Risques, Rentabilite Et Produits Derives en Gestion D'actifs

AUTEUR : BENJAMIN GACOIN
RISQUES, RENTABILITE ET
PRODUITS DERIVES
EN GESTION D’ACTIFS
MAJOR : FINANCE
RESPONSABLE DE MEMOIRE : ALOIS KANYINDA KASANDA
FORMAT RETENU : MEMOIRE DE RECHERCHE
REIMS MANAGEMENT SCHOOL
TEMA
2004-2005
PROJET DE FIN D’ETUDES
L’école Tema n’entend donner aucune approbation ni improbation aux

opinions émises dans les Projets de Fin d’Etudes. Ces opinions doivent
être considérées comme propres à leurs auteurs.
REMERCIEMENTS
REMERCIEMENTS
Par ces quelques lignes, je tiens à remercier tout particulièrement Monsieur

Alois KANYINDA, mon tuteur, pour l’aide précieuse qu’il m’a apportée dans la
réalisation de ce mémoire. Il a toujours été présent pour suivre l’avancée de mon
travail et pour me prodiguer des conseils, notamment en terme de méthodologie.
Je remercie également le département finance de Reims Management School

dont l’enseignement m’a donné des bases solides, et notamment Stéphane
DUBREUILLE dont le cours de gestion de portefeuille m’a permis d’élaborer la partie
empirique de ce projet.
Un grand merci également à Michaël MENNEVEE, risk manager chez Calyon

dont les explications pratiques m’ont donné la possibilité d’éprouver mes hypothèses
à la réalité du marché.
Je remercie enfin ma famille et mon amie pour être parvenues à me

supporter alors que les mots « produits dérivés » prenaient une place
prépondérante dans mon vocabulaire et rythmaient mon quotidien.
Risque et rentabilité dans la gestion d’actifs 2

RESUME
RESUME
Les produits dérivés ont connu un essor considérable ces dernières années,
tant en terme de volumes traités que d’innovations techniques. Il est donc opportun
de s’attarder sur leur fonction principale, la couverture, dans le cadre d’une gestion
d’actifs dynamique.
A première vue, leur impact est difficilement quantifiable. Cependant, la
théorie financière veut que l’on associe toujours risque et rendement. D’où
l’affirmation qu’une diminution du risque ne semble possible qu’au détriment de la
rentabilité.
L’intérêt de cette étude sera donc d’analyser dans quelles mesures les
produits dérivés peuvent représenter un levier pour la rentabilité des actions dans la
gestion d’actifs.
Nous diviserons notre exposé en deux parties. Une partie empirique

présentera la gestion d’actifs, les produits dérivés, et les principales théories de
gestion de portefeuille. Une partie empirique analysera effectivement l’impact des
produits dérivés de couverture sur la rentabilité des actions en gestion d’actifs, afin
de répondre à la question centrale de ce mémoire.

TABLE DES MATIERES
TABLE DES MATIERES
INTRODUCTION ...........................................................................................5
1. LA GESTION D’ACTIFS........................................................................7
1.1. Les acteurs de la gestion d’actifs........................................................... 7
1.2. Les différents actifs .............................................................................. 8
1.3. Les étapes de la gestion d’actifs...........................................................11
1.4. Les produits de la gestion d’actifs.........................................................13
2. LES PRODUITS DERIVES DE COUVERTURE......................................15
2.1. Les contrats à terme ...........................................................................15
2.2. Les SWAPS .........................................................................................21
2.3. Les options .........................................................................................24
3. LES RISQUES ET LEUR GESTION ......................................................34
3.1. Le risque politique...............................................................................34
3.2. Le risque d’exploitation........................................................................36
3.3. Le risque de change ............................................................................38
3.4. Le risque de matières premières ..........................................................40
3.5. La volatilité .........................................................................................43
4. LA GESTION DE PORTEFEUILLE EN AVENIR INCERTAIN.................46
4.1. Rentabilité ..........................................................................................46
4.2. Modèle de marché, risque systématique et diversification ......................47
4.3. La frontière efficiente ..........................................................................54
4.4. Modèle d’équilibre et prix du risque ......................................................58
5. ETUDE EMPIRIQUE...........................................................................62
5.1. Rappel de la problématique .................................................................62
5.2. Hypothèses.........................................................................................63
5.3. Définition des portefeuilles...................................................................67
5.4. Performances sans couverture .............................................................70
5.5. Performances avec couverture .............................................................75
5.6. Conclusion générale ............................................................................89
CONCLUSION .............................................................................................91
BIBLIOGRAPHIE ........................................................................................93
ANNEXES ....................................................................................................95
TABLE DES REFERENCES..........................................................................113

INTRODUCTION
INTRODUCTION
Depuis quelques années, la gestion d’actifs connaît un développement sans

précédent favorisé par l’apparition de nouveaux produits financiers toujours plus
adaptés aux besoins des investisseurs, initiés par les ingénieurs financiers. De plus,
la concurrence, la spéculation et le mécanisme d’arbitrage de plus en plus
importants sur les marchés les rendent quasiment efficients et permettent aux cours
des titres de refléter leur valeur intrinsèque. Ceci est également favorisé par une
meilleure circulation de l’information entre les différents acteurs du marché. Les
entreprises, les investisseurs privés et institutionnels ont désormais la possibilité de
céder les risques qu’ils supportent dans leurs activités ou dans leurs prises de
position aux acteurs capables de les gérer au mieux.
Les actifs financiers ou les matières premières sont soumis au risque de

fluctuation aléatoire des prix. Ces fluctuations aléatoires des prix d’actifs financiers
sont généralement modélisées à l’aide des processus stochastiques. Le processus le
plus utilisé étant le processus de Wiener ou encore le mouvement Brownien
géométrique. Ce risque se mesure à partir du concept de dispersion : variance et
écart type.
Depuis l’abandon du taux de change fixe, il a été observé une hausse
significative de la volatilité des taux de change, des matières premières et de
certains actifs financiers. De plus, le véritable essor des marchés financiers a
coïncidé avec l’introduction des instruments assurant une protection contre le risque
de fluctuation associé à des actifs financiers. Face à l’aversion au risque et au
développement des produits de couverture de plus en plus complexe, nous sommes
donc amenés à nous interroger sur l’impact et la motivation de la maîtrise du risque
de fluctuation sur la rentabilité dans le choix et la gestion de portefeuille.
Les instruments de couverture développés en vue de protéger les opérateurs
contre le risque de volatilité des prix des actifs financiers et des matières premières
en particulier sont nombreux et diversifiés. Ces instruments peuvent être fermes
(contrat forward, et contrat futures) ou de nature optionnelle (produits dérivés :
option, warrant, etc.). Ils s’échangent sur des marchés organisés ou sur les
marchés de gré à gré.

INTRODUCTION
Les apports quantitatifs et qualitatifs des travaux de Bachelier (1900), P.

Samuelson (1965), Henry McKean (1965) ou Merton (1969) ont contribué à la
généralisation de la théorie de l’arbitrage, élément central de la valorisation des
produits dérivés. Malgré ces avancées théoriques, il a fallu attendre les travaux de
Black & Scholes (1973) pour voir émerger les marchés des produits dérivés et leur
utilisation. Sur ces marchés, participent les hedgers, les spéculateurs et les
arbitragistes. La théorie de l’arbitrage a été également complétée par les apports
des travaux de Harrison & Kreps puis de Harrison & Pliska (1981).
Dans le cadre de notre mémoire et compte tenue de l’émergence des

marchés des produits dérivés et du nombre croissant de couvertures, nous nous
sommes posé la question suivante : « Les produits dérivés de couverture
constituent-ils un frein ou un levier à la rentabilité dans la gestion
d’actifs ? ».
Rappelons toutefois qu’en théorie financière, depuis les travaux de

Markowitz (1952 et 1959), sur la moyenne-variance, complétés par les travaux de
Sharpe (1964), Lintner (1964 et 1969), Mossin (1966) une relation indissociable a
été établie entre le risque et la rentabilité. Le fond de notre interrogation est de
savoir si une relation forte entre les produits dérivés, le risque et la rentabilité des
actifs financiers, qui s’est établie avec le développement des marchés financiers des
produits dérivés apporte une plus-value supplémentaire sur investissement dans la
perspective d’une gestion dynamique d’actifs financiers.
Ce projet de recherche s’articule autour de plusieurs axes qui se diviseront

comme suit : il sera tout d’abord question d’une introduction à la gestion d’actifs.
Nous verrons ensuite les différents produits dérivés existant avant d’analyser les
risques qu’ils permettent de couvrir. La quatrième partie sera consacrée aux
théories de gestion de portefeuille qui amèneront à une proposition de modélisation
de couverture de portefeuille. Enfin, nous conclurons sur notre problématique au
regard des différents points que nous aurons abordés au sein de ce mémoire de
recherche.

LA GESTION D’ACTIFS
1. LA GESTION D’ACTIFS
Dans cette partie, il sera question d’un panorama global de la gestion

d’actifs, de ses acteurs, en passant par les produits financiers traités jusqu’aux
stratégies mises en œuvre.
1.1. Les acteurs de la gestion d’actifs
Les deux principales classes d’acteurs de la gestion d’actifs sont, d’une part
les investisseurs, d’autres part les gérants. Ceux-ci investissent sous forme de
gestion institutionnelle ou de gestion privée. Cependant, comme le démontre le
schéma ci-dessous un investisseur peut également être gérant s’il investit pour
compte propre, alors qu’un simple gérant place normalement sur les marchés pour
compte de tiers. La limite entre investisseurs et gérants est donc très floue et leurs
rôles peuvent parfois se confondre (voir Figure 1).
Investisseurs
Gérants
Source : JEAN MATHIS Gestion D’actifs
Figure 1 – Les acteurs de la gestion d’actifs
Ci-dessous sont présentés les principaux investisseurs institutionnels1 qui

interviennent dans la gestion d’actifs :
• Les fonds de pensions : ils sont constitués d’un capital dont le but est
d’assurer le paiement de prestations de retraite des salariés ayant cotisé. Ce
système de retraite est très répandu en Amérique du Nord et au Royaume-Uni.
Ils peuvent être divisés en 2 catégories : la première comprend les fonds de
pension indépendants et non indépendants, la seconde englobe les fonds à
prestations définies et les fonds à cotisations définies.
1
D’après JEAN MATHIS (2002) Gestion d’Actifs

• Les sociétés d’assurance : ces entités peuvent prendre la forme de sociétés

ou de mutuelles et leur fonction principale est de fournir des prestations
d’assurance (vie, accident, etc.…), de collecter et de placer l’épargne.
• Les organismes de placement collectif (OPC) : par ces structures
financières, des investisseurs mettent leurs fonds en commun pour investir dans
un portefeuille de valeurs mobilières. L’OPC est donc un investisseur
institutionnel intermédiaire entre le marché et les investisseurs finaux.
• Les banques : la banque peut agir comme « simple » gérant si elle place les
fonds à leur demande; ou peut être considérée comme investisseur
institutionnel si elle investit pour compte propre, c'est-à-dire si elle place sur le
marché les dépôts de ses clients.
1.2. Les différents actifs
Nous aborderons ici les différents actifs afin de mieux comprendre l’un des
composants majeur de cette étude. En effet, seule la rentabilité des actions sera
étudiée dans ce projet, mais on ne peut ignorer les autres composantes de la
gestion d’actifs qui permettent la mise en place et le développement de stratégies
d’investissement complexes.
1.2.1. Action
L’action est l’actif le plus négocié sur les marchés financiers et celui vers qui
le regard des investisseurs privés ou institutionnels se tourne en priorité.
Pour mieux comprendre son rôle et son fonctionnement en voici une
définition1 : l’action est un titre de propriété représentant une partie du capital d’une
entreprise et qui confère à son possesseur différents droits comme le droit de vote
au conseil d’administration, le droit à l’information et la participation aux bénéfices
(dividendes). Par ailleurs, ce titre est valorisable sur le marché secondaire en
fonction des performances de l’entreprise et peut être revendu à tout moment en
fonction de sa liquidité. C’est un titre à revenu variable.
En France, l’indice de référence est le CAC 40 dont les performances
représentent la tendance globale des actions des quarante plus grandes entreprises
1
D’après CLAUDE-DANIELE ECHAUDEMAISON (1996) Dictionnaire d’économie et de sciences sociales

françaises. A titre d’exemple ce marché a cru de 19% en 2003 et d’environ 9% en

2004 contre des performances très médiocres depuis trois ans.
La reprise des investissements, l’amélioration des résultats des entreprises
après l’éclatement de la bulle spéculative liée aux nouvelles technologies ainsi que
l’amélioration de la conjoncture sont les principales raisons qui portent cette
croissance aujourd’hui. D’après Dominique Sabassier, stratège chez Banque
Populaire Asset Management, « l’action reste la classe d’actifs la plus attrayante
aujourd’hui ».
Cet actif servira de base aux démonstrations qui seront faites dans les
chapitres suivants puisque c’est la couverture de son risque qui sera analysée.
1.2.2. Obligation
A l’inverse de l’action qui est un titre de propriété, l’obligation est un titre de

dette. En effet, ce titre représente la part d’un emprunt long terme émis par un
Etat, une collectivité publique, une entreprise nationale ou privée.
Les principales caractéristiques d’une obligation sont : son prix d’émission,
son coupon, sa périodicité, son prix de remboursement et sa date d’échéance. Une
obligation est négociable directement sur les marchés financiers. Par ailleurs,
l’obligation ne donne aucun droit spécifique sur les bénéfices de l’entreprise mais
son remboursement est prioritaire en cas de faillite.
Les taux de rémunération des créanciers sont fixés en fonction de la notation
effectuée par des instituts de « rating » comme Fitch, Moody’s et autre.
C’est grâce à cette notation sur le risque de faillite des entreprises que des
sociétés très risquées émettent des « junk bonds ». Ceux-ci offrent aux
investisseurs des rendements très élevés en contrepartie d’un risque de faillite
important. On peut citer ici l’exemple Parmalat qui offrait des coupons entre 10 et
15% pour attirer les investisseurs afin d’éviter la mise en faillite de l’entreprise.
Enfin, les obligations peuvent prendre des formes très variées comme les
obligations convertibles en action, les obligations 0 coupon ou les « reverse
convertible ».
L’obligation a été privilégiée pendant la baisse des marchés. Mais le retour à

la rentabilité des grandes entreprises ainsi que les baisses successives des taux
d’intérêts directeurs ont contribué à faire chuter les volumes et les prix du marché

des obligations. Ces valeurs peuvent être considérées comme des valeurs refuges et
offrent donc moins d’intérêt en cas de croissance du marché.
1.2.3. Monétaire
Ce placement est le placement le plus sécurisé pour les investisseurs puisque

les devises sont historiquement beaucoup moins volatiles que les actifs
précédemment cités. Il n’offre en contrepartie qu’une rémunération du risque très
réduite. Pour exemple, là où la rentabilité des actions atteint 9% en 2004 et la
rentabilité des obligations 5% environ, les placements en trésorerie n’ont offert que
2% de rendement aux investisseurs pour cet exercice. L’indice de base pour ces
placements en Europe est l’indice EONIA et les sociétés de gestion parviennent à
dégager une prime par rapport à cette base qui peut atteindre 1,5% au mieux.
Ce type de placement est essentiellement utilisé par les entreprises et

consiste en un placement des trop pleins de liquidités sur le marché monétaire à
des horizons divers. Il peut s’agir de placement « over night » ou à deux ou trois
mois par exemple. L’intérêt de ce type de placement est la disponibilité immédiate
des liquidités en cas de besoin. En octobre 2004, d’après La Tribune, les actifs sous
gestion des OPCVM de trésorerie représentaient environ €328 milliards contre €290
milliards à fin 2003.
1.2.4. Immobilier
L’immobilier est l’un des autres produits pris en compte dans la gestion
d’actifs. Il consiste en l’achat de logements ou de bâtiments en vue d’augmenter ses
profits grâce aux loyers ou aux plus-values réalisées lors des reventes.
La pierre est l’un des placements à la mode depuis quelques années. En

effet, ce secteur traditionnellement défensif connaît une croissance soutenue en
France depuis sa chute très nette de l’année 99. On retrouve en effet les niveaux de
fin 98 en terme de ventes de logements neufs en France1. Par ailleurs, les prix sont
à leurs plus hauts historiques et un ajustement n’est donc pas à exclure.
1
Investir du 7 août 2004 : étude sur le développement de l’immobilier en France

Cependant les marchés restent confiants quant au potentiel des entreprises

dont les revenus sont issus de cette activité puisque l’indice des valeurs
immobilières et foncières en France gagne près de 32% sur un an en 2004.
Parmi les autres classes d’actifs existantes, nous pouvons citer les produits
dérivés que nous étudierons en détail au chapitre 2 de cet exposé.
1.3. Les étapes de la gestion d’actifs
Les actifs présentés ci-dessus ne représentent pas une liste exhaustive des
choix d’investissements qui s’offrent à l’investisseur. En conséquence, la méthode
décrite ci-après (Figure 2) permet de mieux aborder les décisions stratégiques et le
choix des actifs à détenir en portefeuille. En France, huit sociétés de gestion sur dix
possèdent un comité d’allocation d’actifs qui leur permet de prendre leurs grandes
décisions d’investissements (Les Echos).
Allocation stratégique Allocation tactique

Î Choix de la classe Î Choix des secteurs à
Choix des valeurs

Î Choix des valeurs en
fonction des prévisions des
Figure 2 - Les grandes étapes de la gestion d'actifs
1.3.1. L’allocation stratégique
La première étape d’un processus de gestion d’actifs est l’étape stratégique.

Celle-ci met en avant la relation entre l’investisseur et le gestionnaire par une
analyse des flux de liquidités futurs de l’investisseur et une analyse de son bilan. On
appelle cette étape la décision de gestion actif-passif.
Les choix stratégiques peuvent être annuels ou pluriannuels et amènent à la
détermination d’un portefeuille de référence ou benchmark (cf. chapitre 4) en
fonction des actifs choisis.

Par ailleurs, une description des objectifs peut également être effectuée
préalablement à cette étape. Cette « investment policy » porte essentiellement sur
l’horizon d’investissement et sur l’arbitrage risque/rendement (cf. chapitre 4).
L’investisseur et le gestionnaire doivent également prendre en compte les
contraintes et préférences d’investissement du premier nommé tout en gardant à
l’esprit le rendement attendu.
1.3.2. L’allocation tactique et le choix des valeurs
L’allocation tactique consiste à privilégier un secteur à un autre ; c'est-à-dire

surpondérer une catégorie d’actifs pour laquelle les prévisionnistes et les
responsables de la société de gestion sont optimistes, au détriment d’autres actifs
en s’écartant de l’allocation stratégique. Ces décisions sont prises par un comité de
placement.
Quant au choix des valeurs, il est réservé au gérant. En effet, il agit en

fonction de sa propre expertise et des conseils d’analystes. Le choix des valeurs est
un processus continu puisque le gérant ajuste au jour le jour ses positions en
fonction de l’orientation des marchés ou de mouvement de la conjoncture.
Le stratège1 joue un rôle très important dans ces deux étapes. En effet, en
plus d’être un artisan de l’allocation d’actifs, il est également prévisionniste et
conseiller. A ce titre, il peut définir une liste de valeurs recommandées en fonction
de ses prévisions géographiques et sectorielles. Néanmoins, lorsqu’il décide de
surpondérer ou de sous-pondérer un secteur, il ne tient pas seulement compte de
ses prévisions mais utilise également le travail des analystes financiers des sociétés
de gestion.
Nous allons maintenant voir la gamme de produits que la gestion d’actifs est
susceptible d’offrir.
1
Voir La Tribune du 6 avril 2004, le stratégiste, pilier de l’allocation d’actifs, par T. ISSAOUI

1.4. Les produits de la gestion d’actifs
1.4.1. La gestion classique
On peut également appeler ce produit la gestion collective. En effet, à

l’image des fonds de pension américains, il s’agit de fonds qui mettent en commun
les apports des investisseurs pour investir dans des valeurs mobilières classiques.
Les investisseurs détiennent alors des parts dans la structure globale.
La gestion classique est généralement rapportée à un benchmark et n’a quasiment
aucun recours aux produits sophistiqués que peuvent être les produits dérivés de
couverture ou les opérations de ventes à découvert utilisées dans les hedge funds
par exemple.
1.4.2. La gestion alternative
Cette catégorie de gestion est principalement représentée par les hedge

funds. A l’inverse de la gestion classique, les gérants utilisent des techniques
sophistiquées pour générer de la performance. Elles vont de l’utilisation de produits
dérivés à la vente à découvert en passant par l’effet de levier.
Par ailleurs, cette gestion tend à être décorrélée du marché et ne se réfère
donc pas directement à un benchmark.
Enfin, une caractéristique importante de ce type de produits est qu’il est
privé et son accès est donc limité à un nombre restreint d’investisseurs, notamment
les plus fortunés.
1.4.3. La gestion structurée
Ce sont des produits adaptés à des besoins spécifiques des investisseurs. On

retrouve ici deux catégories majeures ; l’une comprend les produits à capital garanti
qui offrent une garantie en contrepartie de possibilités de plus-value relativement
limitées ; l’autre, plus risquée, accorde à l’investisseur une espérance de revenu en
fonction de la performance d’un indice.

