisation... 21

Chapitre 2 L actualisation... 21 III Table des matières Avant-propos Remerciements.... Les auteurs... XI XII Chapitre 1 L intérêt.... 1 1. Mise en situation.... 1 2. Concept d intérêt... 1 2.1. L unité de temps... 2 2.2. Le taux d intérêt...

Plus en détail

Chapitre 20. Les options

Chapitre 20. Les options Chapitre 20 Les options Introduction Les options financières sont des contrats qui lient deux parties. Les options existent dans leur principe depuis plusieurs millénaires, mais elles connaissent depuis

Plus en détail

Doctorat en économique. Examen de synthèse en Théorie micro-économique 8 août 2011. Durée : 4 heures exactement

Doctorat en économique. Examen de synthèse en Théorie micro-économique 8 août 2011. Durée : 4 heures exactement Département d économie agroalimentaire et des sciences de la consommation Département d économique Université Laval NOM: Doctorat en économique Examen de synthèse en Théorie micro-économique 8 août 211

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

Enjeux - Gestion de patrimoine CFA-Québec 4 février 2015. Denis Preston, CPA, CGA, FRM, Pl. fin.

Enjeux - Gestion de patrimoine CFA-Québec 4 février 2015. Denis Preston, CPA, CGA, FRM, Pl. fin. Enjeux - Gestion de patrimoine CFA-Québec 4 février 2015 Denis Preston, CPA, CGA, FRM, Pl. fin. 2 Enjeux - Gestion de patrimoine 1.La planification financière personnelle 2.Finance personnelle versus finance

Plus en détail

Cours de gestion financière (M1)

Cours de gestion financière (M1) Cours de gestion financière (M1) Séance (5) du 17 octobre 2014 Efficience de marché, ventes à découvert, exercices, compléments de cours (modèle zéro-beta de Black, Médaf sans ventes à découvert) Are Markets

Plus en détail

Exchange Traded Funds (ETF) Mécanismes et principales utilisations. 12 Mai 2011

Exchange Traded Funds (ETF) Mécanismes et principales utilisations. 12 Mai 2011 Exchange Traded Funds (ETF) Mécanismes et principales utilisations 12 Mai 2011 Sommaire I Présentation du marché des ETF II Construction des ETF III Principales utilisations IV Les ETF dans le contexte

Plus en détail

Théorie Financière 8 P. rod i u t its dé dérivés

Théorie Financière 8 P. rod i u t its dé dérivés Théorie Financière 8P 8. Produits dit dérivés déié Objectifsdelasession session 1. Définir les produits dérivés (forward, futures et options (calls et puts) 2. Analyser les flux financiers terminaux 3.

Plus en détail

Qu est-ce-qu un Warrant?

Qu est-ce-qu un Warrant? Qu est-ce-qu un Warrant? L epargne est investi dans une multitude d instruments financiers Comptes d epargne Titres Conditionnel= le detenteur à un droit Inconditionnel= le detenteur a une obligation Obligations

Plus en détail

LES STRATEGIES DE REEQUILIBRAGE OU DE LAISSER-FAIRE

LES STRATEGIES DE REEQUILIBRAGE OU DE LAISSER-FAIRE LES STRATEGIES DE REEQUILIBRAGE OU DE LAISSER-FAIRE Dr. Jean Benetti, Dr. Andreas Reichlin 13 FEVRIER 2002 La gestion du risque au niveau stratégique dans les caisses de pension Introduction Plusieurs

Plus en détail

EQUILIBRES DU MARCHE FINANCIER. Mutualisation des risques Risque agrégé & individuel

EQUILIBRES DU MARCHE FINANCIER. Mutualisation des risques Risque agrégé & individuel EQUILIBRES DU MARCHE FINANCIER Mutualisation des risques Risque agrégé & individuel Plan du cours Préambule : le rôle du marché financier I II III IV Le modèle d Arrow Le modèle de Radner Le CAPM Le modèle

Plus en détail

RAHMANI ABDEL MEMOIRE DESS MARCHE DE FINANCIERS ET GESTION DE CAPITAUX MESURE DE LA RENTABILITÉ ET DU RISQUE - CNAM - ANNEE SCOLAIRE 2002-2004

RAHMANI ABDEL MEMOIRE DESS MARCHE DE FINANCIERS ET GESTION DE CAPITAUX MESURE DE LA RENTABILITÉ ET DU RISQUE - CNAM - ANNEE SCOLAIRE 2002-2004 RAHMANI ABDEL MEMOIRE DU DESS MARCHE DE FINANCIERS ET GESTION DE CAPITAUX MESURE DE LA RENTABILITÉ ET DU RISQUE - CNAM - ANNEE SCOLAIRE 2002-2004 A. INTRODUCTION... 3 B. PREMIÈRE PARTIE : LES ACTIONS...

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Simulation centrée individus

Simulation centrée individus Simulation centrée individus Théorie des jeux Bruno BEAUFILS Université de Lille Année 4/5 Ce document est mis à disposition selon les termes de la Licence Creative Commons Attribution - Partage dans les

Plus en détail

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines

Plus en détail

UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE

UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIE PAR MATHIEU SISTO NOVEMBRE

Plus en détail

9 Investissement et intérêt

9 Investissement et intérêt 9 Investissement et intérêt Jean Magnan de Bornier Table des matières 1 La rentabilité des investissements 2 1.1 Actualisation............................ 2 1.2 Valeur Actuelle Nette........................

