Theorie Du Risque Appliquee A La Gestion De Portefeuilles

  • Uploaded by: B.I
  • 0
  • 0
  • November 2019
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Theorie Du Risque Appliquee A La Gestion De Portefeuilles as PDF for free.

More details

  • Words: 3,384
  • Pages: 15
Th´ eorie du risque appliqu´ ee ` a la gestion de portefeuilles

par Thierry zen Ruffinen [email protected] Institut des Sciences Actuarielles Ecole des Hautes Etudes Commerciales Universit´e de Lausanne BFSH-1 CH-1015 Lausanne Suisse Avril 2002

S´ eminaire r´ ealis´ e sous la direction du professeur Daniel Neuenschwander

Table des mati` eres 1 Introduction

3

2 Evaluation d’un portefeuille d’actifs

4

3 Exemple concret

6

4 D´ efinitions de th´ eorie du risque

7

5 Interpr´ etation de R

8

6 R : une mesure du risque

11

7 Proc´ edure non param´ etrique

12

8 Conclusion

14

1

Introduction

Durant la derni`ere d´ecennie, les sciences actuarielles ont grandement profit´e des id´ees d´evelopp´ees par les math´ematiques financi`eres: l’utilisation des produits d´eriv´es dans le domaine de l’assurance est, du moins en th´eorie, consid´er´ee comme une alternative fort int´eressante aux couvertures d’assurance traditionnelles; les actuaires prennent peu `a peu conscience de l’importance que peuvent revˆetir les mod`eles `a structure finie pour les taux d’int´erˆet, et en particulier pour ce qui concerne les produits d’assurancevie. L’une des principales activit´es de l’actuaire consiste en effet `a assigner une valeur `a un portefeuille de contrats financiers au dividende incertain. Si l’actuaire sp´ecialis´e en assurance-vie traditionnelle r´ealise cette tˆache lorsqu’il est confront´e `a un portefeuille de polices d’assurances sur la vie, l’actuaire sp´ecialis´e en assurance de dommages applique ce proc´ed´e lorsqu’il a `a s’occuper d’un portefeuille de sinistres dont les montants ne sont pas encore d´etermin´es. Il est donc bien naturel d’envisager une activit´e actuarielle analogue dans le cadre d’un investissement: le rˆole de l’actuaire consiste alors `a ´evaluer le rendement du portefeuille d’investissements. Toutefois, le rapport entre les sciences actuarielles et la finance ne doit pas ˆetre per¸cu comme une relation `a sens unique. En effet, la finance peut ´egalement tirer bien des profits des concepts actuariels, tout particuli`erement pour ce qui a trait `a la th´eorie actuarielle du risque. Il appert que le concept de taux de croissance th´eorique du risque pour un actif peut avoir de multiples applications, notamment pour - la projection des r´esultats d’investissement, - l’´evaluation des r´eserves de fluctuation quant au rendement d’un portefeuille d’investissement, - la d´efinition des mesures du risque d’un portefeuille. Le pr´esent expos´e s’inspire grandement d’une m´ethode rationnelle propos´ee par B¨ uhlmann (confer la r´ef´erence [1] de la bibliographie, page 15), fond´ee sur les principes des sciences actuarielles, pour d´eterminer ce rendement, que nous appellerons le taux de croissance th´ eorique du risque. Il explique comment exprimer les conditions de s´ecurit´e sous-jacentes `a l’´evaluation, et comment obtenir ce taux de croissance th´eorique du risque sur la base de ces hypoth`eses subjectives. Il importe de relever que, contrairement aux pratiques comptables usuelles, l’´evaluation actuarielle du rendement d’un investissement ne peut prendre tout son sens qu’`a la condition expresse que soient pris en consid´eration des portefeuilles complets d’actifs suffisamment diversifi´es pour justifier le raisonnement statistique dont nous ferons ici usage.