1.4.4. La multigestion
Ce produit de la gestion d’actifs comporte deux catégories : les « fonds de

fonds » et les « fonds de gérants ».
Les fonds de fonds proposent aux investisseurs un investissement dans les
meilleurs fonds disponibles et ceci n’est pas négligeable lorsqu’on connaît
l’abondance des fonds sur le marché à l’heure actuelle. Cette gestion peut paraître
simpliste mais le gérant doit sans cesse ajuster ses positions afin de rester dans un
processus de gestion active.
Les fonds de gérants consistent en une réunion de différents gérants
spécialisés (classe d’actifs ou style de gestion) dans une même équipe afin de
générer de la performance au sein du fond. Le promoteur évalue les gérants en
fonction de leurs performances historiques et de leur aptitude à anticiper le marché.
Un gérant peut, à tout moment, être exclu de la sélection s’il ne correspond plus
aux critères requis.
1.4.5. Le capital investissement
Ce terme générique regroupe tous les investissements dans des actions ou

parts de sociétés non cotées1.
Il peut s’agir :
• De « capital risque » qui regroupe le « capital création » consistant en une
participation dans la création d’une entreprise ou d’un projet ; le « capital
développement » c'est-à-dire la participation au financement du développement
d’une activité ; le refinancement ou l’achat sur le marché secondaire.
• De « capital non risque » qui consiste essentiellement en une participation au
rachat d’une entreprise avec effet de levier. On retrouve ici les LBO, MBO ou
MBI par exemple.
Ce chapitre introductif à la gestion d’actifs nous permet d’appréhender au

mieux l’environnement de l’analyse qui va suivre et d’en connaître les enjeux. Nous
allons maintenant analyser en détail les produits de couverture des risques.
1
D’après JEAN MATHIS (2002) La gestion d’actifs

LES PRODUITS DERIVES DE COUVERTURE
2. LES PRODUITS DERIVES DE COUVERTURE
Ce chapitre est principalement consacré aux produits dérivés disponibles sur

les marchés financiers. Notre objectif dans cette partie est d’en comprendre les
mécanismes.
La théorie financière offre une multitude de produits dérivés. Cependant,

dans le cadre de notre mémoire, nous aborderons uniquement trois types de
dérivés qui seront utilisés dans nos stratégies de gestion de portefeuille. Il s’agit
des contrats à terme, des SWAPS et des options. Ces instruments financiers ont
trois fonctions principales : se couvrir, arbitrer et spéculer. Nous nous attarderons
sur la première.
Le risque spécifique est géré par la construction d’un portefeuille diversifié
selon le concept de diversification raisonnée développé par Markowitz (1959). Les
produits dérivés sont donc utilisés en complément afin de couvrir le risque
systématique (voir chapitre 4).
Pour cela, il est nécessaire de suivre les cinq étapes du processus de gestion
des risques1. Il s’agit de l’identification du risque, de son évaluation, de la sélection
des techniques de couverture, de leur mise en œuvre et enfin de leur contrôle.
Notre démarche dans cette section consiste à définir les produits dérivés et à
présenter les méthodes d’évaluation de ces instruments.
2.1. Les contrats à terme
Un marché à terme propose principalement deux types de contrat,

susceptibles d’avoir différents supports. Ces deux contrats, (contrat forward et
contrat future), sont des contrats à terme identiques dans les principes, mais dont
les modalités d’exécutions sont différentes.
1
D’après JACQUILLAT & SOLNIK (2002) Marchés Financiers

2.1.1. Définition
Un contrat à terme est un engagement d’acheter ou de vendre une certaine

quantité d’un actif sous-jacent à une date d’échéance future et à un prix spécifié au
moment où est passé le contrat. La maturité du contrat est déterminante dans la
fixation du prix du contrat comme le démontre notamment les contrats sur devise.
Les contrats « forward » s’échangent sur les marchés de gré à gré (OTC)
tandis que les futures sont négociés sur des marchés organisés (CBOT, CME,
Euronext.LIFFE,…).
Les devises, les indices ou les matières premières constituent des actifs
sous-jacents privilégiés.
2.1.2. Différence entre les contrats
A travers cette définition, nous comprenons que le fonctionnement des

contrats est semblable mais il y a tout de même quelques différences notables :
• Le risque de crédit est éliminé grâce au dépôt de garantie et à l’appel de marge

pour le contrat future.
• Pour les futures, il existe une chambre de compensation par laquelle transitent
tous les ordres. Elle permet une meilleure transparence du marché et une
disparition du risque de contrepartie.
• La vente et l’achat s’effectuent aujourd’hui mais la livraison et le paiement se
font ultérieurement à un prix fixé par avance. Par ailleurs, les pertes et profits
ne sont visibles qu’à la date de livraison dans le cas des forwards.
• Les futures sont des contrats « marked to market », c'est-à-dire que les
bénéfices et pertes sur les contrats sont payés au jour le jour : les futures sont
assimilables à un portefeuille de forward à échéance jour.
• Les contrats futures sont standardisés (quantité d’actif sous-jacent, date
d’échéance,…) et fixés par les autorités de marché. Tandis que les forwards sont
privés et adaptés aux besoins des clients.
• Il est impossible de clôturer une position sur un contrat forward avant terme.
Dans le cas d’un future, l’investisseur peut en revanche annuler sa position en

prenant la position inverse sur le marché. C’est d’ailleurs pour cela que très peu
des contrats à terme ferme sont débouclés à l’échéance (seulement 1%).
• Les contrats futures sont cotés sur le marché de manière précise. Un contrat
future sur le pétrole est par exemple coté en USD par baril, les contrats sur
indices sont cotés en points d’indice (le point ayant une correspondance
monétaire),….
2.1.3. Les acteurs du marché du future
Sur les marchés à terme, interviennent divers acteurs dont notamment :

• Les autorités de marché : celles-ci fixent les règles des contrats et leurs
caractéristiques.
• La chambre de compensation : cette institution joue un rôle majeur dans les
transactions de contrats futures. C’est en effet par elle que transitent tous les
ordres en provenance d’intermédiaires non membres. A titre d’exemple, c’est
elle qui gère les transactions et réalise les appels de marge. Son but principal
est d’annuler le risque de contrepartie.
• Les investisseurs : ce sont les brokers ou courtiers qui placent les ordres de
leurs clients, ou les négociateurs individuels. Ces intervenants peuvent être
classés par horizon d’investissement : les prises de positions peuvent aller de
quelques minutes pour les uns à plusieurs jours pour les autres.
Le schéma ci-dessous (Figure 3) présente la position de la chambre de

compensation dans les échanges de contrats entre deux investisseurs.
Transaction
Membre 1 Membre 2
Achète Vend
Trade enregistré Trade enregistré
Chambre de compensation
Vend Achète
© Thomas Schindler
Figure 3 – Rôle de la chambre de compensation

2.1.4. Fonctionnement des contrats à terme
L’acheteur prend une position « longue » (il s’engage à acheter) et le

vendeur une position courte (il s’engage à vendre).
L’acheteur réalise donc un profit si le prix de l’actif support est supérieur au prix
spécifié à la date de l’échéance.
Le payoff (ou flux) peut alors être représenté par l’équation suivante : ST − K
Ce montant constitue concrètement le gain du détenteur du contrat.
Où K est le prix de livraison et ST , le prix spot de l’actif sous-jacent à l’échéance
du contrat. Cet instrument admet le principe de vase communicant dans la mesure

où les gains des uns sont les pertes des autres.
Le graphique ci-dessous présente la valeur d’un contrat comme suit :
∆V
Achat d’un CT
Avec ∆V, variation du prix du contrat

Et ∆P, variation du prix du sous-jacent.
∆P Figure 4 – Profil de gain d’un contrat à

terme
2.1.5. Evaluation et modélisation des contrats à terme
De nombreuses études empiriques ont été effectuées afin de savoir s’il

existait une véritable différence entre prix forward et prix future. Parmi celles-ci, on
peut citer Cornell et Reinganum qui ont étudié les prix des contrats sur devises
entre 1974 et 1979 (Livre sterling, Mark allemand, etc.), French qui a étudié le
cuivre et l’argent entre 1968 et 1980 et Rendleman et Carabini qui ont étudié les
prix des contrats sur les bons du trésor sur la période 1968-1980. Certains contrats
marquaient des différences significatives, notamment ceux portant sur l’argent et
les bons du trésor mais ces différences sont en majorité dues à des facteurs comme

la fiscalité ou les coûts de transaction. Il est donc intéressant d’étudier les

évaluations des deux types de contrats simultanément.
Nous allons tout d’abord voir l’application mathématique permettant

d’évaluer un contrat à terme, que celui-ci porte sur un actif d’investissement (or,
argent) ou un actif de consommation (pétrole). Avant cela, plusieurs
caractéristiques sont à noter : un contrat à terme présente toujours une valeur nulle
à sa création et son évolution est positive ou négative avec le temps.
De ce fait, la valeur du contrat n’est autre que la différence actualisée au
taux sans risque entre le prix du contrat à terme aujourd’hui et le prix de livraison.
f = (F0 − K)e
−rT
(Eq 1)
Où :
F0 = prix forward aujourd’hui
T = délai jusqu’à la date de livraison d’un contrat (en années)
r = taux sans risque
K = prix de livraison
f = valeur du contrat aujourd’hui
Afin de comprendre cette relation, il suffit de comparer un contrat avec un

prix de livraison F0 à un contrat dont le prix de livraison est K1. L’unique différence
entre ces prix est la différence des flux payés en T pour obtenir le sous-jacent. Pour
une position longue, le décaissement pour le détenteur du premier contrat sera F0
et K pour celui du second. La valeur actuelle de cette différence est ( F0 − K )e − rT . Le
premier contrat a donc moins de valeur que le second si F0>K. Or, par définition le
premier contrat a une valeur nulle, le second vaut donc ( F0 − K )e − rT .
Il est maintenant utile de modéliser le prix d’un future sur indice pour
conclure cette partie. En effet, chaque contrat future à une formule d’évaluation
différente mais nous n’en citerons qu’une ici.
Un indice sur action est considéré comme un actif d’investissement versant
des dividendes ; ceux-ci représentant l’ensemble des dividendes payés par les
1
Exemple tiré de JOHN HULL (2004) Options futures et autres actifs dérivés, 5ème édition.

sociétés prises en compte dans l’indice. Ils sont par ailleurs payés en continu à un
taux q et le prix futur du contrat se note F0. Nous avons donc la relation suivante :
F0 = SO e( r − q )T (Eq 2)
La valorisation théorique de ce type de contrat (F) de maturité T peut

s’écrire de la manière suivante1 :
I d
ρt
F= − ∑ dti × i (Eq 3)
ρT i =1 ρT
Où I est la valeur de l’indice, dt la valeur des dividendes détachés sur I aux dates ti.
ρt est le facteur d’actualisation de la courbe des taux cash pour la date t et s’écrit :
1
ρt = (Eq 4)
(1 + r )t
Concernant les études empiriques sur les prix des contrats futures, nous
pouvons ici citer Dusak qui a étudié les prix du contrat future sur le S&P500 ou
Houtthaker qui a étudié les prix des contrats futures sur le blé, le coton et le maïs
entre 1937 et 1957.
2.1.6. Exemple : le cas des futures sur action2
Jusqu’à ces jours, les contrats à terme portaient sur divers sous-jacent
exceptées les actions. Désormais il existe un marché à terme des actions. Ces
contrats à terme sur actions ne sont apparus aux Etats-Unis qu’en 2002. Depuis
1982, seul les futures sur indice permettaient de spéculer sur la volatilité des
actions.
Les futures sur action entraînent l’achat ou la vente d’actions aux conditions
fixées lors de la création du contrat (prix et échéance). La différence majeure avec
les options réside dans le fait que ces contrats donne l’obligation aux parties
d’acquérir ou de céder le sous-jacent à l’échéance du contrat alors que les options
sont des contrats asymétriques.
1
D’après Article de CHRISTOPHE CHAZOT (1997) dans Encyclopédie des Marchés Financiers
2
D’après un article de THOMAS URBAIN paru dans La Tribune le 1er juin 2004, Le rêve américain des futures sur
actions

La marge réclamée à l’émission n’est égale qu’à 20% de la valeur des

actions sous-jacentes, l’effet de levier est donc très important pour l’investisseur. A
titre d’exemple, si la parité du contrat est de 100, cela signifie que l’investisseur qui
a acheté un contrat s’engage en fait à acheter 100 actions à échéance. Le montant
à investir n’est donc plus égal au montant dépensé pour acheter le contrat.
Le marché à terme d’actions est en nette progression depuis sa création.

Pour exemple, le OneChicago, marché le plus actif des futures sur actions, a traité
375 400 contrats en mars 2004, soit 372% de mieux qu’en mars de l’année
précédente. Ce marché commence donc à attirer les investisseurs, même si ceux-ci
« connaissent encore mal ces produits" d’après Jeff Seyler, président de Sahara
Trading.
Malgré ce développement, les futures sur actions conservent une image de

produit dangereux liée au profil risqué des contrats futures. En effet, l’investisseur
paie une prime pour un seul contrat qui porte lui sur une quantité donnée d’actifs
sous-jacents (10 ou 100 par exemple). A échéance, il y a donc un effet de levier
important mais qui peut également jouer le rôle de massue en cas de mauvaise
anticipation, le souscripteur étant obligé d’exercer les termes de son contrat.
Cependant, ils pourraient devenir une alternative intéressante à la
diversification des portefeuilles en permettant à ses souscripteurs de couvrir les
risques de variations de marchés.
Nous allons maintenant analyser un instrument dérivé en plein essor, le

swap.
2.2. Les SWAPS
Les swaps sont apparus au début des années 80 mais ils sont de plus en
plus utilisés par les investisseurs pour couvrir leur position. Ce produit relativement
récent est « un contrat entre deux parties qui s’engagent à échanger
périodiquement de flux financiers »1. Les différentes échéances sont fixées par
avance et la variable économique dont dépend le contrat est souvent un taux
1
D’après JACQUILLAT & SOLNIK (2002) Marché Financiers, Gestion de portefeuille et des risques

(intérêt ou change). Ces variables sont personnalisées pour les deux parties afin de
satisfaire chacun.
Il existe principalement deux types de swaps : les swaps de taux d’intérêt et
les swaps de change. Nous étudierons ici le swap de change puis nous aborderons
l’equity swap dans une seconde partie.
2.2.1. Les swaps de change
Le swap de change est comparable à un accord de prêt entre deux

contreparties. En effet, l’une des parties emprunte un principal et paie les intérêts
de ce prêt dans une devise A ; et prête à l’autre contrepartie un principal et reçoit
un intérêt dans une devise B. Cette opération représente un intérêt majeur pour les
entreprises puisqu’elles peuvent prêter leur devise principale et recevoir la devise
dont elles ont besoin.
Les sommes principales sont échangées en début et en fin de vie du swap
tandis que les intérêts peuvent par exemple être payés annuellement ou
semestriellement suivant les termes du contrat.
L’avantage de ce produit est aussi de réduire le risque de change et le risque
de crédit aux seuls flux d’intérêt. En effet, le capital échangé a une même valeur
pour les deux parties.
Pour calculer un swap, on utilise la formule suivante :
SWAP =
(B − A)(S × T ) (Eq 5)
( A × T ) + (100 × DB )
Où A : taux de la devise de base ; B : taux de la devise de contre-valeur ; S : Spot
moyen ; T : nombre de jours ; DB : nombre de jours conventionnels dans l’année.
Cette formule doit évidemment être utilisée pour la détermination des
« jambes » gauche et droite du swap afin de connaître les taux des deux parties.
Nous allons maintenant voir l’exemple d’un instrument qui concerne

plus directement notre analyse, l’equity swap.

2.2.2. Les equity swaps
L’equity swap est un terme générique utilisé pour décrire des structures de
swaps dans lesquelles intervient le rendement d’un portefeuille boursier1. Ces swaps
sur actions ou indices ont connu un très large développement depuis la création des
fonds indiciels et sont maintenant étendus aux marchés émergents. Les hedge
funds utilisent notamment ces structures sophistiquées dans des stratégies très
dynamiques pour des avantages de coûts et de risque.
Dans cette opération, les contreparties s’accordent à payer (ou recevoir) à
date fixe et pendant une certaine durée les intérêts sur un emprunt, et recevoir (ou
payer) le produit d’un portefeuille boursier. Il peut s’agir d’un titre individuel, d’un
panier d’actions, ou d’un indice (swap d’indice). Pour résumer les flux entre les deux
parties, le Tableau 1 issu de l’Encyclopédie des Marchés Financiers est très utile.
A reçoit A paie
Hausse du portefeuille Taux fixe
Hausse du portefeuille
+ dividendes ou taux flottant
Taux fixe ou flottant
Baisse du portefeuille Dividendes
+ baisse du portefeuille
Tableau 1 – Résumé des échanges d’un equity swap
Il existe trois types d’equity swaps. Le premier est l’equity swap standard,
qui consiste à créer un investissement synthétique sur un indice local. Le second est
l’equity swap composite. Il permet de créer un investissement synthétique sur un
indice étranger. Le troisième est l’equity swap non standard qui permet de répondre
aux besoins spécifiques d’un investisseur.
Nous allons maintenant analyser plus en détail les swaps d’indices standards.
Les propriétés de ces produits sont les suivantes :
• Le nominal du swap est exprimé en nombre d’indice (N)
• Les échanges d’intérêts entre la jambe flottante et la jambe indicielle sont
simultanés.
1
D’après YVES SIMON (1997) Encyclopédie des Marché Financiers Tome I, chapitre 21

• Les taux utilisés pour valoriser la jambe flottante sont des taux flottants type
LIBOR.
• Au taux de variation de l’indice est ajouté le rendement des dividendes détachés
sur la période d’application.
A est payeur du taux variable et receveur de la performance de l’indice.