Plus en détail

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème. I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous

Plus en détail

Dérivés Financiers Contrats à terme

Dérivés Financiers Contrats à terme Dérivés Financiers Contrats à terme Mécanique des marchés à terme 1) Supposons que vous prenez une position courte sur un contrat à terme, pour vendre de l argent en juillet à 10,20 par once, sur le New

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

DIRECTIVES DE PLACEMENT RISK BUDGETING LINE 5

DIRECTIVES DE PLACEMENT RISK BUDGETING LINE 5 DIRECTIVES DE PLACEMENT RISK BUDGETING LINE 5 29.06.2011 Groupe de placement Prisma Risk Budgeting Line 5 (RBL 5) Caractéristiques du groupe de placement 1. Le RBL 5 est un fonds composé d actifs susceptibles

Plus en détail

1 Complément sur la projection du nuage des individus

1 Complément sur la projection du nuage des individus TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent

Plus en détail

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option

Plus en détail

BCGE Synchrony Finest of TM. Gestion de portefeuilles institutionnels balancés globaux. Une approche originale et sûre.

BCGE Synchrony Finest of TM. Gestion de portefeuilles institutionnels balancés globaux. Une approche originale et sûre. BCGE Synchrony Finest of TM Gestion de portefeuilles institutionnels balancés globaux. Une approche originale et sûre. BCGE Asset Management Comment s assurer que la gestion des actifs correspond parfaitement

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

Travail de projet sur VBA

Travail de projet sur VBA Travail de projet sur VBA Calcul du Ratio de Sharpe Page 1 sur 25 Table des matières : 1. Introduction 3 2. Démarche générale 3 2.1 Récolte de données 3 2.2 Calculs de rendements 4 2.3 Calculs de volatilités

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

Les techniques des marchés financiers

Les techniques des marchés financiers Les techniques des marchés financiers Exercices supplémentaires Christine Lambert éditions Ellipses Exercice 1 : le suivi d une position de change... 2 Exercice 2 : les titres de taux... 3 Exercice 3 :

Plus en détail

Joueur B Pierre Feuille Ciseaux Pierre (0,0) (-1,1) (1,-1) Feuille (1,-1) (0,0) (-1,1) Ciseaux (-1,1) (1,-1) (0.0)

Joueur B Pierre Feuille Ciseaux Pierre (0,0) (-1,1) (1,-1) Feuille (1,-1) (0,0) (-1,1) Ciseaux (-1,1) (1,-1) (0.0) CORRECTION D EXAMEN CONTROLE CONTINU n 1 Question de cours Question 1 : Les équilibres de Cournot et de Stackelberg sont des équilibres de situation de duopole sur un marché non coopératif d un bien homogène.

Plus en détail

COLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF

COLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF COLLOQUE SUR LA RETRAITE ET LES PLACEMENTS AU QUÉBEC L INVESTISSEMENT GUIDÉ PAR LE PASSIF LE 20 NOVEMBRE 2014 Sébastien Naud, CFA, M.Sc. Conseiller principal L investissement guidé par le passif Conférenciers

Plus en détail

Arbitrage et prix des actifs. Prix des actifs en information symétrique sans hypothèse de complétude.

Arbitrage et prix des actifs. Prix des actifs en information symétrique sans hypothèse de complétude. Arbitrage et prix des actifs. Prix des actifs en information symétrique sans hypothèse de complétude. Le Cadre Etats de la nature : s = 1,.S,.. p(1),, p(s), Actifs a : m+1 actifs de base {a(0), a(m)} Matrices

Plus en détail

Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1

Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 Introduction Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 L auteur remercie Mme Sylvie Gervais, Ph.D., maître

Plus en détail

Cours de calculs nanciers. Chapitre 7 : Evaluation des actions

Cours de calculs nanciers. Chapitre 7 : Evaluation des actions Cours de calculs nanciers Chapitre 7 : Evaluation des actions L2 Economie et Gestion Vincent Bouvatier vbouvatier@u-paris10.fr Université de Paris 10 - Nanterre Année universitaire 2008-2009 Modèle d actualisation

Plus en détail

B. Prise de décisions en univers incertain. 1. Valeurs espérées

B. Prise de décisions en univers incertain. 1. Valeurs espérées B. Prise de décisions en univers incertain Une grande par*e des choix réalisés par les producteurs et les consommateurs étant réalisés en univers incertain, les agents sont amenés à prendre des décisions

Plus en détail

Incertain, Marché financier, M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015

Incertain, Marché financier, M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015 Incertain, Marché financier, - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2015 Plan du cours 1. Incertain, actifs financiers et marché financier 2. Les conditions d un marché sans arbitrage

Plus en détail

Processus et stratégie d investissement

Processus et stratégie d investissement FCP Bryan Garnier Long Short Equity Recherche de performance par le «stock picking» Processus et stratégie d investissement FCP Bryan Garnier Long Short Equity TABLE DES MATIERES Introduction 2 I Méthodologie

Plus en détail

Value at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061

Value at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061 Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain

Plus en détail

Principes de Finance

Principes de Finance Principes de Finance 12. Théorie des options I Daniel Andrei Semestre de printemps 211 Principes de Finance 12. Théorie des options I Printemps 211 1 / 43 Plan I Introduction II Comprendre les options

Plus en détail