3

2

Evaluation d’un portefeuille d’actifs

Il semble essentiel de relever que les techniques d’´evaluation des portefeuilles d’investissement, telles que propos´ees par les pratiques comptables usuelles, ont tendance `a g´en´erer des r´esultats par une approche “ascendante”, dans la mesure o` u la valeur du portefeuille est obtenue en additionnant les valeurs intrins`eques des actifs qu’il contient. Cette m´ethode est d´esu`ete, ne serait-ce qu’en regard des produits d´eriv´es, qui peuvent ˆetre d´etenus en association avec l’actif sous-jacent ou sans celui-ci; la valeur du produit d´eriv´e de l’entreprise n’est alors pas la mˆeme dans les deux cas. Afin de mieux se repr´esenter ce concept, examinons le probl`eme suivant: Probl` eme 1 Soit G0 la valeur de notre portefeuille d’investissement au moment t = 0, et soit G1 , G2 , . . . , Gn le d´eveloppement stochastique de G0 dans le temps, sans qu’il y ait d’investissement suppl´ementaire. ck au temps t = k? Quelle est, d`es lors, l’estimation de la valeur G

6 XXX Gk .. .J ... J  ... J  .... JJ  ..    @ ,  @ ,  @, 

0



... ... ... .... .... ... ... ... k

-

n

Fig. 1 – Evolution de Gn dans le temps Remarques : Afin de mettre en ´evidence l’aspect stochastique de ce probl`eme, il faut prendre comme point de d´epart le temps t = 0 et s’efforcer de pr´evoir la croissance de G0 pendant n intervalles de temps. ck permet d’obtenir des r´eserves de flucIl est ´evident que l’estimation de G tuations coh´erentes; ce probl`eme met donc en lumi`ere une mani`ere bien

4

plus ´elabor´ee d’arriver ` a de telles r´eserves que par le biais des pratiques usuelles qui se basent, par exemple, sur les valeurs initiales, ck = G0 , ou alors sur les valeurs minimales, par exemple `a savoir G ck = min (G0 , Gk ) au temps t = k. G D´ efinition 1 Sachant que Zj est le taux de croissance stochastique de la valeur de march´e d’une unit´e d’un portefeuille d’investissement, et que Wj est le taux de croissance attendu (c’est-` a-dire que Wj est un estimateur de Zj ), d´efinissons: Gk := G0 · Z1 · Z2 · · · · · Zj · · · · · Zk ck := G0 · W1 · W2 · · · · · Wj · · · · · Wk . et G

(1) (2)

ck , notre probl`eme devient le suivant: Ayant ainsi explicit´e Gk et G Probl` eme 2 Connaissant la loi de probabilit´es de (Zj )j=1,2,...,n , il s’agit de d´eterminer les projections (Wj )j=1,2,...,n des taux de croissance th´eorique du risque. Notons que, pour la partie th´eorique de cet expos´e, nous travaillerons avec n = ∞.

5

3

Exemple concret

Au cours de la derni`ere d´ecennie, l’Indice Suisse des Performances SPI a subi les variations suivantes: 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

+ + + − + + + + + +

15,9 % 17,6 % 50,8 % 7,6 % 23,1 % 18,3 % 55,2 % 15,4 % 11,7 % 11,9 %

Ainsi, les valeurs observ´ees du taux de croissance stochastique sont:  Z1 = 1,15909    Z2 = 1,17648     Z3 = 1,50799     Z4 = 0,92381     10 Z5 = 1,23059 Y Zj = 6,18849. Z6 = 1,18296   j=1  Z7 = 1,55189     Z8 = 1,15364     Z9 = 1,11692     Z10 = 1,11909 En consid´erant les Zj , j = 1, 2, . . . , 10, comme ´etant ind´ependants et identiquement distribu´es, nous pouvons estimer le taux de croissance annuel i∗ , sur la base de ces dix ann´ees d’observation, comme ´etant Q10 = 6,18849, (1 + i∗ )10 = j=1 Zj √ ∗ d’o` u 1 + i = 10 6,18849 = 1,19994, et enfin i∗ = 19,99 %. Toutefois, ce taux de croissance de 19,99 % ne constitue qu’une mesure des r´esultats pass´es. Afin de pr´evoir les r´esultats futurs `a partir de cette mesure et de s’assurer de la fiabilit´e de cette pr´evision, nous nous voyons oblig´es d’´etudier bien plus en d´etail la structure stochastique du taux de croissance (Zj )j=1,2,...,10 . 6