Soient N, le nominal du swap, rt le taux variable sur la période d’application n
exprimé sur 360 t. La valeur de l’indice en t est It . En fin de période sa valeur est
It+1. Quant aux dividendes de la période, ils sont notés dt. Les flux de chaque
période sont donc représentés de la façon suivante :
• A paie les intérêts ( Fvt ) sur le nominal qui est égal au nombre d’unités multiplié
par la valeur initiale de l’indice. C'est-à-dire :

rt × nt
Fvt = N × I t × (Eq 6)
360
• Et reçoit le flux ( Fit ) égal à la performance de l’indice augmenté des
dividendes. Soit :
Fit = N × ( I t +1 − I t ) + N * dt (Eq 7)
La valeur de ce type de contrat (V) est donc égale à la valeur actuelle nette
des flux futurs distribués. Pour un swap d’indice boursier receveur du taux flottant
et payeur du taux indiciel nous avons donc :
n m
V = ∑ ρt × Fvt − ∑ ρt i × ( N × Ft i − N × Ft i −1 )
'
i
'
i (Eq 8)
i =1 i =1
Fvti' représente les intérêts sur la branche taux payés aux dates t i' et
( N × Fti − N × Fti −1 ) , les intérêts de la branche indicielle payés aux dates ti. Cette
formule est appelée la valorisation par projection des taux forward.
Nous passons maintenant à l’analyse des options. Celles-ci sont les produits
dérivés qui seront utilisés dans notre expérimentation empirique.
2.3. Les options
Depuis l’apparition de la formule d’évaluation des options par Black &

Scholes (1973), le marché des options a connu une expansion constante. De ce fait,

cet instrument nous semble d’intérêt optimal dans notre analyse. Nous allons donc
en présenter la définition, le mécanisme et l’évaluation.
2.3.1. Définition
L’option est un contrat asymétrique qui donne à son détenteur le droit (et
non l’obligation) d’acheter ou de vendre une certaine quantité d’actifs, pendant une
période donnée, à un prix fixé, moyennant une prime payée au vendeur. Ces
instruments sont négociables sur les marchés OTC ou organisés (Ex : Eurex ou Liffe,
marchés européens des options).
Plusieurs caractéristiques sont propres aux options :

• L’option d’achat (call) donne le droit d’acheter l’actif sous-jacent et l’option de
vente (put) offre au détenteur de l’option la possibilité de vendre l’actif support.
• Le prix d’exercice est fixé au moment de l’élaboration du contrat sauf pour une
option dite look back. Ce prix est aussi appelé strike.
• La date maximale d’exercice de l’option est la date d’échéance.
• La quotité est le nombre de sous-jacents sur lequel porte un contrat.
• Une option peut être européenne (exerçable uniquement à l’échéance) ou
américaine (exerçable à tout moment pendant la vie du contrat).
2.3.2. Fonctionnement
Les options peuvent avoir différents sous-jacents : action, devise, climat, etc.
Nous verrons ici les caractéristiques majeures liées à leur fonctionnement.
2.3.2.a. Le call
L’acheteur d’un call à une possibilité de gain illimitée et une perte limitée. Le
vendeur se trouve quant à lui dans la situation inverse. L’investisseur qui achète un
call parie sur une tendance haussière du sous-jacent de l’option.
Pour démontrer cela, nous prendrons l’exemple de l’achat d’un call 3 900
Mars 05 sur le CAC 40. L’investisseur achète ce call le 18 janvier 2005 alors que
l’indice parisien cote aux alentours de 3 890 points.

La prime à payer est de 74€ pour acheter cette option, soit la perte
maximale puisqu’en cas de baisse de l’actif sous-jacent, le détenteur de l’option
n’exercera pas son droit. En revanche, si son hypothèse de hausse se vérifie, celui-ci
s’enrichira en proportion de la hausse de l’indice. Afin de mieux comprendre ce
phénomène, nous allons construire le graphique (Figure 5) de cette opération.
Profil de risque (achat d'un call)

1000
800
600
P/L
400
200
0
3000 3200 3400 3600 3800 4000 4200 4400 4600 4800
-200
Prix du CAC
Figure 5 – Profil de gain d’un call
Nous voyons bien ici que le gain est illimité en cas de hausse de l’indice et la
perte limitée au montant de la prime en cas de baisse.
2.3.2.b. Le put
Pour l’achat d’un put, le profil de gain est inversé. La perte sera limitée (voir
Figure 6) en cas de hausse du sous-jacent et le gain illimité en cas de baisse.
L’investisseur parie donc sur une baisse du sous-jacent.
Profil de risque (achat de put)

1000
800
600
P/L
400
200
0
3000 3200 3400 3600 3800 4000 4200 4400 4600 4800
-200
Prix du CAC
Figure 6 – Profil de gain d’un put

Nous avons pris ici l’exemple d’un achat de put 3 900 Mars 05 sur le CAC le
19 janvier 2005 alors que le CAC 40 est à 3 870 environ, pour justifier notre propos.
Ce put valait alors 78,10€.
Nous voyons dans cette figure que la perte de l’investisseur est limitée à
78,10€ quel que soit la hausse de l’indice. Les possibilités de gain sont quant à elles
illimitées.
2.3.3. Evaluation
2.3.3.a. Les grecques
Six facteurs influencent le prix des options. Ce sont : le cours de l’action, le

prix d’exercice de l’option, le temps restant à courir jusqu’à l’échéance (mesuré en
années), la volatilité du prix de l’action, le taux d’intérêt sans risque annuel pendant
la période considérée et les dividendes prévus durant la vie de l’option.
Afin de mesurer la sensibilité des options à ces différents facteurs, Nous

présenterons ici les « grecques1 » qui mesurent chacune une dimension différente
du risque d’une position optionnelle.
• Le delta : il est défini comme le taux de variation de la valeur de l’option par

rapport à celle de son sous-jacent. Imaginons que le delta d’un call sur action
soit de 0,3. Cela signifie que lorsque le cours de l’action varie d’une unité, le prix
du call varie de trois unités.
• Le gamma : il mesure le taux de variation du delta de l’option en fonction de la
valeur du sous-jacent. Si le gamma est faible, le delta varie lentement.
• Le thêta : il peut se définir comme le taux de variation de la valeur de l’option
par rapport à sa durée de vie. C'est-à-dire qu’il détermine la variation du prix de
l’option lorsque la maturité change d’une unité. Le thêta d’une option est
généralement négatif puisque le prix diminue avec la réduction du temps avant
l’échéance.
1
D’après JOHN HULL (2004) Options, futures et autres actifs dérivés

• Le vega : il représente la variation de la valeur d’une option en fonction de la

variation de la volatilité du sous-jacent. En effet, celle-ci n’est pas constante
dans le temps et influence donc la valeur de l’option.
• Le rhô : c’est le taux de variation d’un portefeuille d’options en fonction des
variations des taux d’intérêt.
2.3.3.b. Le modèle de Black & Scholes
Deux modèles principaux cohabitent pour déterminer le prix des options,

celui de Cox, Ross et Rubinstein (1963) qui est le modèle des arbres binomiaux. Et
celui, non moins célèbre de Black et Scholes, apparu dans les années 70. Notre
analyse s’arrêtera sur ce dernier.
Selon Bachelier (1900), la valeur d’une action pouvait être négative. Mais,
Black & Scholes utilise le modèle d’évaluation de la rentabilité d’une action
uniquement pendant une période de temps déterminée. Ce modèle, issu de
Bachelier et initié par Samuelson (1965), prend la forme suivante :
δS
(Eq 9)
S
Où δS représente la variation du cours de l’action.
Ils supposent par ailleurs que les variations en pourcentage des cours des
actions sont distribuées selon une loi log-normale, dans un intervalle de temps
court. Elles suivent un mouvement brownien géométrique caractérisé par :
δS
S
(
≈ ∅ µδt ,σ δt ) (Eq 10)
Où µ est l’espérance de rentabilité de l’action, σ la volatilité de l’action. ∆t est

l’intervalle de temps et Φ(m,s) désigne une loi normale de moyenne m et d’écart
type s. Il est important de préciser cela puisque nous verrons dans les
démonstrations suivantes que la valeur d’une option sur action est fonction de la
valeur de son sous-jacent.
Black & Scholes ont donc proposé un modèle d’arbitrage en proposant un
portefeuille sans risque composé à la fois de n actifs risqués et d’une vente
d’options d’achat. Ce dernier se note :
P = −C + nS

Le modèle d’arbitrage proposé par Black & Scholes est basé sur différentes
hypothèses :
• Possibilité d’arbitrer en temps continu sans frais de transaction.
• Taux d’intérêt constant (r).
• Volatilité (σ) du titre sous-jacent connue et constante.
• Loi de distribution log-normale du cours du titre sous-jacent.
• Options de type européen.
Selon ce modèle, la valeur d’un call est donc égale à :

Call = V × delta − N ( d 2
) × Ke −T × rF (Eq 11)
Où :
V = valeur du sous-jacent,
delta = variation du prix de l’option lorsque le cours du support varie de 1
N = loi normale
K = prix d’exercice de l’option
rF = taux de l’argent sans risque
T = durée restante jusqu’à échéance (en années)
Avec :
⎛V ⎞ σ 2
ln⎜ ⎟ + (r F + ) × T
Delta = ⎝ ⎠
K 2
Eq (12)
σ× T
Et d2 = d 1
−σ × T (Eq 13)
Quant à la valeur de l’option de vente, elle correspond à la formule suivante :

−T × rF
Put = N (− d ) × V + N (− d
1 2
)× K ×e (Eq 14)
Dans cette méthode d’évaluation, nous voyons bien que l’ensemble des
facteurs influençant la valeur des options est pris en compte. En effet, la valeur de
l’option augmentera avec le cours du sous-jacent et diminuera en fonction de la
valeur actuelle du prix d’exercice (dépendant du taux sans risque et de la durée).
De plus, la volatilité du sous-jacent est prise en compte dans ce modèle comme le
delta de l’option qui mesure la sensibilité de l’option aux variations du sous-jacent.
La dérivation de ce modèle permet donc de déterminer les grecques dont il a été
question plus haut dans cette partie.

Depuis son apparition en 1973, ce modèle a inspiré un grand nombre de

théoriciens qui ont tenté de l’améliorer. On peut ici citer Roll (1977), Geske (1979)
ou Whaley (1981,1986).
Nous allons maintenant aborder différentes stratégies optionnelles

permettant de couvrir un portefeuille en fonction de différents paramètres.
2.3.4. Exemples de stratégies1
2.3.4.a. Contexte théorique
L’investisseur a plusieurs possibilités pour assurer son portefeuille qui sont

apparues dès 1971 aux Etats-Unis2. Elles consistent à renoncer à une partie des
gains potentiels en contrepartie de pertes limitées. Rubinstein et Leland (1981) ont
d’ailleurs été les premiers à reprendre la théorie de Black & Scholes d’utilisation
d’options pour sécuriser le portefeuille. Plus tard Perold (1986) puis Black & Jones
(1987) initièrent la méthode du « coussin » qui consistait en l’achat et la vente des
sous-jacents.
Trois méthodes de base sont utilisées pour couvrir un portefeuille3. Il s’agit
du stop-loss, de la couverture à base d’options (analysée ci-dessous) et de la
méthode du coussin. Cependant, ces méthodes induisent des coûts de transactions
supplémentaires et nécessitent un réajustement constant du portefeuille.
Nous décrirons à titre d’exemple quatre stratégies combinées d’options

reflétant différentes anticipations de l’investisseur. Le but de cette partie n’est pas
d’acquérir une parfaite maîtrise des stratégies optionnelles mais d’en avoir un
premier aperçu afin de mieux comprendre leurs rôle et fonctionnement.
1
Les prix de cotation des options sont issus de Bloomberg et les stratégies de Options, futures et autres actifs
dérivés de JOHN HULL
2
Mise en place par Harleysville Mutual Insurance Inc et Prudential Insurance Inc
3
D’après YVES SIMON (1997) Encyclopédie des Marchés Financiers Tome I.

2.3.4.b. Le straddle
Cette stratégie très répandue consiste en un achat de call et de put de

même strike et de même échéance.
Cette stratégie est très intéressante pour l’investisseur si celui-ci anticipe une
forte variation du cours de l’actif sous-jacent, dans un sens comme dans l’autre. Si
le cours reste atone, l’investisseur réalisera en revanche une perte puisque la
variation ne permettra pas de compenser les primes payées pour acheter les
options.
Nous prendrons l’exemple de l’achat d’un call CAC 3 900 Mars 05 à 74€ et
d’un put CAC 3 900 Mars 05 à 78,10€. L’investisseur dépense 152,10€ pour cette
stratégie. Le cours devra donc varier suffisamment pour combler le paiement de
cette prime. A partir du point mort, à la hausse ou à la baisse, il commencera alors
à gagner de l’argent. Le profil du gain est le suivant :
Strategie 1 (Hausse ou Baisse Forte) :

STRADDLE
1000
800
600
400
P/L
200
0
3000 3200 3400 3600 3800 4000 4200 4400 4600 4800
-200
-400
Prix du CAC
Figure 7 – Le Straddle
2.3.4.c. Le strip et le strap
Le strip et le strap sont deux stratégies opposées de construction similaire.

En effet, dans le cas du strip (Figure 8), l’investisseur parie sur une forte variation
du cours à la baisse, il achète donc deux puts pour un call.
A l’inverse, il achète deux calls pour un put dans le cas du strap (Figure 9)
puisqu’il anticipe une forte variation du cours à la hausse.

Les profils de gains de ces deux stratégies apparaissent ci-dessous. Les

options utilisées sont les mêmes que dans la stratégie précédente.
Strategie 2 (Baisse Forte et Hausse Faible) : Strategie 3 (Baisse Faible et Hausse Forte) :
STRIP STRAP
2000 2000
1600
1500
1200
1000
P/L
P/L
800
500
400
0
0
3000 3200 3400 3600 3800 4000 4200 4400 4600 4800
3000 3200 3400 3600 3800 4000 4200 4400 4600 4800
-400 -500
Prix du CAC Prix du CAC
Figure 8 – Le strip Figure 9 – Le strap
2.3.4.d. Le strangle
Cette stratégie est choisie par l’investisseur lorsque celui-ci parie sur une
forte variation du cours du sous-jacent, comme le straddle. Cependant la perte sera
inférieure si le cours du sous-jacent reste stable. Elle consiste en un achat de call et
de put de prix d’exercice différents pour le profil de gain suivant :
Strategie 4 (Hausse ou Baisse forte) :

STRANGLE
1000
800
600
P/L
400
200
0
3000 3200 3400 3600 3800 4000 4200 4400 4600 4800
-200
Prix du CAC
Figure 10 – Le strangle
Les options utilisées pour la démonstration était le call CAC 4 000 Mars 05 et
le put CAC 3 800 Mars 05 acheté le 18 janvier 2005.

Il existe de nombreuses autres stratégies de combinaisons d’options1 tels

que les spreads ou les papillons mais le but de cette partie était d’appréhender les
stratégies optionnelles et non d’être exhaustif sur le sujet. Nous reviendrons par
ailleurs sur ces stratégies dans notre modélisation (chapitre 5) afin de mettre en
pratique le rôle des produits dérivés dans la gestion de portefeuille en réponse à
notre problématique.
Nous allons maintenant identifier les risques que ces produits dérivés
permettent de couvrir.
1
Voir Options, futures et autres actifs dérivés 5ème édition, JOHN HULL (2004)

LES RISQUES ET LEUR GESTION
3. LES RISQUES ET LEUR GESTION
Les risques sont des facteurs déterminants dans le choix des portefeuilles
financiers. En effet, suivant l’aversion que l’investisseur a face au risque, il alloue
ses ressources en fonction des actifs qu’ils souhaitent détenir. En France par
exemple, environ trois quarts des français jugent leur portefeuille peu risqué1. Il
s’agit en majorité de placements certains comme l’épargne ou l’assurance vie.
Seulement 54% d’entre eux assurent détenir des valeurs mobilières (même si la
proportion augmente avec le niveau de revenu). A travers ces quelques chiffres,
nous voyons bien l’impact du risque et de sa maîtrise sur l’investissement, qu’il soit
privé ou institutionnel.
Par ailleurs, d’après une étude publiée le 7 juillet 2004 par Invesco2, il
ressort que les investisseurs institutionnels souhaitent diversifier leur risque. Au côté
des actions et obligations qui composent leur portefeuille (pour environ 70%), ceux-
ci n’hésitent plus à investir dans les matières premières ou les fonds monétaires
dynamiques.
Les entreprises sont également soumises à différents risques. En effet, quel
que soit leur taille ou leur champ d’action, leur espérance de revenus est toujours
fonction des risques qui leur incombent. Ces risques sont des perturbations ou des
effets improbables qui peuvent impacter les résultats.
Dans le chapitre précédent, il était question des outils de gestion du risque,
nous allons maintenant voir les facteurs qu’ils permettent de couvrir afin de garantir
la rentabilité et la sécurité d’un placement ou d’une activité.
3.1. Le risque politique
3.1.1. L’impact du terrorisme
Depuis le 11 septembre 2001, les marchés souffrent de l’incertitude liée au

terrorisme3 (voir Figure 11). En effet, celui-ci implique une réduction des
investissements, financiers ou non au profit de l’épargne et de produits plus sûrs.
1
Sondage Ipsos pour les AGF, d’après La tribune, Deux tiers des épargnants renoncent aux risques (7 mai 2004)
2
D’après Les Echos (8 juillet 2004), les institutionnels partisans de la diversification du risque
3
PATRICK ARTUS, Etude CDC Ixis (5 novembre 2004), Terrorisme et économie

De plus, les récentes menaces qui ont pesé sur l’économie mondiale, avec
les attentats de Mars 04 en Espagne (voir Figure 12) ou les risques incessants en
Irak contribuent à augmenter les coûts de protection des Etats mais également les
coûts de réparation. Enfin, le terrorisme contribue à la dégradation de secteurs
sensibles, comme l’assurance, le tourisme ou le transport aérien qui subissent les
assauts des terroristes sans moyens de ripostes.
Figure 11 – Bourse et 11 sep 01 Figure 12 – Impact des attentats
Pour justifier ce phénomène, on peut prendre l’exemple de la prime de

risque, c'est-à-dire du surplus de valeur réclamé par l’investisseur pour choisir un
actif risqué plutôt qu’un autre. Celle-ci est, d’après La Tribune du 10 septembre
2004, à un niveau très élevé.
Cela montre bien l’aversion au risque des investisseurs et le trouble qu’a créé
la vague de terrorisme du début du siècle. La faiblesse du marché depuis septembre
2001 reflète les risques géopolitiques et c’est un phénomène nouveau, avec une
prime de risque de 5,5% actuellement1, contre une moyenne de 3,8% avant 2001
d’après Associés en Finance, cabinet d’analyse financière.
3.1.2. Les chiffres hebdomadaires, source de volatilité
Comme on peut le constater tous les jours, les marchés européens et

américains attendent les différentes publications pour dessiner une véritable
tendance. A ce titre, le risque politique qui pèse sur les marchés est donc important
puisqu’une envolée du taux de chômage ou une décision de la banque centrale
1
D’après La Tribune (10 septembre 2004), L’aversion au risque à un niveau élevé

américaine de remonter les taux d’intérêt directeurs influent sur la valeur des
indices boursiers et sur la confiance des investisseurs.
De plus, les réunions de la FED sont toujours très attendues, comme le sont
les réunions du G7 par exemple. Les décisions prises par la banque centrale
américaine ne contribuent-elles pas à la chute du dollar sur les marchés de change
internationaux ?
Enfin, une entreprise comme Carrefour qui fait de l’Asie l’un de ses
principaux moteurs de croissance n’encourent-elle pas un risque important en cas
de durcissement de la politique extérieure chinoise ou d’affaiblissement de la
croissance ? Il paraît donc nécessaire dans ces conditions de prendre ce risque en
considération et de se couvrir pour ne pas être trop dépendant de ce levier de
croissance.
Nous voyons à travers ces différents exemples l’impact des décisions

politiques et des évènements géopolitiques sur les marchés mondiaux et le risque
qu’ils font peser sur les investisseurs. C’est pour cela qu’il est nécessaire de prendre
en compte ces risques dans les décisions d’investissement, même si leur impact
direct est difficilement quantifiable. D’où l’absence de produits de couverture
satisfaisants pour le moment. Néanmoins, la tendance commence à s’inverser
puisqu’on voit, par exemple, se développer, aux Etats-Unis, des produits dérivés
ayant comme sous-jacent des sondages politiques.
3.2. Le risque d’exploitation
3.2.1. Ratio, prévisions et effet d’annonce
Lors de la publication des résultats des entreprises cotées, les investisseurs

sont toujours très attentifs aux chiffres qui paraissent mais surtout aux discours qui
les accompagnent. Les premiers à s’être intéressés au phénomène de l’effet
d’annonce sont Rendleman, Jones et Latané qui ont analysé en 1982 la réaction des
cours à l’annonce des résultats comptables des entreprises.
Les ratios (PER, BPA, taux de distribution de dividende, etc.) qui ressortent,
bien qu’anticipés par le consensus dans un marché efficient, peuvent réserver des
surprises aux analystes quant à leurs prévisions. Les cours s’ajustent donc en
fonction de ces données. Pour justifier ce propos, on voit fréquemment le cours

d’une entreprise annonçant un résultat en ligne avec les prévisions subir une
correction, ce résultat étant anticipé par le marché. A l’inverse, une entreprise
annonçant un résultat exceptionnel progressera en bourse quand une entreprise
annonçant un résultat moyen sera sanctionnée.
Mais les ratios ne sont pas seuls à affecter les cours de bourse puisqu’ils sont
tellement anticipés que les investisseurs s’attachent davantage aux perspectives qui
ressortent des assemblées générales au niveau de la croissance de l’entreprise ou
de celle du marché. A titre d’exemple, les perspectives d’Intel influent sur
l’ensemble des valeurs technologiques au moment de leur parution.
Par ailleurs selon la théorie de Modigliani et Miller, la valeur de l’entreprise
est indifférente de la structure de son capital. Or, cette théorie souffre de certaines
lacunes et nous voyons bien au travers de l’évolution du ratio d’endettement et du
cours de l’action qu’il influe directement sur la valeur de l’entreprise. L’un des
exemples récents est France Télécom qui a réduit drastiquement sa dette et qui
profite de cette amélioration pour voir son cours de bourse se bonifier.
Enfin, les entreprises peuvent changer de statut aux yeux des investisseurs
et passer de valeur de croissance à valeur de père de famille si elles sont jugées
matures ou si les entreprises distribuent d’importants dividendes. France Télécom
pourrait par exemple devenir une valeur plus défensive si la société continue la
restructuration de sa dette et sa politique de distribution de dividende puisqu’elle
serait alors assimilée à une valeur dite « utilities » comme le sont les compagnies de
distribution d’eau ou d’électricité1.
3.2.2. L’exemple du profit warning
Durant l’année écoulée, nous avons pu voir un exemple marquant de

l’impact de l’effet d’annonce sur le cours d’une action, voire d’un secteur. En effet,
le 6 avril 2004, Nokia, leader du marché de la téléphonie mobile, lançait un profit
warning pour ses résultats du second trimestre de l’exercice en cours. Aussitôt, le
titre dévissait pour finalement céder 17% en une journée, comme le montre le
graphique (Figure 13). Tout le secteur de la téléphonie mobile (notamment
Ericsson) fut entraîné dans ce sillage et cette journée fut noire pour les fabricants
de téléphones mobiles.
1
Voir l’article des Echos (14 mai 2004) de NATHALIE OLOF-ORS, Des valeurs qui changent