4

D´ efinitions de th´ eorie du risque

D´ efinition 2 Soit R est le niveau de risque du portefeuille, quel que soit k = 1, 2, . . . , n. On a alors l’´egalit´e suivante: # " −R 1 (3) Zk E ϕk−1 = 1. 1 + ik Cette d´efinition n´ecessite davantage d’explications: en particulier, son aspect un peu abstrait ne devrait pas poser de probl`emes. Tout le reste du pr´esent expos´e consistera `a tenter d’en ´eclairer le sens. Observons au pr´ealable que: i). E[ · |ϕk−1 ] repr´esente l’esp´erance conditionnelle d’une variable al´eatoire, connaissant toutes les informations ϕk−1 au temps t = k − 1. ii). Les quantit´es inconnues exprim´ees dans l’´equation repr´esentent, – pour ik , le taux de croissance th´eorique du risque pour l’intervalle de temps [k − 1, k], – pour R, une mesure du risque. Cela signifie que le taux de croissance ik est celui que nous recherchons. Quant `a R, cette mesure du risque n´ecessite de plus amples d´eveloppements. Les experts en th´eorie du risque auront bien ´evidemment identifi´e le coefficient d’ajustement, ou constante de Cram´er-Lundberg, utilis´e pour donner une borne sup´erieure `a la probabilit´e de la ruine Ψ(x). En effet, soient – u > 0 le capital initial, – c > 0 la somme des primes encaiss´ees – N un processus de Poisson(λ) qui repr´esente le nombre de sinistres survenus au cours de l’intervalle de temps [0, t], – Yk , pour k ∈ N, des variables al´eatoire positives, ind´ependantes et identiquement distribu´ees, qui d´esignent le montant de chacun des N (t) sinistres. Alors on a N (t) X Ψ(x) = u + c · t − Yk . k=1

7

5

Interpr´ etation de R

En se penchant `a nouveau sur le processus stochastique (Gk )0≤k≤n , servons-nous de ik , pour k = 1, 2, . . . , n, et, afin de construire un intervalle de confiance autour de ce processus, posons Finf < 1 et Fsup > 1. Observons sur la figure 2 que la limite sup´erieure de l’intervalle de confiance prend pour ordonn´ee `a l’origine la valeur G0 Fsup alors que sa limite inf´erieure est G0 Finf ; de plus, ces deux limites ´evoluent de concert avec le taux de croissance th´eorique du risque. Q G0 · Fsup kj=1 (1 + ij ) Gn

6

XXX J  J Q  J G0 · Finf kj=1 (1 + ij )  JJ 

G0 · Fsup @ ,  @ ,  @, G0 



G0 · Finf -

0

k

n

Fig. 2 – Intervalle de confiance pour Gn Proposition 1 La probabilit´e que le processus stochastique (Gk )0≤k≤n sorte de notre intervalle de confiance par sa limite sup´erieure est facile ` a ´evaluer au moyen de la formule  R 1 − Finf (4) P [sortie par le haut] =  F R . inf 1− F sup Remarques : La valeur initiale G0 du portefeuille d’investissement n’apparaˆıt pas dans l’expression de cette probabilit´e de sortie. La formule ´etant ´elabor´ee (et donc valable) pour n = ∞, alors, a fortiori dans le cas o` u n serait fini, plus l’intervalle de confiance sera ´etroit, meilleure sera l’approximation. 8

D´ emonstration Remarquons que, d’apr`es l’´equation (1) de la d´efinition 1: Gk := G0 · Z1 · Z2 · · · · · Zj · · · · · Zk et l’´equation (3) de la d´efinition 2,  !−R  k Y 1  Gk  1 + i j j=1

est une martingale.

k=0,1,2,...

En d´efinissant T comme le temps de sortie (qui, pour tout mod`ele raisonnable, peut ˆetre consid´er´e comme une valeur finie avec une probabilit´e de 1), et en appliquant le th´eor`eme d’arrˆet des martingales au temps d’arrˆet T , nous obtenons que  !−R  T Y 1  = (G0 )−R . E  GT 1 + ij j=1 Si la sortie a lieu exactement aux limites de notre intervalle de confiance, alors

+

(G0 Finf )−R P [sortie par le bas] −R G0 Fsup P [sortie par le haut] = (G0 )−R .

Par ailleurs, puisque nous partons du principe que la sortie se r´ealisera avec une probabilit´e de 1, nous devons ´egalement avoir P [sortie par le bas] + P [sortie par le haut] = 1, soit P [sortie par le bas] = 1 − P [sortie par le haut]. D’o` u, par substitution,

+

(G0 Finf )−R (1 − P [sortie par le haut]) −R G0 Fsup P [sortie par le haut] = (G0 )−R ,

soit (G0 Finf )−R − +

(G0 Finf )−R P [sortie par le haut] −R G0 Fsup P [sortie par le haut] = (G0 )−R .