Le 15 avril, Nokia lança une seconde alerte au marché et le titre perdit de

nouveau 12%.
En moins d’un an, la valeur Nokia a perdu 41%. Nous voyons donc bien ici
l’importance des effets d’annonce et des résultats des entreprises sur leur cours
boursier. En effet, même si Nokia a redressé la situation au quatrième trimestre, les
cours continuent de porter les séquelles des deux profit warnings et la remontée
vers des niveaux plus acceptables est très difficile.
Figure 13 - Impact des profits warnings sur Nokia
Dans cette situation, il aurait été intéressant pour les investisseurs de se

couvrir contre un risque de chute inopinée des cours en achetant par exemple un
put de prix d’exercice 16 afin de se protéger contre une chute de cette envergure.
3.3. Le risque de change
Dans le contexte actuel, il paraît très important de commenter le risque de

change. Celui-ci intervient dès qu’une entreprise effectue une transaction
internationale. D’après Patrick Arthus1 la volatilité récente du dollar face à l’euro
annonce un retour de ce risque, même si celui-ci avait largement diminué avec le
passage à l’Euro comme le montre l’étude de Salma Mefteh (2004). En effet, si les
banques centrales se comportent davantage comme des investisseurs privés, alors
elles réclameront une prime de risque sur le dollar, fortement affecté par le déficit
jumeau (extérieur et budgétaire) des Etats-Unis. Il y aura alors élargissement du
1
PATRICK ARTHUS (23 novembre 2004), Le retour du risque de change sur le dollar

spread entre les taux longs euro et les taux longs dollar et une position en dollar
sera donc plus risqué qu’une position longue en euro.
Il existe différents risques de change1. Tout d’abord le risque de change de
transaction en cas de dettes ou de créances libellées en devise étrangère, ensuite le
risque de change économique qui représente l’incertitude de contrepartie en
monnaie nationale.
En France, 27% des entreprises présentent une sensibilité significative aux
fluctuations du taux de change sur la période janvier 1996 – décembre 20012. Avec
l’apparition de la monnaie unique européenne, cette proportion a diminué mais le
risque n’a pas disparu. En effet, mise à part l’exception anglaise, les principaux
partenaires commerciaux européens ont accepté la monnaie unique. C’est par
exemple le cas de la France, l’Allemagne, l’Espagne ou l’Italie. Importations et
exportations entre ces Etats sont donc assimilées à présent à de simples échanges
nationaux puisque le risque de change a totalement disparu. En revanche, la livre
sterling présente toujours un risque pour les pays européens exportant vers la
Grande Bretagne. Une couverture euro/livre sterling est donc toujours nécessaire.
Dans la majorité des cas, il existe un décalage dans le temps entre les
variations du taux de change et leur impact sur la valeur des actions (Bodnar et
Bartov (94)) des entreprises exportatrices. Adler et Dumas (1984) ont tenté de
mesurer la sensibilité des entreprises aux variations de change cependant plusieurs
facteurs influent sur cette sensibilité comme le ratio d’exportation (montant des
exportations rapporté au chiffre d’affaire) ou la politique de couverture du risque de
change de l’entreprise, notamment pour les grosses structures.
Si l’entreprise ou le gérant envisage une variation positive du taux de

change, alors il ne couvrira pas sa position. Sinon, il pourra utiliser des options (call
ou put) sur devise pour hedger sa position et limiter l’impact des variations de
change sur la valeur de son portefeuille.
1
ALOIS KANYINDA KASANDA (Université Paris Dauphine), La gestion des risques internationaux
2
SALMA MEFTEH (2004), La sensibilité des entreprises exportatrices aux variations du taux de change et les
déterminants de la couverture, le cas français

3.4. Le risque de matières premières
3.4.1. Production et variation de prix
Trois facteurs peuvent influer sur la volatilité du prix des matières premières.
Il s’agit des variations brutales de consommation ou de production, de la
saisonnalité et de l’irrégularité de la demande et enfin des guerres et incertitudes
géopolitiques comme la guerre en Irak actuellement.
Pour illustrer les variations de consommation en tant que déterminant du
prix des matières premières, on peut citer l’exemple de l’acier. Du fait de la
demande accrue de la Chine, la consommation d’acier a dépassé le milliard de
tonnes en 2004 et entraîné une pénurie de matière d’après La Tribune (22 février
2005). De ce fait, les prix du secteur s’envolent, comme le démontre l’augmentation
du prix du minerai de fer (+71,5%) à laquelle Nippon Steel, géant du secteur doit
faire face dans ses approvisionnements auprès du producteur brésilien de fer,
Companhia Vale do Rio Doce (CVRD). Cette augmentation des prix pourrait affecter
l’ensemble du secteur et l’annonce de la facture de Nippon Steel a donc tiré
l’ensemble des valeurs sidérurgiques vers le bas. Arcelor a, par exemple, chuté de
3% sur le marché français.
Les marchés de matières premières voient se succéder des phases
d’excédents et de pénuries qui déterminent les prix. Par exemple, les variations
climatiques influent sur les productions de blé ou d’autres produits agricoles et donc
directement sur leur prix. Il est d’ailleurs possible de se couvrir contre ce risque
climatique grâce aux produits dérivés climatiques1 proposés par le CME aux Etats-
Unis ou par Euronext.Liffe en Europe.
La forte volatilité des prix a conduit à la création des marchés de produits
dérivés. En 1850, les céréales ont été les premiers sous-jacents de produits avec
des contrats créés sur le CME, puis le sucre, le cacao et le café ont eu leurs contrats
sur les marchés new yorkais et londoniens.
Des entreprises du secteur de l’agro-alimentaire peuvent être très affectées
par ces phénomènes de fluctuation des prix. On peut ici citer Danone ou Nestlé,
deux des leaders mondiaux du secteur. Mais une entreprise comme Kronenbourg
sera également affectée par une hausse du cours du houblon, élément clé de la
1
Voir DIDIER MARTEAU, JEAN CARLE, STEPHANE FOURNEAUX, RALPH HOLZ et MICHAEL MORENO (Janvier 2004),
La gestion du risque climatique pour plus de détails.

fabrication de bière. Quant à Axa, l’entreprise devra dédommager certains

producteurs en cas de production médiocre comme convenu dans les contrats
d’assurance. Nous voyons bien ici que le risque de matières premières peut influer
sur les politiques d’entreprises de natures très différentes et peut donc jouer sur la
valeur d’actions de plusieurs secteurs.
De plus la production s’ajuste en fonction des prix et des perspectives
d’avenir. Une récession peut donc entraîner des pénuries qui influeront alors sur le
consommateur final qui subira la hausse des cours des matières premières et
diminuera sa consommation. Ceci alimentera donc les difficultés des entreprises
productrices ou distributrices des produits. Les produits dérivés à terme sont ici très
intéressants puisqu’ils peuvent permettre de gérer les stocks de matière en fonction
des prix à différentes échéances.
Nous voyons bien ici que le risque de matière première est un élément non
négligeable à prendre en compte dans les stratégies de couverture des entreprises
puisqu’il impacte des secteurs très différents et influe directement sur la valeur des
actions. Pour se protéger contre ce risque, l’investisseur peut avoir recours aux
produits dérivés climatiques comme expliqué précédemment ou acheter et vendre
des contrats à terme, options ou swaps avec les matières premières qui composent
son risque comme sous-jacent, pour une couverture court ou long terme. Les prix
de ces contrats évoluent différemment selon leur maturité. En effet, d’après l’effet
Samuelson (1965) les prix des contrats à échéance courte sont plus instables que
ceux des contrats à plus longue maturité. Cela explique donc que les prix spot et les
prix à terme n’évoluent pas tout à fait symétriquement. En 2002, les transactions
sur les contrats à terme de matières premières représentaient 22% des échanges
du marché à terme américain1.
3.4.2. L’impact du pétrole sur l’économie mondiale
L’année 2004 aura été marquée par l’impact de l’évolution du prix du baril de
pétrole sur les marchés internationaux. En effet, le second semestre de cette année
aura vu une volatilité extraordinaire sur le prix du baril2 et une envolée vers des
sommets jamais atteints jusque-là, 51.45 $/baril en octobre (Figure 15) par
1
D’après DELPHINE LAUTIER ET YVES SIMON, La volatilité des prix des matières premières
2
Indice de référence : future sur le baril de pétrole en USD (Ticker CD1), sur la période Août 2004-Janvier 2005

exemple. Cette volatilité du prix du pétrole aura pesé sur les places boursières
mondiales dont les tendances allaient à l’inverse de celle du brent.
Certaines actions, comme Maurel et Prom (MAU) ou Total (FP), en ont par
exemple profité. Pour l’année 2004, Total a d’ailleurs annoncé des résultats
exceptionnels avec un bénéfice net atteignant plus de 9 milliards d’euros. Cela
s’explique par la hausse de la demande pétrolifère (+3,4%), la plus importante
depuis 15 ans, et par des marges de raffinage exceptionnelles. En effet, comme le
montre la Figure 14, la marge de raffinage du pétrole a atteint €30/tonne en 2004
contre une moyenne de €18,5 sur les quinze dernières années.
30
25
20
Euros
15
10
0
2000 2001 2002 2003 2004
Années Source : Direm et Ufip
Figure 14 - Marge brute de raffinage (en €/tonne)
Cependant, la majorité des valeurs de référence a souffert. Le CAC 40 n’a

d’ailleurs poursuivi sa croissance que grâce à un léger tassement des cours du brut
en novembre, sans quoi il serait sans doute resté sous les 3 700 points à la fin de
l’année.
Figure 15 - Le choc pétrolier de 2004
Ces mouvements s’expliquent notamment par les tensions en Irak et par les
doutes qui subsistent concernant l’importance des réserves américaines. A l’heure

actuelle, les cours sont de nouveaux en croissance, notamment à cause des

tensions au Moyen Orient et de la relative faiblesse du dollar américain. Les
marchés restent donc instables et attentifs au moindre changement de tendance.
Afin de se protéger contre les risques de variations brutales du cours du

pétrole, des produits dérivés pétroliers sont apparus à la suite des chocs pétroliers
de 1978 et 1983. Les investisseurs disposent donc d’outils pour couvrir le risque
pétrole au même titre qu’il en existe pour le blé ou l’électricité. Néanmoins,
l’apparition de ces contrats a augmenté la volatilité du prix spot du baril comme
l’ont constaté Fleming et Ostdiek (1999). Par ailleurs, l’effet Samuelson est
également présent sur ces contrats avec une instabilité des prix qui diminue avec
l’augmentation de la maturité.
3.5. La volatilité
La volatilité d’une action est une « mesure de l’incertitude sur la rentabilité

du titre », d’après Futures, options et autres actifs dérivés de JOHN HULL. Elle est
notée σ et est généralement comprise entre 20% et 50% pour les actions. En
d’autres termes, la volatilité est l’écart-type des rentabilités sur une période donnée
quand celles-ci sont exprimées en taux composé continu. C’est une mesure du
risque total lié aux fluctuations aléatoires d’un actif financier démontrées en 1972
par Ball et Watts.
La fluctuation d’une action peut s’expliquer par une tendance globale du
marché appelée risque systématique ou par la diffusion d’une information spécifique
à la société qui influe directement sur son cours de bourse. Ce risque peut être
éliminé par le principe de diversification de Markowitz. Quant au risque général, il
peut être couvert par les produits dérivés appropriés, options ou contrats à terme
par exemple.
La volatilité d’un cours peut être calculé à différents horizons (Figure 16), à
10 ou 100 jours par exemple. On peut d’ailleurs constater des écarts importants
entre ces volatilités.

Figure 16 - CAC 40 et volatilité
La méthode de calcul de la volatilité d’un titre ne distribuant pas de

dividende permet de mesurer les variations du rendement des actions sur une
période donnée. Elle se décompose comme suit1 :
Notons :
n = le nombre d’observations
Si = le cours de l’action au terme du i-ième intervalle de temps
T = la durée des intervalles de temps en années
⎛ ⎞
Soit : u = ln⎜ S i ⎟ (Eq 15)
i ⎜ −1⎟
⎝ Si ⎠
Pour i = 1, 2, 3, …, n
L’estimation (s) de l’écart type des u i

est alors :
( )
2
1 n
s= ∑ −u
n − 1 i =1 u i
(Eq 16)
D’après nombre d’analystes, la variabilité des cours de bourse est

aujourd'hui insuffisante sur les marchés financiers. Cela peut s’expliquer par les
faibles volumes échangés ou par la prudence des investisseurs. Les prix les plus
volatiles à l’heure actuelle sont les prix du pétrole et de l’immobilier qui sont
témoins de l’instabilité financière de ces secteurs.
1
D’après JOHN HULL, Options, futures et autres actifs dérivés

Néanmoins, le CAC 40 a varié de près de 10% entre juillet et août 2004. On

remarque que le risque de variabilité du prix des actions est encore très présent et
qu’il est nécessaire de se couvrir contre ce risque prix en couvrant son exposition
par l’achat de produits dérivés.
Cela peut notamment se justifier par la manière dont les individus gèrent
leurs informations et prévisions. En effet, ils surestiment celles-ci et cela contribue à
augmenter la volatilité des cours de bourse. Par ailleurs, la façon dont sont notés les
gestionnaires peut également jouer sur l’instabilité des marchés puisqu’ils sont
évalués sur leur performance relative et cela les incite à prendre des positions à
court terme, répliquant le marché qui amplifient artificiellement les mouvements des
prix. La volatilité des marchés peut donc en partie s’expliquer par le comportement
des investisseurs1.
Au final, les investisseurs peuvent maintenant évaluer la valeur des

entreprises par la méthode d’actualisation des cash flow (DCF) par exemple. Bien
que très efficace, cette méthode n’en reste pas moins aléatoire puisqu’il existe
toujours des risques liés à l’activité de l’entreprise. Néanmoins, celle-ci couvre ses
risques grâce aux produits dérivés que nous avons analysés dans le chapitre
précédent afin de minimiser son risque de faillite.
Les gestionnaires d’actifs font de même. En effet, leur portefeuille comporte
toujours un risque non diversifiable qu’ils peuvent couvrir par l’utilisation des
produits dérivés, à condition d’avoir préalablement analysé et identifié les enjeux de
leur portefeuille.
1
D’après JEAN-PAUL POLLIN Les Echos (18 octobre 2004), Repenser la volatilité financière

LA GESTION DE PORTEFEUILLE EN AVENIR INCERTAIN
4. LA GESTION DE PORTEFEUILLE EN AVENIR INCERTAIN
Nous analyserons dans ce chapitre le lien entre les risques précédemment

cités et la rentabilité attendue dans le cadre de la gestion de portefeuille. Nous
définirons tout d’abord la rentabilité avant d’étudier différents modèles permettant
de l’associer au risque en fonction des préférences de l’investisseur.
4.1. Rentabilité
4.1.1. Définition et contexte
La rentabilité mesure la différence entre le revenu d’un actif ou d’un panier

d’actifs et les capitaux mis en œuvre pour l’obtenir. Elle permet de déterminer
l’accroissement relatif de richesse entre deux dates1. Le taux de rentabilité,
modélisé par Bachelier (1900) pour la première fois et repris par Samuelson (1965)
ensuite correspond à :
Ri =
((VF + D) − VI ) (Eq 17)
VI
Où
VF = valeur finale
VI = valeur initiale
D = Dividendes versés pendant la période
Il est par ailleurs possible de faire correspondre une infinité de distributions

de rentabilités à chaque décision d’investissement. En effet, les espérances de gains
seront différentes suivant les états de nature anticipés par l’investisseur. La
rentabilité espérée d’un investissement pourra par exemple être de l’ordre de 50%
dans un cas optimiste, 15% en temps de guerre ou -30% dans un cas pessimiste
puisque la rentabilité espérée d’un investissement en avenir incertain nécessite des
estimations probabilistiques des flux futurs. Cette rentabilité espérée peut se
calculer de la manière suivante :
n
E ( R) = ∑ Pi Ri (Eq 18)
i =1
1
D’après JACQUES HAMON (2004) Bourse et gestion de portefeuille

Où Ri représente les taux de rentabilité espérés, et Pi les probabilités
correspondantes.
Pour connaître la rentabilité espérée d’un portefeuille global, on pondère les

rentabilités espérées de l’ensemble des titres figurant en portefeuille.
Enfin, on peut noter que le rendement espéré par un investisseur varie selon
son horizon d’investissement1. En effet, la rentabilité attendue d’une action peut
être de 10% sur 5 ans après calcul d’une moyenne historique d’évolution des cours
mais bien différente pour un placement à horizon 1 an. Cela s’explique par la
volatilité du cours des actions, mais également par l’importance des facteurs
politiques ou sociaux des différentes périodes. Cette volatilité correspond au risque
associé à l’action.
La rentabilité n’est jamais prise de façon absolue en finance, elle est toujours
à rapprocher du risque. Nous analysons ces liens en nous inspirant notamment du
modèle de marché de Sharpe sur la perception du risque et de la frontière efficiente
de Markowitz.
4.2. Modèle de marché, risque systématique et diversification
Nous verrons ici le modèle de marché développé par Sharpe (1964) avant
d’analyser le risque systématique lié aux actions pour finir sur l’intérêt de la
diversification en avenir incertain.
4.2.1. Modèle de marché (Sharpe)
Le modèle de marché est un modèle purement théorique développé par

Sharpe en 1964 à partir des travaux de Markowitz (1959). Il détermine le
rendement d’une action selon deux facteurs :
• Le risque systématique ou risque marché
• Le risque spécifique à l’action.
1
Voir JEAN MATHIS (2002), Gestion d’actifs

On voit bien ici le lien entre risque et rentabilité. En effet, d’après SOLNIK et
JACQUILLAT (2002)1, un investissement en valeur mobilière constitue le sacrifice
d’un avantage immédiat (liquidité disponible) en échange d’avantages futurs
incertains qui représentent un risque pour l’investisseur. La rentabilité réalisée (ex
post) sera donc plus ou moins différente de la rentabilité espérée (ex ante).
Droite de régression de France Télécom

15,00%
y = 2,0487x - 0,0047
10,00%
5,00%
Rfte
0,00%
-5,00%
-10,00%
-3,00% -2,00% -1,00% 0,00% 1,00% 2,00% 3,00%
Rm
Figure 17 – Courbe de régression de l’action France Télécom (année 2004)
Pour déterminer la droite de régression de la rentabilité d’un titre (Figure

17), nous utilisons l’expression mathématique suivante :
Rit = α i + β i Rmt + ε it (Eq 19)
Où
Rit = le taux de rentabilité de i pendant la période t
Rmt = le taux de rentabilité du marché pendant la période t
β i = la sensibilité de l’action aux variations du marché2

ε it = la volatilité du titre
α i = un paramètre dont la valeur est telle que la valeur espérée ε it est nulle (ou
valeur espérée de Rit quand Rmt est nulle)
Alpha représente l’intersection de la droite de régression avec l’axe des

ordonnées mais ce facteur n’est pas stable dans le temps. Son importance est donc
mineure.
1
BERTRAND JACQUILLAT & BRUNO SOLNIK (2002) Marchés financiers, Gestion de portefeuille et des risques
2
Voir le paragraphe 4.2.2 pour plus de détails

D’après MONDHER1, trois interprétations de cette droite sont possibles :

• Lorsque la pente de la droite est égale à l’unité : le taux de rentabilité excessif
du titre varie proportionnellement à celui du marché. Le titre a le même risque
systématique que le marché.
• Lorsque la pente de la droite est supérieure à l’unité : le titre a un risque
systématique supérieur à celui du marché (titre agressif).
• Lorsque la pente de la droite est inférieure à l’unité : le titre présente moins de
risque (titre défensif).
Quant au risque total lié à une action, il représente la variance des taux de
rentabilité et sa formulation peut être résumée par le tableau ci-dessous :
Carré du Carré du
Carré du
risque systématique risque spécifique
risque total = +
(ou risque non (ou risque
(ou volatilité)
diversifiable) diversifiable)
σ ²( Ri ,t ) = β i ²σ ²( Rm,t ) + σ ²(ε i ,t )
Tableau 2 – Le triangle des risques2
Cette méthode a été la première approche quantifiée du risque pour

déterminer la rentabilité des actions. Elle permet de mesurer la variabilité totale de
la rentabilité d’une action. Cependant, on peut formuler plusieurs limites.
En premier lieu, celles-ci concernent le bêta des actions qui, comme nous le
verrons ci-dessous, est une variable instable et basée sur des prévisions passées
d’après Dumas et Allaz (1995).
Ensuite, nous notons que le modèle de Sharpe tente de résumer en deux
facteurs une situation bien plus complexe. En effet, la simple séparation entre
risque spécifique et risque de marché peut ici paraître exagérée puisque ceux-ci
n’expliquent que 30 à 40% des performances des titres.
A travers ces limites, nous voyons bien l’utilité d’utiliser des modèles à
plusieurs facteurs3 comme celui de Fama et French par exemple.
1
BELLALAH (2004) Gestion de portefeuille, Analyse quantitative de la rentabilité et des risques
2
3
Voir BERTRAND JACQUILLAT & BRUNO SOLNIK (2002) Marchés financiers, Gestion de portefeuille et des risques

4.2.2. Bêta
Le coefficient bêta est apparu au début des années 60 et découle des

modèles de marché initiés par Markowitz (1959) et Sharpe (1964). Il permet de
mesurer la sensibilité d’un titre à un portefeuille de référence et donc au risque de
marché (risque systémique). Celui-ci est obtenu en régressant la rentabilité d’un
titre sur la rentabilité de l’ensemble du marché. Formalisé, nous obtenons donc :
Cov(rj , rm )
βj = (Eq 20)
V (rm )
Où Cov (rj , rm ) est la covariance de la rentabilité du titre j avec celle du marché et
V (rm ) la variance de la rentabilité du marché.

D’après une étude réalisée par Blume (1971) sur les titres du NYSE, il
apparaît que le bêta d’une action n’est qu’exceptionnellement négatif. Celui-ci est
généralement compris entre 0,5 et 2. Un bêta inférieur à 1 indique que le titre est
moins volatile que son marché de référence tandis qu’un bêta supérieur à 1 indique
que le titre amplifiera les mouvements du marché. Avec le temps, le bêta tend à
s’approcher de 11.
Le bêta d’un portefeuille d’actions est représenté par la moyenne pondérée

des coefficients β des titres qui le composent2. La pondération étant la proportion
de titres détenus en portefeuille.
Altman, Jacquillat et Levasseur (1974) ont analysé la stabilité du bêta dans

le temps dans une étude portant sur plus de 300 sociétés du marché français sur la
période 1964-1971. Cela afin de déterminer si les gérants pouvaient apprécier
efficacement le risque systématique lié à leur portefeuille par ce biais. Il en résulte
que le bêta est relativement stable pour un portefeuille comprenant entre 10 et 50
valeurs. En deçà de 10 valeurs, les bêtas fluctuent pendant la période déterminée.
Plusieurs études ont tenté de déterminer les facteurs explicatifs du bêta.

Deux d’entre elles peuvent être citées ici : celle de Beaver, Kettler et Scholes (1970)
qui ont analysé le bêta de 307 sociétés cotées sur le marché américain, et celle de
1
Voir D’après JACQUES HAMON (2004) Bourse et gestion de portefeuille
2
D’après BROQUET, COBBAUT, GILLET et VAN DEN BERG (2004) Gestion de portefeuille 4ème édition

Jacquillat, Levasseur et Pène (1976) qui ont effectué une étude de corrélation entre
le bêta de sociétés françaises cotées et certains facteurs explicatifs.
Parmi les facteurs qui sont positivement corrélés au risque systémique, on
peut citer le taux d’endettement qui augmente le risque de l’entreprise, de même
que la variabilité des gains puisque ceux-ci dépendent de la conjoncture et des flux
futurs. Enfin, la visibilité des performances de l’entreprise et sa transparence
influent sur le bêta. En effet, plus le marché dispose de lisibilité sur l’activité de
l’entreprise, moins le bêta sera élevé.
Pour exemple, France Télécom est la valeur la moins corrélée du CAC 40

avec un bêta de 0,504 sur la période 01/03/04 – 01/03/05 et EADS (bêta de 1,555),
la valeur qui amplifie le plus les variations du marché1.
4.2.3. Diversification
Différentes études ont prouvé une relation entre le nombre de titres en

portefeuille et le risque associé à ce portefeuille. Parmi celles-ci, on peut citer les
études de Evan et Archer (1968) ou Wagner et Lau (1971) qui portaient sur le
marché américain et l’étude de Pogue et Solnik (1974) concernant la diversification
d’un portefeuille sur le marché français.
Ces études ont prouvé qu’afin de diminuer le risque lié à la détention d’actifs
risqués, l’investisseur peut avoir recours à la diversification. Néanmoins, il doit se
poser la question du nombre de titres à détenir et de leurs caractéristiques. En
effet, l’investisseur ne doit pas entrer dans un processus de diversification naïve
consistant en une augmentation du nombre de titres en portefeuille choisis au
hasard.
La variabilité d’un portefeuille est systématique et traduit les incertitudes du
marché. En ce sens, il est impossible d’éliminer ce risque. En revanche, l’investisseur
peut réduire le risque de variabilité de son portefeuille grâce à une diversification
raisonnée qui dépendra non seulement du nombre de titres en portefeuille mais
également de leur secteur, de la taille de l’entreprise ou du marché de cotation. A
variance donnée, la diversification raisonnée verra l’investisseur préférer le
portefeuille dont l’espérance de rentabilité sera la plus élevée.
1
Données Bloomberg

Le risque d’un portefeuille dépend de trois facteurs :

• Le risque associé à chaque action détenue en portefeuille ou bêta.
• Le degré d’indépendance des variations entre elles ou coefficient de corrélation.
• Le nombre de titres en portefeuille.
Soit un portefeuille de N titres, répartis en proportions égales. Le risque

associé à ce portefeuille peut être représenté par la fonction suivante :
σ ² p = β ² p σ ² m + σ ²εp (Eq 21)
1
Où β p = ∑ βi
N i
1
Et σ ε2p =
N
∑σ ε2i , risque spécifique du portefeuille
On constate au travers de cette formule que lorsque N augmente, le risque
du portefeuille diminue. Cependant, au-delà d’un certain nombre de titres, la
diversification devient inutile comme le démontre la Figure 18 extraite de Marchés
financiers de JACQUILLAT & SOLNIK (2002) qui prouvent qu’en France, le risque ne
peut pas descendre en deçà de 32,67% malgré la diversification.
Figure 18 – Effet de la
diversification d’un portefeuille
en France
Le risque d’un portefeuille n’est généralement pas égal à la moyenne

pondérée des risques qui le composent. En effet, il est fréquent que la variance des
taux de rentabilité d’un portefeuille soit plus faible que celle de chacun des titres. Ce
résultat peut paraître surprenant mais il résulte du fait que le risque d’un
portefeuille dépend du risque de chacun des titres, pris isolement, mais aussi de la

mesure avec laquelle leurs rentabilités sont affectées de manière similaire par les
évènements qui les font varier. Cela peut s’expliquer mathématiquement par le
coefficient de corrélation. Soit :
σ AB = ρ AB . σ Aσ B (Eq 22)
Où :
σ AB = covariance des taux de rentabilité des titres A et B
ρ AB = coefficient de corrélation entre les taux de rentabilité des titres A et B
σ A = écart type des taux de rentabilités de A
σ B = écart types des taux de rentabilité de B
Cov( A, B)
ρ AB = (Eq 23)
σ A ×σ B
De cette équation découlent plusieurs hypothèses :

• le coefficient de corrélation a une influence nulle s’il est égal à +1. La volatilité
des titres est alors indépendante.
• Le risque spécifique au portefeuille est totalement éliminé si le coefficient de
corrélation entre les titres qui le composent est égale à -1.
• Lorsque la covariance entre deux titres est faible, le risque de les posséder tous
les deux est inférieur au risque de les posséder séparément.
Pour conclure, nous pouvons dire que le modèle de marché trouve toute son
utilité dans la gestion de portefeuille puisqu’il permet de déterminer des
combinaisons de titres optimales permettant de réduire le risque total du
portefeuille. Il peut par exemple permettre de déterminer un couple
risque/rendement en fonction d’un benchmark, bien que le risque d’un portefeuille
ne soit pas parfaitement expliqué par ce modèle.
Nous allons maintenant aborder la théorie de la frontière efficiente qui se

propose d’étudier la relation entre risque et rendement et la création d’un
portefeuille d’équilibre.

4.3. La frontière efficiente
Cette partie est consacrée à l’approche moyenne/variance largement utilisée

en gestion de portefeuille. Nous verrons, dans un premier temps, une approche de
la frontière efficiente étudiée par Markowitz (1959,1987) en présence d’actifs
risqués avant d’analyser l’impact de l’incorporation d’un actif sans risque dans la
détermination de la frontière efficiente.
4.3.1. Portefeuille d’actifs risqués
Nous avons vu précédemment que l’espérance de rentabilité d’un portefeuille

pouvait être notée :
E ( R p ) = x A E ( RA ) + xB E ( RB ) (Eq 24)
Où x A et xB représentent la pondération des titres en portefeuille, le tout étant égal
à 1.
Quant à la variance du portefeuille, elle se note :
σ ² p = x A ²σ A ² + xB ²σ B ² + 2 × xBσ AB (Eq 25)
Avec σ AB = σ Aσ B ρ AB
La méthode de la frontière efficiente se propose de déterminer pour chaque

niveau de rentabilité espérée le « meilleur » portefeuille (portefeuille efficient),
c'est-à-dire le moins risqué. On obtient alors un ensemble de portefeuilles optimaux
appelé frontière efficiente. Cette méthode fut la première incorporant le traitement
quantifié du risque.
Nous voyons à travers la Figure 19 une représentation graphique de la
frontière efficiente. Apparaît clairement le portefeuille de variance minimale (PVM)
qui détermine la combinaison d’actifs la moins risquée mais qui offre une rentabilité
inférieure aux autres portefeuilles. Les portefeuilles se trouvant sur cette ligne sont
les combinaisons optimales d’espérance de rentabilité (E(Rp)) et de risque (σ²(Rp))
parmi lesquels l’investisseur devra déterminer son portefeuille en fonction de son
aversion à l’égard du risque.

Frontière efficiente
80,00%
75,00%
70,00%
Rendement
65,00% Figure 19 – représentation
60,00% graphique de la frontière
55,00% efficiente
50,00%
45,00%
40,00%
13,00% 15,00% 17,00%
Volatilité
19,00% 21,00% 23,00%
Mathématiquement, il faut minimiser la variance du portefeuille pour une

rentabilité donnée en choisissant les proportions de x sous contrainte. Nous avons
donc la fonction suivante :
min = ∑ ∑ xi x jσ ij (Eq 26)

x
i j
Sous contrainte : ∑x
i
i = 1 et x>0 pour toute action i
A travers cette formule et le graphique ci-dessus, nous voyons bien les

portefeuilles optimaux en fonction des rentabilités espérées. Cependant, cette
frontière efficiente doit être rapprochée du comportement de l’investisseur face au
risque puisque le duo moyenne/variance dépendra de l’aversion au risque de
l’investisseur.
Nous allons maintenant analyser l’impact de l’intégration d’un actif sans
risque dans l’établissement de la frontière efficiente d’un portefeuille risqué.
4.3.2. Introduction d’un actif sans risque
Nous allons maintenant inclure un actif sans risque dans notre portefeuille1.
On note R f le taux sans risque, Ra le taux de rentabilité d’un portefeuille composé
exclusivement d’actifs risqués et R p le taux de rentabilité d’un portefeuille
comportant une proportion d’actifs risqués (x) et une part d’actifs non risqués (1-x).
L’espérance de rentabilité de ce portefeuille (P) est exprimée de la façon suivante :
1
D’après JACQUES HAMON (2004) Bourse et gestion de portefeuille p.197

E ( R p ) = (1 − x) × R f + x × E ( Ra ) (Eq 27)
Puisque par définition σ ²( R f ) = 0 , la variance des taux de rentabilité du portefeuille
s’écrit : σ ²( R p ) = x ²σ ²( Ra ) (Eq 28)
Cette relation montre que le lieu des portefeuilles combinant actifs risqués et
actifs sans risque est une droite (voir Figure 20) passant par R f si x=0. Nous
voyons bien sur cette figure la différence entre le lieu d’un portefeuille mêlant actifs
risqués et sans risque et celui d’un portefeuille composé uniquement d’actifs risqués
qui représentera une courbe. Le portefeuille de variance minimale comportant une
part d’actif sans risque se situe sur l’axe des ordonnées au niveau du placement du
taux sans risque puisque aucun risque n’est associé à ce placement.
Figure 20 – Actif sans risque et la frontière efficiente
L’approche moyenne/variance permet de déterminer la variance minimale

pour une rentabilité espérée donnée. L’investisseur fera donc son choix entre
rentabilité et risque en fonction de son aversion au risque.
L’attitude face au risque1 est un point clé dans la gestion de portefeuille. Dès
1738, Bernoulli avait tenté d’expliquer le comportement de l’investisseur face au
risque avec le fameux paradoxe de Saint-Pétersbourg.
Von Neuman et Morgenstern (1947) ont, eux, formalisé une fonction d’utilité
matérialisant la maximisation de l’espérance de l’utilité de l’investisseur.
L’investisseur doit choisir entre un gain certain immédiat et un gain aléatoire futur.
1
Voir MONDHER BELLALAH (2004) Gestion de portefeuille, Analyse quantitative de la rentabilité et des risques pour
plus d’information

Pour représenter la maximisation de l’utilité, on peut utiliser des courbes

d’indifférence (Figure 211). Celles-ci formalisent l’augmentation de la rentabilité
espérée en fonction du risque pour conserver un niveau d’utilité identique en
fonction du couple risque/rendement.
Figure 21 – Courbes d’indifférence
Malgré les avantages qu’elle peut avoir, la méthode de la frontière efficiente

a quelques limites. En effet, elle est très sensible aux paramètres de rentabilité et
de risque pris en compte et d’après Michaud (1989,1998), une variation minime de
la rentabilité espérée peut considérablement modifier la frontière efficiente.
Selon Black et Litterman (1992), en l’absence d’information, les gestionnaires
de portefeuille devraient avoir une vision « neutre » de l’allocation : ils devraient
respecter les pondérations du marché et les capitalisations boursières des
entreprises choisies.
Enfin, Grinold (1999) propose d’étudier les déviations de rentabilité et de
risque par rapport à un benchmark présélectionné et de fixer les objectifs en
fonction de celui-ci.
La frontière efficiente de Markowitz est davantage une approche de la
politique de placement plutôt qu’un outil réellement efficace bien qu’au moment de
l’allocation son importance soit prépondérante.
Les travaux de Markowitz, ont été suivis par une série des modèles
permettant de déterminer le prix des actifs et la rentabilité attendue en fonction du
risque encouru.
1

Nous allons à présent aborder l’évaluation des actifs financiers risqués. Nous
commencerons par le modèle d’équilibre des actifs financiers pour finir par le
modèle APT.
4.4. Modèle d’équilibre et prix du risque
4.4.1. Le MEDAF
Ce modèle a été formalisé par Sharpe (1964), Lintner (1965) et Mossin

(1966,1973) d’après les travaux de Markowitz, Sharpe et Treynor. Il donne une
représentation à l’équilibre de la relation entre taux de rentabilité et risque dans une
économie et permet l’établissement du prix des actifs risqués.
Le MEDAF permet de créer la droite de marché présentée ci-dessous (Figure
22) qui détermine la prime de risque et les niveaux de rentabilité espérée en
fonction du bêta. Tous les portefeuilles tendent à se positionner sur cette droite.
C’est notamment le cas du portefeuille de marché qui regroupe toutes les valeurs
cotées pondérées en fonction de leur capitalisation. Cette droite de marché
maximise la satisfaction de l’investisseur (voir précédemment) qui pondère la
répartition d’actifs risqués et d’actifs sans risque de son portefeuille en fonction de
son aversion au risque pour se positionner sur cette droite. Depuis 1977, Associés
En Finance propose une droite de marché prévisionnelle pour le marché français.
Figure 22 – Droite de marché et prix du risque
Ce modèle pose comme postulat que tous les investisseurs disposent des
mêmes informations, aient les mêmes anticipations ainsi que des mesures de

risques identiques. Par ailleurs, ceux-ci se basent uniquement sur l’espérance, la

variance et les covariances des rendements pour composer leur portefeuille.
Le MEDAF n’évalue la rentabilité espérée des actions qu’en fonction du
risque systématique, d’où la présence du bêta. La rentabilité espérée des actions est
donc proportionnelle à leur risque non diversifiable (β). Ce coefficient de
proportionnalité équivaut à la prime de risque liée à l’action. En règle générale, la
prime de risque lié au marché ( E ( Rm ) − R f ) est, elle, comprise entre 3 et 5%
(4,9% en France). La formulation suivante permet de tracer la droite de marché et

de déterminer la prime de risque associée à chaque action :
E ( Ri ) = R f + β [ E ( Rm ) − R f ] (Eq 29)
En conclusion, il n’y a pas de portefeuille à privilégier. L’investisseur doit

simplement diversifier au mieux son portefeuille afin de diminuer son risque.
Ensuite, il doit pondérer actifs risqués et actifs sans risque suivant son aversion au
risque de manière à déterminer sa position sur la droite de marché puisque le choix
des actions doit, idéalement, viser le portefeuille de marché. On peut d’ailleurs noter
l’apparition de nombreux trackers qui répliquent exactement les performances des
marchés de référence.
Le MEDAF a été testé par Black, Jensen et Scholes (1972) et par Fama et
MacBeth (1973) à partir de données historiques. Ils ont analysé une corrélation
entre la droite de marché du modèle et les surplus de rentabilité offerts par le
marché. Cependant, Fama et Macbeth ont démontré que des facteurs comme la
capitalisation boursière ou le ratio « book to market » expliquaient également les
écarts de rentabilités observés qui ne sont alors plus uniquement justifiables par le
bêta des actions. En 1997, ils ont même affirmé la mort du modèle d’équilibre des
actifs financiers. Néanmoins, cette méthode reste encore très largement utilisée
dans la gestion de portefeuille.
Nous allons maintenant étudier le modèle APT qui peut être considérée
comme une « généralisation » du MEDAF puisqu’il analyse la sensibilité d’un titre à
plusieurs facteurs selon une méthode similaire.