9

En divisant le tout par (G0 )−R , on obtient h i −R (Finf )−R + Fsup − (Finf )−R · P [sortie par le haut] = 1, ou encore h i −R Fsup − (Finf )−R · P [sortie par le haut] = 1 − (Finf )−R . Ainsi, en divisant l’´equation ci-dessus par (Finf )−R , elle devient:    1 Fsup −R − 1 · P [sortie par le haut] = − 1, F inf (Finf )−R soit    F R inf − 1 · P [sortie par le haut] = (Finf )R − 1. F sup

On en tire ais´ement (Finf )R − 1 1 − (Finf )R P [sortie par le haut] =  =  F R , R F inf inf − 1 1 − F F sup

sup

qui est la formule ´enonc´ee dans la proposition 1, quod erat demonstrandum. z

Application num´ erique: En choisissant Finf = les valeurs suivantes:

1 2

et Fsup = 2, on obtient

R P [sortie par le haut] 0,1 0,517 0,5 0,586 1 0,667 2 0,800 3 0,889 4 0,941 Fig. 3 – Diff´erentes valeurs de P [sortie par le haut] selon le choix de R

10

6

R : une mesure du risque

Admettons que, d’apr`es certains crit`eres, nous nous soyons d´etermin´e quant au choix de l’intervalle de confiance d´efini par Finf et Fsup (par exemple, 12 et 2, respectivement). Le fait de fixer la probabilit´e de d´epassement de la limite sup´erieure (par exemple `a 80%) nous permet d’obtenir, grˆace `a la proposition 1, la valeur exacte de R (dans le cas d’esp`ece, nous obtiendrions R = 2): afin de d´eterminer le taux de croissance th´eorique du risque au niveau de risque R, il suffit d’appliquer la formule (3) ´enonc´ee dans la d´efinition 2 avec la valeur de R obtenue, et nous trouvons toutes les valeurs de ik , pour k = 1, 2, . . . , n (confer le tableau de la figure 3, page 10). Appliquons cette proc´edure pour le cas o` u les (Zk )k=1,2,... seraient ind´ependants et identiquement distribu´es, et o` u leur distribution serait log-normale, d’esp´erance µ et de variance σ 2 . Evidemment, nous allons dans ce cas obtenir un taux de croissance qui sera identique quel que soit l’intervalle de temps consid´er´e... 1 En posant e−δ = 1+i et en se servant de l’´equation (3) ´enonc´ee `a la d´efinition 2 du paragraphe 4, nous obtenons: " −R # h −R i 1 −δ 1=E Zk = E e Zk 1+i

= eRδ · E [Zk ]−R  −R = eRδ · E e−R·log Zk , σ2

2

d’o` u eRδ · e−µR+ 2 ·R = 1 ≡ e0 . Et donc, du fait de la bijection de la fonction exponentielle, nous arrivons, en identifiant les exposants, `a R(δ − µ) +

σ2 · R2 = 0, 2

ou encore, en divisant par R, σ2 δ =µ− · R. 2 Ce r´esultat, tr`es intuitif, nous montre que l’intensit´e de croissance atten2 due µ est diminu´ee de R · σ2 pour donner l’intensit´e de croissance th´eorique du risque δ.

11

7

Proc´ edure non param´ etrique

Il est `a relever que la proc´edure d´evelopp´ee dans le paragraphe pr´ec´edent peut aussi porter ses fruits sans hypoth`eses param´etriques quant `a la distribution des taux de croissance stochastiques. Postulons simplement que les (Zk )k=1,2,... sont ind´ependants et identiquement distribu´es, et que le taux de croissance th´eorique du risque est ind´ependant de l’intervalle de temps k consid´er´e. Notre ´equation originelle (confer d´efinition 2) devient alors " −R #  −R h i 1 1 −R 1=E Zk = · E (Zk ) , 1+i 1+i ou encore

" E

1 Zk

R #

 =

1 1+i

R .

(5)

Si nous avons relev´e n valeurs de Zj , il est alors assez logique d’estimer la partie de gauche de l’´equivalence (5) par n

1X Eˆ = n j=1



1 Zj

R .

En appliquant cette proc´edure `a l’exemple ´etudi´e au paragraphe 3, toujours avec Finf = 12 et Fsup = 2 (confer l’application num´erique de la figure 3, page 10), nous obtenons:

Application num´ erique: – pour R = 1 (c’est-`a-dire pour P [sortie par le haut] = 66,7 %), Eˆ = = = = d’o` u i =

 10  1 X 1 · 10 j=1 Zj   1 1 1 1 1 1 1 · + + + ... + + + 10 Z1 Z 2 Z3 Z8 Z9 Z10 0.84164 1 , 1+i 1 1 −1= − 1 = 18,82 %. 0,84164 Eˆ