4.4.2. Le modèle APT
Le modèle APT (Arbitrage Pricing Theory) a été développé en 1976 par Ross.
Il pose l’hypothèse que la rentabilité d’un titre i est influencée par un certain
nombre de facteurs communs à l’ensemble du marché et par un facteur spécifique.
Comme dans le MEDAF, seul le risque non diversifiable est rémunéré. La prime de
risque associée à une action est donc égale à la somme des primes de risques sur
l’ensemble des facteurs à laquelle s’ajoute un facteur propre à l’entreprise, d’où la
formulation mathématique suivante :
Ri = R f + β1F1 + β 2 F2 + ... + β n Fn + ε i (Eq 30)
Où R f est le taux de l’argent sans risque, ou rentabilité espérée de l’action quand
tous les facteurs ont une valeur nulle, β n Fn la sensibilité de i au facteur Fn et ε i un
terme spécifique au titre i.
Dans son article fondateur, S. Ross définit, sur la base d’analyses

quantitatives, différents facteurs influents :
• Variations non anticipées de l’inflation
• Variations non anticipées de la production industrielle
• Variations non anticipées de la prime de risque du marché
• Evolutions de la courbe des taux.
L’avantage majeur de cette théorie, qui a connu son heure de gloire dans les
années 80, est qu’elle ne requiert pas l’identification d’un portefeuille de marché
global. Cependant, elle suppose les facteurs explicatifs peu nombreux et facilement
identifiables, tout en restant purement empirique et en ne les déterminant pas. Elle
laisse donc leur appréciation au libre-arbitre du gestionnaire qui doit les établir en
fonction du secteur et de l’activité propre à l’entreprise. En cela, elle reste
davantage un outil de gestion de portefeuille et non un outil d’évaluation puisque
les variables restent à déterminer.
Chen, Roll et Ross (1986) ont tenté de déterminer les facteurs explicatifs sur
la période 1958-1984 et trois sont ressortis. Il s’agit du niveau de la production
industrielle, des variations de la prime de risque de défaut et des déformations de la
structure des taux. Cependant, d’autres facteurs peuvent influencer la valeur de la

rentabilité des actions et il paraît très délicat d’en dégager une liste exhaustive
puisque ceux-ci restent purement statistiques et instables.
Parmi les modèles factoriels, on peut également citer le modèle à trois

facteurs de Fama-French qui permet également d’analyser la rentabilité des actions
mais nous nous limiterons à l’étude du MEDAF et du modèle APT.
Enfin, on peut suggérer qu’« aucun modèle théorique ne peut donner une
représentation exacte et complète de la réalité. Mais face à la complexité des
décisions de gestion financière, il est indispensable d’avoir un modèle de base pour
structurer son processus de décision et de gestion. »1
Nous allons maintenant aborder la partie empirique de ce mémoire de

recherche. La cinquième partie est en effet consacrée à l’élaboration d’un modèle
permettant de répondre à la question posée dans ce mémoire, par la modélisation
des performances d’un portefeuille sous l’influence des produits dérivés de
couverture.
1
D’après JACQUILLAT & SOLNIK (2002) Marchés financiers

ETUDE EMPIRIQUE
5. ETUDE EMPIRIQUE
Dans cette partie, nous rappellerons tout d’abord la problématique de notre

projet de recherche ainsi que ses enjeux, avant d’effectuer une étude empirique
permettant de répondre à la question posée dans ce mémoire.
5.1. Rappel de la problématique
A travers la partie théorique de ce mémoire, nous avons analysé les facteurs

impactant la valeur des actifs financiers. Nous avons ensuite appréhendé les
produits dérivés permettant de diminuer les risques liés à ces actifs. Enfin, nous
avons posé les bases théoriques de la gestion de portefeuille à travers les modèles
de Markowitz (1952 et 1959) et Sharpe (1964).
A la lecture de ces fondements théoriques, la relation risque/rendement

devient évidente et la réponse à la problématique de ce mémoire semble toute
trouvée. En effet, la gestion de portefeuille étant un arbitrage entre risque et
rendement conformément à l’aversion au risque des agents économiques (clients et
opérateurs) et à la frontière efficiente, la couverture du risque par les produits
dérivés peut représenter un frein à la rentabilité d’un portefeuille d’actions.
Cependant, de part les caractéristiques propres aux produits dérivés, la
situation est plus complexe qu’il n’y paraît à priori. Il est donc intéressant d’étudier
empiriquement le réel impact de leur utilisation dans la gestion d’actifs. Cela nous
permettra alors de valider ou d’infirmer les conclusions déduites des chapitres
précédents en réponse à la question suivante : la couverture du risque par les
produits dérivés est-elle un frein ou un levier de la rentabilité dans la gestion
d’actifs ?
Nous allons maintenant créer un modèle de gestion quantitative nous

permettant d’évaluer l’impact de l’utilisation de produits dérivés dans l’optique d’une
optimisation du couple risque/rentabilité.
Nous verrons tout d’abord les hypothèses permettant la création de ce
modèle empirique avant une étude détaillée de l’impact des produits dérivés de
couverture.

ETUDE EMPIRIQUE
5.2. Hypothèses
Nous présenterons dans cette partie les différentes hypothèses inhérentes à

notre modèle.
5.2.1. Environnement
L’environnement de notre expérimentation a quelques particularités qu’il est

nécessaire de citer ici :
• Les prix et données de l’expérimentation sont supposés fiables puisque issus de
Bloomberg et d’Euronext.
• Le marché est parfait : la « négociabilité » des titres est continue et les prix du
marché correspondent aux prix théoriques.
• Il n’y a aucun frais de transactions.
• Les entreprises ne versent pas de dividende pendant la période considérée.
• Les ventes à découverts ne sont pas autorisées.
• Seules les valeurs françaises seront prises en compte.
• La prime de risque du marché français sera égale à 4,90% sur la période
considérée.
• Taux de placement et taux d’emprunt sont égaux au taux sans risque.

• Le taux sans risque est stable dans le temps conformément à l’hypothèse posée
par Black & Scholes dans leur modèle d’évaluation du prix des options.
• Le taux sans risque est égal à 3,72%, taux de l’OAT 10 ans au 25 mars 20041.
5.2.2. Choix du benchmark
5.2.2.a. Définition de l’indice de référence
Cette expérimentation portant sur les actions françaises, l’indice de référence

pour nos portefeuilles sera le CAC 40 (Figure 23) bien qu’il ne soit pas toujours
fidèlement représentatif de la tendance de fond du marché. Néanmoins, il ne sera
1
D’après Ixis CIB

ETUDE EMPIRIQUE
pas question ici de gestion indicielle mais bien de gestion benchmarkée. Les
portefeuilles pourront donc dévier par rapport à leur modèle.
Evolution du CAC 40
6 000
5 000
Valeurs 4 000
3 000
2 000
janv-01 sept-01 mai-02 janv-03 sept-03 mai-04 janv-05
Dates
Figure 23 – Evolution du CAC 40 entre 2001 et 2005
Pour justifier ce choix, nous pouvons comparer cet indice au SBF 250 et au
MSCI Euro (Figure 24). Nous voyons à travers cette comparaison que l’indice des
valeurs françaises suit une évolution comparable à celle de l’indice des grandes
valeurs européennes et qu’il parvient même à le surperformer durant certaines
périodes. Il paraît donc intéressant de se fixer sur ce choix de benchmark qui
représentera sans doute davantage l’évolution des valeurs françaises. De plus, le
CAC 40 est l’indice phare du marché français et de nombreux fonds d’investissement
l’utilisent comme référence.
Evolutions comparées CAC40

100,00 SBF250
MSCI Euro
90,00
Evolution (en %)
80,00
70,00
60,00
50,00
40,00
janv-01 sept-01 mai-02 janv-03 sept-03 mai-04 janv-05
Dates
Figure 24 – Evolutions des indices français et de la référence européenne
La période de référence de notre analyse s’étendra du 1er janvier 2001 au 28

février 2005. Durant cette période, la valeur du CAC 40 a été divisée par deux

ETUDE EMPIRIQUE
(Figure 23) et l’ensemble des valeurs a souffert sans connaître d’évolution similaire.
Les ratios (volatilité, etc.) ainsi que la matrice de corrélation présentée en annexe
seront donc tirés de cet intervalle de croissance irrégulier mais suffisamment long
pour être représentatif.
L’étude empirique qui suit émet cependant des hypothèses concernant

l’évolution future de l’indice, c'est-à-dire à partir du 28 février 2005.
5.2.2.b. Tendances de marché retenues
Nous retiendrons trois tendances pour notre expérimentation (voir Figure

25). Celles-ci seront réparties selon une loi normale et permettront d’analyser
l’évolution de nos portefeuilles en fonction de fluctuations aléatoires.
4 700,00
4 500,00
Hyp1
Hyp2
4 300,00
Hyp3
Valeurs
4 100,00
3 900,00
3 700,00
3 500,00
févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06
Dates
Figure 25 – Hypothèses de croissance du marché retenues
Nous aurons donc :

• Une hypothèse de croissance pessimiste (courbe bleue) : le marché chutera de
10% annuel. Les causes peuvent être la hausse des cours du brut, de l’euro ou
la reprise des violences en Irak.
• Une hypothèse de croissance neutre (courbe verte) : le marché progressera de
1% annuel. Les faits marquants de cette période pourraient être la stabilisation
des taux directeurs, des résultats de sociétés en ligne avec les prévisions ou une
stabilisation des cours du pétrole autour de 50$/baril.
• Une hypothèse de croissance optimiste (courbe rouge) : le marché progressera
de 15% annuel en raison de la hausse des réserves de l’OPEP, de la hausse des

ETUDE EMPIRIQUE
niveaux de rentabilité des grandes entreprises françaises et d’une croissance de

3% du PIB de la zone euro.
5.2.3. Définition du profil des portefeuilles
5.2.3.a. Horizon de placement
Nous voyons dans la Figure 26 que les portefeuilles à horizon de placement

1 an ont 17% de risque de terminer négatifs alors que les placements à 10 ans sont
toujours positifs à échéance.
Cependant, dans le cadre de notre expérimentation, nous retiendrons 1 an
comme horizon de placement. Cela facilitera, d’une part, notre modélisation et
permettra, d’autre part, d’analyser efficacement l’impact d’une couverture par les
produits dérivés suivant plusieurs hypothèses de croissance du marché.
Figure 26 – Probabilité de rendements négatifs et horizon de placement
5.2.3.b. Niveau d’aversion au risque
Le niveau d’aversion au risque des clients des gestionnaires de portefeuille

est généralement réparti sur une échelle d’aversion à six niveaux. 6 représente une
très forte aversion au risque, un profil conservateur, 3 représente un profil équilibré
et 1 représente un profil très tolérant au risque, dynamique.
Portefeuille 1 Portefeuille 2 Portefeuille 3 Figure 27 –

Positionnement des
portefeuilles (Aversion au
6 1 risque)

ETUDE EMPIRIQUE
Nous tenterons donc de construire trois portefeuilles correspondant à ces

profils, comme le démontre la Figure 27. Bien qu’il soit entendu qu’un portefeuille
composé uniquement d’actions soit risqué par nature.
Nous abordons maintenant la modélisation empirique de nos hypothèses afin

de définir la place des produits dérivés dans la gestion d’actifs.
5.3. Définition des portefeuilles
Comme vu précédemment, nous déterminerons trois portefeuilles aux

caractéristiques différentes mais dont l’investissement initial sera quasiment égal à 1
millions d’euros. Chacun sera composé de cinq actions diversifiées dont le profil sera
représentatif de celui du portefeuille. Les profils des entreprises et leur secteur
d’activité représentent un premier critère de diversification mais d’autres facteurs
seront également pris en compte et décrits ci-dessous.
5.3.1. Portefeuille conservateur
Pour déterminer ce portefeuille, nous choisissons les cinq actions de l’indice

CAC 40 les plus faiblement corrélées sur la période 2001-2005. Nous avons pour
cela construit une matrice de Markowitz d’où proviennent nos choix d’actions et
notre allocation d’actifs (Tableau 3). Les secteurs d’activités des entreprises
retenues sont par ailleurs très divers.
Valeur Bêta Volatilité Rendement E(R) Pondération

Essilor 0,642 20,86% 24,24% 6,87% 12,00%
France Telecom 0,504 21,89% 5,68% 6,19% 21,00%
Pernod Ricard 0,520 16,51% 25,34% 6,27% 20,00%
Sanofi 0,958 20,99% 12,76% 8,41% 17,00%
Vinci 0,678 15,83% 29,39% 7,04% 30,00%
Portefeuille 0,653 9,00% NA 6,92% 100%
Tableau 3 – Composition du portefeuille 1 (noté P1)
Ce portefeuille relativement défensif propose un bêta très faible par rapport

au CAC 40 et offre une espérance de rentabilité à la mesure de son risque, c'est-à-
dire très limitée. Nous comparerons par la suite sa performance à celle de son
benchmark.

ETUDE EMPIRIQUE
5.3.2. Portefeuille équilibré
Pour ce portefeuille, le facteur critique est le bêta. Nous avons en effet

déterminé un portefeuille qui permet de répliquer parfaitement les mouvements de
son benchmark. Nous avons donc choisi cinq valeurs aux bêtas différents dont la
pondération nous a permis d’atteindre un bêta de 1 (voir Tableau 4).

Arcelor 1,278 0,274 30,58% 9,98% 0,23
Crédit Agricole 0,556 0,1986 7,87% 6,44% 0,15
Essilor 0,642 0,2086 19,63% 6,87% 0,21
Lafarge 1,257 0,1812 2,82% 9,88% 0,28
Lagardère 1,052 0,1909 5,41% 8,87% 0,13
Portefeuille 1,001 16,13% NA 8,62% 100%
P2 est moyennement risqué puisqu’il réplique exactement le marché. Il est

donc à l’abri de variations trop brutales et ne réserve aucune surprise à
l’investisseur : son rendement sans couverture sera celui du marché, à l’instar d’un
tracker.
5.3.3. Portefeuille dynamique
Ce portefeuille est composé de valeurs fortement corrélées mais ayant

également un bêta supérieur à 1. Cela permet d’amplifier les mouvements de
marché et donc de bénéficier à plein des perspectives de croissance offertes.

Alcatel 1,441 35,61% -12,85% 10,78% 10,00%
Axa 1,361 22,53% 3,50% 10,39% 30,00%
Cap Gemini 1,487 39,97% -21,97% 11,01% 10,00%
EADS 1,555 29,54% 30,87% 11,34% 30,00%
ST Micro 1,366 26,81% -17,62% 10,41% 20,00%
Portefeuille 1,441 23,52% NA 10,78% 100%
Ce fond est très dynamique et est destiné à des investisseurs très tolérants
au risque. En cas de croissance, il offrira en effet de très belles performances mais
sera fortement pénalisé en cas de chute du marché puisqu’il amplifie les tendances,
à la hausse comme à la baisse.

ETUDE EMPIRIQUE
5.3.4. Indicateurs de performances
Afin d’analyser les performances des fonds décrits précédemment nous

utiliserons ici les indicateurs typiques de la gestion de portefeuille.
5.3.4.a. L’alpha de Jensen
Nous nous attarderons tout d’abord sur l’alpha de Jensen qui permettra de
connaître la performance du fond par rapport à son indice. Il permet également
d’analyser la performance par rapport au taux sans risque. On peut le déterminer de
deux manières différentes.
• Soit de manière mathématique par la formule suivante :
R p ,t − rf ,t = α p + β p (RM ,t − rf ,t ) + ε p ,t (Eq 31)
Où R p ,t est le rendement du portefeuille sur la période t ; rf ,t est le taux de l’argent
( )
sans risque ; β p RM ,t − rf ,t est la prime de risque du marché et ε p ,t le résiduel.
• Soit graphiquement, par régression linéaire. C’est d’ailleurs cette méthode que
nous utiliserons.
5.3.4.b. Le ratio de Sharpe
Ce ratio permet de mesurer la performance d’un fond en fonction de sa

volatilité. On a donc ici une représentation du couple risque/rendement, la volatilité
étant le risque spécifique du portefeuille comme nous avons pu le voir
précédemment. Il s’établit de la façon suivante :
Rp − R f
Sp = (Eq 32)
σp
Nous comparerons le ratio de Sharpe de chaque fond avec celui des autres
fonds mais également avec celui de marché pour déterminer lequel obtient la
meilleure performance en fonction des hypothèses retenues.
5.3.4.c. Le ratio de Treynor
Ce ratio est également fréquemment utilisé en finance de marché pour

comparer la performance de différents portefeuilles. Il illustre le rapport entre le

ETUDE EMPIRIQUE
bêta du fond, c'est-à-dire son risque systématique et sa rentabilité comparativement

au taux sans risque. Plus le ratio est élevé, plus le fond est performant. Nous
l’obtenons de la manière suivante :
Rp − R f
Tp = (Eq 33)
βp
Nous abordons maintenant les démonstrations en commençant par
l’évaluation des performances en l’absence de couverture.
5.4. Performances sans couverture
5.4.1. Portefeuille 1
5.4.1.a. Hypothèse d’une baisse du marché
P1 est le portefeuille le moins sensible aux variations du marché de part son

processus d’allocation d’actifs (diversification en fonction des coefficients de
corrélation, faible bêta). Cette caractéristique prend toute son importance lors d’une
baisse généralisée des marchés. Comme le démontre la Figure 28, le portefeuille bat
le marché en étant moins affecté par les périodes de baisse.
Comparaison portefeuille/benchmark (hyp1)

102,00 Portefeuille1
Benchmark
100,00
Valeur (base 100)
98,00
96,00 Figure 28 – P1 lors d’une

94,00 baisse du marché
92,00
90,00
88,00
févr-05 mai-05 août-05 nov-05 févr-06
Dates
Cela se retrouve également dans les indicateurs de performances puisqu’on

note un écart de 3,51% entre la rentabilité finale du portefeuille et celle du marché.
Cette information est également confirmée par l’alpha de Jensen du portefeuille qui
est positif à 1,06, ce qui indique une surperformance du fond.

ETUDE EMPIRIQUE
Dans une perspective de baisse du marché et de non couverture, un

portefeuille décorrélée du marché peut donc battre son indice de référence grâce à
un bêta faible et une diversification raisonnée.
5.4.1.b. Période de stagnation ou de croissance
Les caractéristiques de P1 sont en revanche moins positives en cas de

croissance de marché ou d’équilibre. En effet, étant moins volatile que l’indice de
référence, le portefeuille tirera moins profit des mouvements de hausse du marché
et cela se confirme à la lecture des graphiques (voir Figure 29, Figure 30).
Comparaison portefeuille/benchmark (hyp2) Comparaison portefeuille/benchmark (hyp2)

102,00 Portefeuille1
Portefeuille1
Benchmark 120,00
Benchmark
101,00
Valeur (base 100)
Valeur (base 100) 116,00

100,00
112,00
99,00
108,00
98,00
104,00
97,00
96,00 100,00
févr-05 mai-05 août-05 nov-05 févr-06 févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06
Dates Dates
Figure 29 – P1 en période d’équilibre Figure 30 – P3 en période de croissance
Selon ce cas les alphas de Jensen deviennent également négatifs puisque

suivant l’hypothèse 2 il est de -1,29 et dans l’hypothèse 3 de -1,28.
Quant aux ratios de Sharpe et Treynor du portefeuille, ils permettent
également de constater les moindres performances du fond puisqu’ils sont
respectivement de -0,59 et 1,01 contre -0,35 et 1,25 pour le benchmark (Sharpe),
et de -0,05 et 0,09 contre -0,03 et 0,11 pour l’indice de référence (Treynor).
En conclusion, nous pouvons affirmer qu’un fond peu sensible aux variations
du marché (composé de valeurs diversifiées ayant des corrélations et des bêtas
faibles) sera intéressant en cas de chute du marché puisque sa moindre volatilité lui
offrira un surplus de performance. En revanche, en période de croissance il n’est
pas le type de portefeuille à privilégier puisqu’il offre des rendements inférieurs à
ceux de son indice de référence. Il sera par ailleurs intéressant d’analyser les
performances de ce portefeuille en ajoutant une couverture par les produits dérivés.

ETUDE EMPIRIQUE
Nous allons à présent analyser les performances de P2 sans couverture

conformément aux hypothèses de croissance précédemment citées.
Il est inutile de diviser l’analyse du second portefeuille en fonction des

hypothèses de croissance du marché.
En effet, ayant un bêta égal à 1 (voir Figure 31), son évolution est similaire à
celle du marché comme le démontre d’ailleurs les Figure 32 et Figure 33. Cela tient
aux caractéristiques du fond dans lequel la pondération des valeurs est optimisée
afin d’obtenir un bêta égal à 1 par rapport au benchmark.
y = 1,0073x - 4E-05
5% R(p)
4%
3%
2%
1%
R(m)
0%
-6,00% -4,00% -2,00% 0,00% 2,00% 4,00% 6,00%
-1%
-2%
-3%
-4%
-5%
Figure 31 – Courbe de régression de P3 (hyp3)
Pour preuve, les alphas de Jensen dans les trois hypothèses sont très
proches de 0 avec -0,01 pour l’hypothèse 1, -0,003 pour l’hypothèse 2 et 0,02 pour
l’hypothèse 3.
Les ratios de Sharpe et Treynor justifient également la vision graphique
puisqu’ils sont sensiblement égaux. A titre d’exemple, dans l’hypothèse 3 le ratio de
Sharpe du fond est de 1,24 contre 1,25 pour le marché et le ratio de Treynor est de
0,11, identique à celui du CAC 40.

ETUDE EMPIRIQUE
Portefeuille2
102,00 Portefeuille2 120,00
Benchmark
100,00 Benchmark
115,00
Valeur (base 100)

Valeur (base 100) 98,00
96,00 110,00
94,00
105,00
92,00
90,00 100,00
88,00 95,00
86,00
90,00
84,00
Dates Dates
Figure 32 – P2 en situation baissière Figure 33 – P2 en situation haussière
En conclusion de cette simulation, nous affirmons qu’un fond indiciel a une

volatilité et une performance semblable à celle du marché sans utilisation des
produits dérivés. Nous verrons donc dans les démonstrations suivantes leur impact
sur un fond répliquant initialement le marché.
5.4.3.a. Hypothèse de baisse du marché
Le portefeuille 3 est composé des valeurs ayant les bêtas les plus élevés du
CAC 40 afin de profiter d’éventuelles hausses du marché. Cependant, en cas de
chute de son indice de référence, il sera lourdement pénalisé. Cette situation se
retrouve dans la Figure 34 où l’on voit le marché céder 10% sur un an tandis que
P3 abandonne 14,52%, soit un écart en faveur du marché de 4,52%. La plus forte
volatilité du portefeuille et son bêta élevé justifient cette sousperformance, appuyés
par l’alpha de Jensen du fond qui est négatif à -1,63.
Comparaison portefeuille/benchmark (hyp1)
Portefeuille2
105,00
Benchmark
100,00
Valeur (base 100)
95,00
Figure 34 – P3 en tendance
90,00
baissière
85,00
80,00
75,00
Dates

ETUDE EMPIRIQUE
Par ailleurs, le ratio de Sharpe du fond est de -1,03 contre -1,12 pour le
marché. Analyser en valeur absolue, ce ratio démontre une fois de plus la moindre
performance de P3 comparée à celle de son indice de référence. Ceci est également
vérifié au regard du ratio de Treynor qui est de -0,13. La performance du fond est
donc inférieure à celle de l’argent sans risque mais aussi à celle du marché.
5.4.3.b. Période d’équilibre et de croissance
La très forte volatilité du fond lui accorde en revanche de meilleures

performances en cas de stagnation (Figure 35) ou de croissance (Figure 36).

Portefeuille2 Portefeuille2
104,00 Benchmark 130,00 Benchmark
125,00
102,00
Valeur (base 100)
Valeur (base 100)

120,00
100,00 115,00
110,00
98,00 105,00
100,00
96,00
95,00
94,00 90,00
févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06 févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06
Dates Dates
Figure 35 – P3 à l’équilibre Figure 36 – P3 en situation haussière
Ceci est vérifié grâce aux alphas de Jensen. Dans l’hypothèse 2, l’alpha du
portefeuille est de 1,63 et de 1,64 dans l’hypothèse 3. Le fond surperforme donc le
marché avec des écarts de rentabilité respectivement égaux à +0,25% et +6,93%.
Par ailleurs les ratios de Sharpe et Treynor corroborent cette impression
visuelle puisqu’ils démontrent la supériorité du fond comparé à son benchmark,
avec notamment un ratio de Sharpe égal à 1,40 dans l’hypothèse 3 (1,25 pour le
marché) et un ratio de Treynor égal à 0,13 contre 0,11 au marché.
Pour conclure sur ce fond très dynamique, nous pouvons dire que ses
caractéristiques démontrent dans les trois hypothèses tous leurs avantages et
inconvénients. En effet, en cas de chute du marché, le fond est très fortement
pénalisé et sousperforme nettement son indice de référence mais en cas de
croissance il bénéficie de l’effet accélérateur de son bêta très élevé et de sa forte
volatilité.

ETUDE EMPIRIQUE
La modélisation empirique de l’utilisation des produits dérivés de couverture

dans le cadre de ce fond paraît intéressante puisque la volatilité du fond pourrait
diminuer par l’utilisation d’options. C’est d’ailleurs ce que nous allons vérifier dans la
partie suivante afin de conclure sur la question centrale de ce mémoire de
recherche.
5.5. Performances avec couverture
Afin de modéliser l’évolution de nos portefeuilles en y ajoutant une

couverture par les produits dérivés et vérifier ainsi notre problématique initiale, il
nous semble nécessaire de poser les postulats de cette quantification.
5.5.1. Types de couverture choisis
Nous utiliserons des options afin de couvrir nos positions. Il est inutile
d’utiliser d’autres produits puisque ceux-ci ne seraient pas adaptés aux besoins de
cette étude empirique.
Ces options seront de type américain puisque d’échéance deux ou trois mois,
et exerçables à tout moment. Cela afin d’avoir une stratégie de couverture
dynamique. Par ailleurs, ces options offrent l’avantage de bénéficier de prime de
maturité relativement faible du fait de leur échéance rapprochée. A chaque
échéance, nous nous couvrirons avec des options de la maturité suivante.
Enfin, nous nous couvrirons avec les premiers puts hors de la monnaie
disponible au moment de leur achat. Cela nous permettra de rester dans
l’hypothèse financière de la recherche des coûts de transactions les plus faibles
possibles.
Enfin, le prix de ces options sera modélisé à l’aide du modèle de Black &
Scholes. Nous avons conscience que ce modèle n’est pas le plus adapté au pricing
d’options américaine et que des avancées ont été faites dans ce sens. On peut ici
citer Black & Scholes qui ont modifié leur modèle ou des chercheurs comme Whaley
qui se sont également attardés sur cette problématique. Cependant, en l’état actuel

ETUDE EMPIRIQUE
de nos connaissances, ces modèles semblent inopportuns et trop complexes à

mettre en œuvre.
5.5.2. Stratégies utilisées
Dans un premier temps, il s’agira de couvrir 100% du portefeuille avec des

puts Avril, Juin, Septembre et Décembre afin d’analyser les conséquences sur la
performance du portefeuille d’une telle stratégie induisant des frais de transaction
importants.
Nous définirons ensuite une stratégie de couverture fonction du niveau

d’aversion au risque du gérant de portefeuille. Il s’agira donc de couvrir la totalité
ou seulement une partie du risque et d’analyser si le paiement des primes offre un
surplus de rentabilité par rapport à la situation initiale. Cette situation est très
courante en pratique comme nous l’a affirmé Michael Mennevée, risk manager chez
Calyon. Elle permet en effet de ne pas trop diminuer la performance globale par des
coûts de transaction trop lourds.
Nous tenterons également de mettre en place des stratégies combinées.

Nous aurons tout d’abord une stratégie permettant une couverture sans frais :
vente de calls (prime nulle) et achat de puts de mêmes caractéristiques.
Puis nous mettrons en place un straddle. Nous achèterons donc un put et un

call de même échéance et de même prix d’exercice afin de bénéficier de la volatilité
du marché et de dégager un profit en cas de hausse ou de baisse du marché. Cette
stratégie est plus spéculative que les autres mais est susceptible de prouver
l’efficacité de l’utilisation d’options dans la gestion d’actifs.
5.5.3.a. Chute du marché
Dans un premier temps, nous avons tenté de modéliser une couverture

simple du portefeuille 1 en achetant le premier put hors de la monnaie disponible
pour chaque valeur (stratégie 1).

ETUDE EMPIRIQUE
Nous pouvons voir dans la Figure 37 que cette stratégie ne permet pas de
surperformer le marché de référence avec un écart de rentabilité de seulement
0,14% en faveur de P1. Par ailleurs, la performance globale de P1 couvert est
inférieure à celle de P1 non couvert et tend à en être décorrélée (Figure 38).
Mesure de performance Droite de régression y = 0,8375x - 0,0023

100,00 Couverture 6,00%
Non couvert
Benchmark
Performance (Base 100)
98,00
4,00%
R(P1 couvert)
96,00 2,00%
94,00 0,00%
-6% -4% -2% 0% 2% 4% 6%
92,00 -2,00%
90,00 -4,00%
88,00
-6,00%
févr-05 avr-05 juin-05 août -05 oct -05 déc-05 f évr-06 R(P1)
Dates
Figure 37 – Comparaison de P1 et P1 Figure 38 – Droite de régression P1

couvert (Stratégie 1) couvert/P1
Cela se confirme au regard des différents ratios puisque le ratio de Sharpe

de P1 est de -1,89 contre -1,28 auparavant et son ratio de Treynor de -0,25 contre -
0,16 au portefeuille non couvert. Le fond couvert est donc moins performant. Cela
se justifie par le fait qu’il est protégé contre la variabilité de valeurs peu volatiles et
peu sensibles aux variations du marché. Les primes payées impactent donc
négativement la performance du fond.
Dans le même esprit, nous avons mis en place un straddle en achetant des
puts et calls de mêmes caractéristiques et les conclusions sont identiques (Figure
39). Le manque de volatilité et les primes payées pénalisent lourdement la
performance qui s’établit alors à -20,71% et augmente la volatilité (12,90%). Cette
stratégie est donc inefficace pour un portefeuille défensif, comme le confirme
également l’alpha (-2,87).

ETUDE EMPIRIQUE
Mesure de performance Couverture

Non couvert
100,00
Benchmark

95,00
90,00
85,00
80,00
75,00
Dates
Figure 39 – Performance du fond avec straddle (stratégie 3)
Afin de résoudre le problème de prime, nous avons tenté une stratégie

combinée d’achat de puts et de vente de calls de mêmes caractéristiques (stratégie
2), et les conclusions sont très différentes. En effet, en récupérant les primes de
vente de calls dans la monnaie et en payant les primes de puts hors monnaie, la
performance s’améliore nettement (voir Figure 40).

Non couvert
118,00 Benchmark
113,00
108,00
103,00
98,00
93,00
88,00
Dates
Figure 40 – Performance de P1 (stratégie 2)
Le ratio de Sharpe ressort alors à -0,26 et le ratio de Treynor à -0,05 pour

une performance globale de 1,07% contre -10% au marché. Cette stratégie
correspond à un gérant fortement averse au risque qui diminue au minimum les
coûts de transactions liés à sa couverture et bénéficie d’une couverture optimale.
Cependant, elle tend à augmenter la volatilité du portefeuille puisque celle-ci atteint
10,03% contre 7,10% pour la stratégie 1.

ETUDE EMPIRIQUE
5.5.3.b. Equilibre et hausse du marché
Compte tenu des caractéristiques du portefeuille 1 et de sa faible volatilité,

des résultats semblables sont issus des simulations des autres hypothèses. Comme
le confirme la Figure 41 et la Figure 42, le paiement des primes pénalise le gérant.
En effet, il n’est pas intéressant pour lui d’exercer ses puts en l’état actuel du
marché.
Mesure de performance Couverture Couverture

Mesure de performance
102,00 Non couvert 120,00 Non couvert
Benchmark Benchmark

100,00 115,00
98,00 110,00
96,00 105,00
94,00 100,00
92,00
95,00
févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06 févr-05 avr-05 juin-05 août-05 oct-05 déc-05 f évr-06
Dates Dates
Figure 41 – P1 (hypothèse 2, Figure 42 – P1 (hypothèse 3,

stratégie 1) stratégie 1)
Les ratios confirment la vision graphique puisque le ratio de Sharpe de P1

dans l’hypothèse 2 est de -1,49 contre -0,35 au marché et de -0,27 contre 1,25
dans l’hypothèse 3 avec une couverture simple. Les alpha de ces deux périodes sont
également négatifs avec respectivement -1,64 lorsque le marché est à l’équilibre et
-1,95 en période de croissance.
Le straddle offre des résultats équivalents aux précédents pour les mêmes
raisons. La stratégie combinée de vente de calls et d’achat de puts propose, quant à
elle, une variante intéressante dans la troisième hypothèse. En effet, comme le
montre la Figure 43, les assignations successives sur les ventes de call viennent
diminuer la performance globale. Néanmoins, bien que le portefeuille pâtisse des
assignations sur les ventes de calls à découvert du fait de la croissance des actions,
celui-ci surperforme largement le fond non couvert. L’écart de rentabilité entre les
deux portefeuilles est d’ailleurs là pour le prouver avec un surplus de rentabilité de
3,33% entre les deux rendements annuels. Le portefeuille couvert obtient une
performance de 13,02% contre 9,69% sans couverture.

ETUDE EMPIRIQUE

120,00 Non couvert
Benchmark

115,00
110,00
105,00
100,00
Dates
Figure 43 – Stratégie combiné (P1, hypothèse 3)
Le ratio de Sharpe du portefeuille dans cette stratégie est de 0,98 (1,25 pour
le marché) et le ratio de Treynor de 0,10.
L’un des points majeurs à noter est l’augmentation de la corrélation entre le

portefeuille et le marché. En effet, comme le démontre la Figure 44, le bêta du fond
est à présent de 0,915 contre 0,655 auparavant. L’utilisation d’options, plus volatiles
que leurs sous-jacents, peut donc augmenter la sensibilité du portefeuille.
Droite de régression y = 0,9149x - 0,0023

6,00%
4,00%
R(P1 couvert)
2,00%
0,00%
-6% -4% -2% 0% 2% 4% 6%
-2,00%
-4,00%
-6,00%
R(m)
Figure 44 – droite de régression de P1 (hyp 3, stratégie 3)
5.5.3.c. Conclusion
Les modélisations empiriques mises en place pour ce portefeuille défensif

nous apportent un certain nombre d’enseignements.
Nous analysons en premier lieu que la mise en place d’une couverture peut
être un frein ou un levier de la rentabilité en fonction de son utilisation. Il est donc

ETUDE EMPIRIQUE
nécessaire de déterminer la stratégie de couverture à mettre en place afin de ne

pas être trop pénalisé par le paiement de primes qui ne garantissent aucunement la
réussite de la couverture.
Par ailleurs, des valeurs peu volatiles et ayant des bêtas très faibles avec
leur marché de référence sont très difficiles à couvrir. En effet, la volatilité des sous-
jacents est l’un des facteurs clés du succès de l’utilisation d’options comme cela
peut se vérifier pour ce premier portefeuille. Nous verrons d’ailleurs d’autres
exemples de ce phénomène par la suite.
La couverture du risque actions par les produits dérivés peut donc devenir
un levier de la rentabilité d’un portefeuille défensif à condition d’étudier au
préalables les valeurs à couvrir et la stratégie combinée à mettre en place.
Nous allons maintenant analyser l’impact des produits dérivés et des

différentes stratégies utilisées sur un portefeuille répliquant initialement les
mouvements de son benchmark.
5.5.4.a. Chute du marché
Le second portefeuille est intéressant puisqu’il réplique exactement les

mouvements de son indice de référence. L’impact d’une couverture par les produits
dérivés sera donc facilement identifiable. Comme nous pouvons le voir dans la
Figure 45, une couverture totale du risque permet d’améliorer la rentabilité du
portefeuille avec une performance de -8,62% contre -10% initialement.

104,00 Non couvert
Benchmark
102,00
100,00
98,00
96,00
Figure 45 – Portefeuille 2
94,00 (hyp1, stratégie 1)
92,00
90,00
88,00
Dates

ETUDE EMPIRIQUE
En revanche, avec cette couverture la performance du portefeuille est

décorrélée de celle de son indice de référence avec un bêta de 0,85 contre 1 pour
le portefeuille sans couverture. La vocation du fond peut donc être remise en cause.
Le gestionnaire fortement averse au risque profitera de cette stratégie qui offre un
ratio de Sharpe de -1,08 contre -1,12 sans couverture.
Nous avons tenté de modifier cette stratégie en adoptant une attitude plus
tolérante au risque. Nous décidons de nous couvrir partiellement en ne prenant des
positions optionnelles que sur les actifs ayant un bêta supérieur à 1. Nous ne
couvrons donc ni Crédit Agricole ni Essilor. La performance annuelle atteint alors -
7,87% (Figure 46).

Non couvert
104,00
Benchmark
102,00
100,00
98,00
96,00
94,00
92,00
90,00
88,00
Dates
Figure 46 – P2 couvert partiellement
Nous retrouvons ici l’idée qu’il est nécessaire de bien identifier les actifs
présentant le plus de risque et la stratégie à adopter, puisqu’une couverture
partielle offre une meilleure rentabilité qu’une couverture totale ou qu’une absence
de couverture dans ce cas. Un gérant fortement averse au risque ne bénéficiera pas
forcément de la meilleure performance et du meilleur couple risque/rendement
puisqu’il aura tendance à augmenter les coûts de sa couverture et sa performance
nette en souffrira.
La troisième stratégie que nous avons testée est la stratégie combinée de

vente de calls et d’achats de puts. Elle est une fois de plus très efficace puisqu’elle
offre une rentabilité positive à notre portefeuille comme le démontre la Figure 47.
Nous avons maintenant un écart de 9,43% entre la rentabilité du marché et la
rentabilité de P2 (-0,57%). Cela est d’ailleurs conforté par le ratio de Sharpe qui

ETUDE EMPIRIQUE
s’établit à -0,35. Le portefeuille n’est en revanche plus corrélé au marché, comme

pour la stratégie précédente avec un bêta de 0,714.
Couverture
108,00 Non couvert
Benchmark

103,00
98,00
93,00
88,00
Dates
Figure 47 – P2 (hyp 1, stratégie 2)
Il est inutile de s’attarder sur le straddle puisqu’il n’a, une fois de plus, pas
eu les effets escomptés avec une rentabilité de -15,84%. Les valeurs et le marché
ne sont pas suffisamment volatiles pour profiter des caractéristiques de cette
stratégie.
5.5.4.b. Equilibre et hausse du marché
A l’équilibre, le fond comme le marché ne progresse que de 1% annuel. Les

stratégies 1 et 3 n’apporte rien de plus (Figure 48 et Figure 49). Les bêtas restent
proches de 1 mais la performance est minorée des primes versées.
Mesure de performance Couverture Mesure de performance Couverture

Non couvert Non couvert
103,00 Benchmark Benchmark
99,00
101,00
99,00 94,00
97,00
89,00
95,00
84,00
93,00
79,00
91,00 févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06
Dates Dates
Figure 48 – P2 (hyp 2, stratégie 1) Figure 49 – P2 (hyp2, stratégie 3)

ETUDE EMPIRIQUE
En revanche, la stratégie 2 permet de régler ce problème. Comme le

démontre la Figure ci-dessous.