12

– pour R = 2 (c’est-`a-dire pour P [sortie par le haut] = 80,0 %), Eˆ = = = = d’o` u i =

2 10  1 X 1 · 10 j=1 Zj  2  1 12 12 12 12 1 2 1 · + + + ... + + + 10 Z1 Z2 Z3 Z8 Z9 Z10 0,72199 2  1 , 1+i 1 1 p −1= √ − 1 = 17,69 %. 0,72199 Eˆ

– pour R = 3 (c’est-`a-dire pour P [sortie par le haut] = 88,9 %), Eˆ = = = = d’o` u i =

3 10  1 X 1 · 10 j=1 Zj  3  1 1 13 13 13 13 1 3 · + + + ... + + + 10 Z1 Z2 Z3 Z8 Z9 Z10 0,63070  3 1 , 1+i 1 1 p √ − 1 = − 1 = 16,61 %. 3 3 0,63070 ˆ E

Ces taux doivent ˆetre compar´es `a celui de 19,99 %, qui correspond au taux de croissance d´eterministe, observ´e par le pass´e (confer paragraphe 3, page 6).

13

8

Conclusion

Nous avons ainsi ´etabli une mani`ere de d´eterminer relativement facilement un taux de croissance th´eorique du risque pour les actifs. Rappelons que nous avons eu recours: – `a la distribution de probabilit´e des taux de croissances stochastiques Zj (ou `a des statistiques donn´ees permettant d’en inf´erer cette distribution), – au choix, forc´ement subjectif, du niveau de risque que l’investisseur serait prˆet `a courir (autrement dit, `a la d´etermination de la probabilit´e que le processus stochastique (Gk )0≤k≤n d´epasse, par sa limite sup´erieure, l’intervalle de confiance auquel il avait ´et´e astreint), – `a un intervalle de confiance d´efini par Finf et Fsup , qui peut ˆetre interpr´et´e comme une strat´egie nous pr´evenant `a quel moment notre portefeuille d’investissement doit ˆetre restructur´e. Au sujet de cette derni`ere exigence, si l’on d´efinit T comme ´etant le temps stochastique de s´ejour dans les limites convenues (c’est-`a-dire la dur´ee pendant laquelle nous d´esirons garder notre portefeuille sans y op´erer de changement), il semble naturel d’appeler T l’horizon-temps du portefeuille d’investissement. Evidemment, plus la marge convenue est large, plus l’horizon-temps est long, et inversement. Il faut relever que l’analyse du temps de s´ejour escompt´e E[T ] permettrait d’expliquer plus clairement cette id´ee: en effet, on pourrait 1 montrer que cette quantit´e d´epend du choix de Finf et Fsup . Esp´erons que l’outil propos´e supra facilitera la gestion du risque th´eorique d’un portefeuille d’actifs. Il serait certainement fort instructif de voir ces id´ees appliqu´ees dans la pratique et de tirer les enseignements de l’application de la proc´edure propos´ee.

1. A ce sujet, confer les m´ethodes d´evelopp´ees par Wald pour les tests s´equentiels, qui permettent de calculer pr´ecis´ement E[T ], ou alors confer la r´ef´erence [5] de la bibliographie, o` u Gerber donne une formule exacte pour le calcul de E[T ], cette grandeur n’´etant fonction que de Finf , de Fsup et du taux d’int´erˆet.

14

Bibliographie [1] H. B¨ uhlmann. Collective Risk theory for Assets, in North American Actuarial Journal, janvier 1997. [2] N. L. Bowers, H. U. Gerber, J. C. Hickman, D. A. Jones, C. J. Nesbitt. Actuarial Mathematics, Second Edition, The Society of Actuaries, 1997. [3] H. Schmidli. Characteristics of ruin probabilities in classical risk models with and without investment, Cox risk models and perturbed risk models, in 15th Memoirs, D´epartement de Statistiques th´eoriques de l’Universit´e de ˚ Arhus, Danemark, 2000. [4] B. Bayart. Joli manuel pour LATEX 2ε , in Guide local de l’Ecole Sup´erieure d’Ing´enieurs en Electrotechnique et Electronique, France, d´ecembre 1995. [5] H. U. Gerber. Cours de Th´eorie du Risque II, Ecole des Hautes Etudes Commerciales, Universit´e de Lausanne, Suisse, 2002.

15

Related Documents


More Documents from "Ongollo Regis"

C++.docx
October 2019 86
El Gran Aviso.pdf
June 2020 39
El Proyecto.docx
October 2019 70
Corrientes Inducidas.docx
October 2019 60