112,00 Non couvert
Benchmark
110,00

108,00
106,00
104,00
102,00
100,00
98,00
96,00
Dates
Figure 50 – P2 (hyp2, stratégie 2)
La performance du fond atteint 6,90% et bénéficie de la récupération des

primes liées aux ventes de calls à découvert. Les ratios de Sharpe et Treynor sont
alors positifs à, respectivement, 0,36 et 0,04. Ces bonnes performances sont
essentiellement dues aux primes puisque le bêta du fond reste très proche de 1
(1,017). Les rendements sont donc identiques mais se situent à des niveaux
différents. Pour preuve, l’alpha est positif à 0,50.
Une fois de plus, les mouvements sont identiques dans la troisième

hypothèse de croissance du marché (+15%). De nouvelles démonstrations sont
donc inutiles. Néanmoins, on peut noter sur la Figure 51 que la stratégie combinée
3 pénalise lourdement le portefeuille. L’alpha du fond est de -1,95 et la performance
de -2,17%, soit un écart de 15,79% par rapport à la performance originale.
115,00
110,00
Couverture
105,00 Non couvert
Benchmark
100,00
95,00
90,00
85,00
Dates

ETUDE EMPIRIQUE
Par ailleurs, le bêta du fond est maintenant de 0,68. Cela marque une
décorrélation entre les différents rendements et insiste sur l’impact négatif de
l’utilisation d’options au sein d’un portefeuille peu volatile.
5.5.4.c. Conclusion
Ce qu’il était important d’analyser par la modélisation de ce portefeuille

n’était pas seulement l’effet en terme de performance pure de l’utilisation des
produits dérivés. Il était également important de noter dans quelle mesure ceux-ci
pouvaient impacter la corrélation entre le rendement des portefeuilles.
Nous pouvons donc conclure que les produits dérivés permettent une
évolution plus indépendante d’un portefeuille par rapport à son benchmark.
Celle-ci peut d’ailleurs être grandement améliorée bien que certaines
stratégies soient nuisibles à la rentabilité dans un environnement peu volatile.
Nous allons maintenant démontrer l’importance des produits dérivés sur les
performances d’un portefeuille très dynamique et très volatile.
5.5.5.a. Hypothèse 1 : baisse du marché
Pour l’hypothèse 1, il est intéressant d’analyser simultanément les résultats

obtenus par les stratégies 1 (stratégie simple) et 3 (straddle) qui n’ont jusque-là pas
toujours donné des résultats intéressants d’un point de vue chiffré. En effet, les
primes payées étaient trop élevées comparativement à la volatilité des titres
couverts. Or, la volatilité est l’une des composantes clés du portefeuille 3.
Comme nous pouvons le constater dans les deux graphiques ci-dessous,
cette volatilité a enfin été « récompensée » puisque l’achat des options a augmenté
la performance globale du fond. La stratégie 1 a permis un rendement de -5,92%
contre -14,52% au portefeuille non couvert, et la stratégie 3 un rendement de -
3,29%. Cela signifie que les options ont très souvent pu être exercées par le
gestionnaire de portefeuille grâce à une volatilité individuelle des titres très
importante et cela se retrouve dans la Figure 52 et la Figure 53. Le delta des

ETUDE EMPIRIQUE
options s’est révélé déterminant ici. L’évolution des sous-jacents a en effet eu des
impacts sur la valeur des options et sur la qualité de la couverture.
Mesure de performance Couverture Mesure de performance Couverture

Non couvert Non couvert
105,00 Benchmark 110,00 Benchmark

105,00
100,00
100,00
95,00
95,00
90,00
90,00
85,00
85,00
Dates Dates
Figure 52 – P3 (hyp1, stratégie 1) Figure 53 – P3 (hyp1, stratégie 3)
En outre, le ratio de Sharpe de P3 devient -0,54 en utilisant la stratégie 1 et

son ratio de Treynor devient -0,07. La couverture est donc un véritable levier de la
rentabilité comme le démontre l’alpha du fond qui s’élève à 1,70 avec cette
stratégie. On peut tirer une conclusion similaire de la stratégie 3 puisque le ratio de
Sharpe est alors de -0,31% et le Treynor de -0,04, contre -1,12 et -0,14 au
benchmark, tandis que l’alpha du portefeuille s’élève à 3,28.
Cette volatilité des sous-jacents a un inconvénient que l’on ne retrouvait pas

dans les modélisations précédentes. Celui-ci concerne la stratégie 2 qui, avec un
alpha de 0,37, génère moins de performance que les deux autres (voir Figure 54).
Couverture
110,00
Non couvert
Benchmark
105,00
100,00
95,00
90,00
85,00
Dates

ETUDE EMPIRIQUE
Le gérant est en effet assigné sur ses ventes de call en ouverture et cela
vient diminuer la performance globale du portefeuille. Il est intéressant de noter que
la situation s’inverse par rapport aux autres portefeuilles beaucoup moins volatiles
et qui permettaient de bénéficier à plein de la vente en ouverture de call dans la
monnaie qui n’étaient que rarement exercés par leurs souscripteurs.
5.5.5.b. Equilibre et croissance du marché
L’hypothèse de marché en stagnation permet d’analyser d’autres

phénomènes.
Le premier est que la stratégie 1 a très peu d’impact sur la performance du
fond. En effet, la rentabilité se détériore légèrement à -0,36% mais cela est dû aux
primes payées puisque l’évolution est similaire à celle du portefeuille sans
couverture (bêta de 1,008 avec P3 sans couverture).
Le second phénomène analysable est l’effet massue exercé par la couverture

dans le cadre de la stratégie 2 (Figure 55). Le gérant est davantage assigné sur les
call vendus à découvert qu’il ne peut exercer ses puts. La performance est donc
négative comparée au marché et au fond sans couverture. Nous avons une baisse
de 3,41% sur un an lorsque le marché prend 1%.
Couverture
Non couvert
104,00
Benchmark
102,00
100,00
98,00
96,00
94,00
92,00
90,00
Dates
Par ailleurs, le ratio de Sharpe est maintenant de -0,58 et le ratio de Treynor

de -0,04. Cette stratégie n’est donc pas recommandée dans cette configuration
puisque le risque de la vente d’options à découvert prend tout son sens ici.

ETUDE EMPIRIQUE
A l’inverse, dans la stratégie 3 l’investisseur a acheté des puts mais

également des calls pour se couvrir. Il peut donc bénéficier de la croissance et de la
baisse des valeurs. Nous avons vu dans la stratégie précédente que celui-ci avait
été assigné sur les call vendus à découvert. Il est donc maintenant en position
d’exercer les siens et donc de bénéficier de leur impact positif.
Nous constatons dans la Figure 56 que le portefeuille profite de cette
stratégie de couverture avec une performance annuelle de 4,54% et un alpha de
1,29 qui montre que le fond a surperformé son indice de référence.

Non couvert
106,00 Benchmark
104,00
102,00
100,00
98,00
96,00
94,00
Dates
Par ailleurs, le ratio de Sharpe du fond est de -0,09 et le Treynor de -0,01.

Cela montre que le fond surperforme le taux sans risque alors que le marché était
en dessous du taux de rendement de l’OAT 10 ans (3,72%).
En période de croissance, la seule stratégie rentable pour l’investisseur est la

stratégie 3 comme le démontre la Figure 57 et la Figure 58 la stratégie 1.
Mesure de performance Mesure de performance Couverture

Non couvert
128,00 Benchmark
119,00
123,00
114,00 118,00
113,00
109,00
Couverture
108,00
Non couvert
104,00 Benchmark
103,00
99,00 98,00
févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06 févr-05 avr-05 juin-05 août-05 oct-05 déc-05 févr-06
Dates Dates
Figure 57 – P3 (hyp3, stratégie 1) Figure 58 – P3 (hyp3, stratégie 3)

ETUDE EMPIRIQUE
L’alpha du fond dans la stratégie 1 est de 1,43. Cela tend à prouver qu’il
surperforme le marché mais celui de la stratégie 3 est de 1,72. Nous voyons donc
bien que le fond obtient une performance supérieure en suivant la troisième
stratégie.
Les ratios de Sharpe et de Treynor corroborent l’analyse graphique puisqu’ils
sont respectivement de 1,25 et 0,11 pour le fond dans la stratégie 1 et de 1,69 et
0,16 pour la stratégie 3.
La volatilité du marché et l’achat de calls profitent donc à l’investisseur qui se
couvre contre une baisse par l’achat de puts mais qui peut également profiter d’une
hausse du marché grâce à l’achat de calls.
Il n’est pas question ici de la stratégie 2 qui est inefficace pour ce

portefeuille, comme dans les hypothèses précédentes.
5.5.5.c. Conclusion
Ce portefeuille est certainement le plus représentatif de l’impact des produits

dérivés dans la gestion d’actifs puisqu’il est composé d’actions très volatiles.
Nous avons donc pu analyser l’impact positif de l’utilisation d’options dans le
cadre de certaines stratégies. Le portefeuille peut notamment profiter de la volatilité
des sous-jacents en période de croissance comme en période de récession.
La couverture du risque peut donc être un levier de la rentabilité lorsque le

portefeuille est composé de valeurs suffisamment volatiles. Néanmoins, toutes les
stratégies ne sont pas efficaces et le paiement des primes ou les ventes à découvert
peuvent pénaliser la rentabilité du portefeuille. Il est donc nécessaire d’utiliser une
stratégie judicieuse en fonction des titres en portefeuille et de la configuration
espérée du marché.
5.6. Conclusion générale
Nous avons pu analyser, à travers la modélisation de performance des

portefeuilles non couverts, l’impact du choix des valeurs et du bêta de chaque
portefeuille.

ETUDE EMPIRIQUE
Un portefeuille ayant un bêta faible avec son marché de référence

surperformera celui-ci dans une situation baissière tandis qu’un fond très dynamique
et regroupant de forts bêtas ne profitera que des périodes de croissance en
l’absence de gestion des risques. Un tracker répliquera, quant à lui, les mouvements
du marché en l’absence de produits dérivés de couverture.
Après avoir noté ces caractéristiques propres aux portefeuilles construits

pour notre expérimentation, il était nécessaire d’introduire des instruments de
couverture du risque pour nous permettre de répondre à la problématique posée.
La première conclusion que nous pouvons tirer de ces exemples est la
tendance des fonds à être décorrélés de la performance du portefeuille de base et
du benchmark en présence de stratégies de couverture.
Nous pouvons ensuite conclure qu’un portefeuille très dynamique et
composé de valeurs très volatiles profitera davantage de l’utilisation des options. En
effet, le portefeuille 1 n’a guère bénéficié de l’utilisation d’options quel que soit
l’hypothèse de croissance de marché retenue. Quant au portefeuille 3, il a bénéficié
de la volatilité des sous-jacents pour faire valoir l’efficacité de l’utilisation des
produits dérivés dans la gestion active de portefeuille.
Enfin, nous avons analysé qu’il était nécessaire de penser la stratégie à
mettre en œuvre au préalable. En effet, aucune des stratégies n’est efficace dans
100% des cas. De même, chaque stratégie peut trouver une utilité en fonction des
valeurs détenues en portefeuille. L’étude de plusieurs stratégies était à ce titre très
intéressante puisqu’elle permet d’affirmer qu’un portefeuille très sensible aux
variations de marché ne se couvre pas de la même manière qu’un portefeuille
défensif et nécessitent des combinaisons d’options pour atteindre une performance
optimisée tout en réduisant le risque global du portefeuille et ainsi bénéficier de
l’effet de levier.
Cette modélisation permet donc de conclure que les produits dérivés de

couverture peuvent être un levier de la rentabilité dans la gestion d’actifs à
condition d’être utilisés avec méthode et de tenir compte des caractéristiques des
titres détenus en portefeuille. Dans le cas contraire, les options peuvent avoir un
effet massue de part l’importance des primes payées notamment.

CONCLUSION
CONCLUSION
De nombreuses théories financières mettent en avant les relations entre

risque et rendement. Nous en avons effectué une large revue de littérature dans ce
mémoire de recherche et espérons que cet apport théorique aura abouti à la
conclusion chez notre lecteur que ces concepts ne peuvent être dissociés. On peut
de nouveau citer ici la théorie de la frontière efficiente de Markowitz et le modèle de
marché de Sharpe qui font figure de référence en gestion de portefeuille.
Nous avons également défini les risques liés à la détention d’actions et à la
création d’un portefeuille avant d’appréhender les instruments de couverture
permettant de s’en immuniser. D’un point de vue théorique, l’évaluation de ces
produits a notamment été traitée par le modèle de Black & Scholes, que nous avons
utilisé dans notre modélisation.
Afin d’analyser les effets de l’utilisation de ces derniers sur le couple

risque/rendement dans le cadre d’une gestion benchmarkée, nous avons ensuite
quitté le domaine théorique pour tenter de qualifier et quantifier leur impact par le
biais d’une expérimentation. Cela aura permis de répondre à la question centrale de
ce mémoire qui concernait le rôle des stratégies de couverture du risque action par
les produits dérivés dans la gestion d’actifs.
Les différents portefeuilles analysés ainsi que les hypothèses de croissance
retenues pour notre modèle permettent en effet de revenir sur l’affirmation faite
précédemment qui jugeait l’impact d’une couverture néfaste à la rentabilité d’un
portefeuille. Selon l’étude empirique que nous avons réalisée, il est maintenant
possible d’affirmer que les produits dérivés de couverture peuvent être un véritable
levier de la rentabilité dans la gestion d’actifs.
Cependant, plusieurs conditions sont nécessaires à cela. La stratégie de
couverture doit tout d’abord être réfléchie et ne pas engendrer de coûts de
transactions supérieurs aux revenus réalisables. En effet, on peut analyser l’impact
négatif des primes payées pour se couvrir, sur la rentabilité des portefeuilles de
notre simulation comme dans la réalité. Une couverture trop onéreuse comparée au
risque restera inefficace. Chaque situation nécessite donc une stratégie spécifique et
adaptée.

CONCLUSION
Par ailleurs, les titres détenus en portefeuille doivent être suffisamment

volatiles pour bénéficier de l’impact positif des options. A titre d’exemple, on peut
citer la différence de rentabilité des portefeuilles défensif et dynamique de notre
expérimentation en présence de produits dérivés.
Enfin, nous avons analysé un rôle indirect des produits dérivés. Ils
permettent une gestion plus indépendante du benchmark comme l’a démontré le
portefeuille 2. Cela se retrouve sur les marchés au regard de la performance du
fond Agir Plus (Isin : FR0007478938), dont les gérants, Tony Campione et Ion-Marc
Valahu d’Agilis Gestion, améliorent la performance de leur fond en couvrant
efficacement leurs positions par l’utilisation de produits dérivés. Par ce procédé, il
surperforme leur indice de référence tout en limitant leur exposition.
Les stratégies de couverture sont abondamment utilisées en gestion de

portefeuille et notamment en gestion alternative. Celle-ci tend à offrir une
performance absolue positive tout en étant décorrélée du marché grâce à des
techniques de couverture sophistiquées. L’un des pionniers en la matière fut Alfred
Winslow Jones (1949) qui couvrit son portefeuille par le biais d’une stratégie, long-
short equity, de combinaison d’achat d’actions et de vente à découvert. On peut
également noter l’exemple de Julian Robertson (1986) et de son Tiger Fund qui
obtint des performances exceptionnelles cumulées à un risque réduit en prenant des
positions sur des actifs très liquides (devises,…) couvertes par l’utilisation de
produits dérivés.
Cependant, la gestion alternative n’a pas l’exclusivité de l’utilisation des
produits dérivés et des stratégies de couverture. En effet, l’ensemble des
gestionnaires utilise les produits dérivés pour limiter leur exposition. On peut citer ici
l’exemple des traders produits exotiques de Calyon qui couvrent les grecques de
leurs portefeuilles en fonction de leurs anticipations tout en visant un delta neutre
pour un gamma positif.
Notre étude pourrait donc être étendue à d’autres actifs financiers, afin de
généraliser l’impact de l’utilisation des produits dérivés en gestion de portefeuille.

BIBLIOGRAPHIE
BIBLIOGRAPHIE
Ouvrages
CLAUDE-DANIELE ECHAUDEMAISON (Mai 1996) Dictionnaire d’économie et de

sciences sociales
YVES SIMON (1997) Encyclopédie des marchés financiers Tome I et II
PIERRE VERNIMMEN (2002) Finance d’entreprise 5ème édition
DIDIER MARTEAU, JEAN CARLE, STEPHANE FOURNEAUX, RALPH HOLZ et MICHAEL

MORENO (Janvier 2004), La gestion du risque climatique
BERTRAND JACQUILLAT & BRUNO SOLNIK (2002) Marchés financiers, Gestion de

portefeuilles et des risques 4ème Edition
JEAN MATHIS (2002) Gestion d’Actifs
JACQUES HAMON (2004) Bourse et gestion de portefeuille
BROQUET, COBBAUT, GILLET & VAN DEN BERG (2004) Gestion de portefeuille, 4ème
édition
MONDHER BELLALAH (2004) Gestion de portefeuille, Analyse quantitative de la

rentabilité et des risques
JOHN HULL (2004) Options, futures et autres actifs dérivés 5ème Edition
FRANCOIS-SERGE LHABITANT (2004) Gestion Alternative, Comprendre et investir

dans les hedge funds
ELTON, GRUBER, BROWN, GOETZMANN (2003) Modern Portfolio Theory and

Investment Analysis, 6th Edition

BIBLIOGRAPHIE
Site internet
www.latribune.fr
www.lesechos.fr
www.vernimmen.net
www.Liffe-data.com
www.boursorama.com
www.investir.fr
www.dauphine.fr/cereg
http://finance.wharton.upenn.edu
BLOOMBERG
Presse écrite et études
NESSIM AÏT-KACIMI (1er juin 2004) LES ECHOS – Le stratège, vigie des marchés
LES ECHOS (8 juillet 2004), les institutionnels partisans de la diversification du

risque
LA TRIBUNE (10 septembre 2004), L’aversion au risque à un niveau élevé
CHALLENGES n°235 (18 novembre 04) Agir Plus, un habitué des premières places
PATRICK ARTUS, Etude CDC Ixis (5 novembre 2004), Terrorisme et économie
PATRICK ARTHUS (23 novembre 2004), Le retour du risque de change sur le dollar
SALMA MEFTEH (2004), La sensibilité des entreprises exportatrices aux variations

du taux de change et les déterminants de la couverture, le cas français
DELPHINE LAUTIER & YVES SIMON (2004), La volatilité des prix des matières
premières
DELPHINE LAUTIER & FABRICE RIVA (2004) Volatility in the American crude oil
futures market

ANNEXES
ANNEXES
Classement des banques par actifs gérés
Actifs en gestion, le classement des banques

(En milliards de dollars, à fin 2003)
Actifs gérés
Banques
pour tiers
Fidelity Investments 995,50
State Street Corporation 901,24
Barclays PLC 896,80
Deutsche Bank 681,78
The Vanguard Group 647,00
Capital Group companies 646,44
JP Morgan Chase & Company 511,62
Citigroup 492,51
Merril Lynch & Company Inc 470,98
Morgan Stanley 433,00
Crédit Agricole 200,06
Société Générale 188,06
BNP Paribas 187,63
Source : Les Echos
Annexe 1– Le classement des banques par actifs en gestion
Performances du fond Agir Plus
Le fond Agir Plus (ISIN FR0007478938) est composé de grandes valeurs

européennes. Il a surperformé son indice de référence entre 1999 et 2005 grâce à
une bonne utilisation des produits dérivés dans le cadre de stratégies de couverture.
Annexe 2 – Performance d’Agir plus entre 1999 et 2005

ANNEXES
Matrice de corrélation des portefeuilles
Essilor France Telecom Pernod Ricard Sanofi Vinci

Essilor 1,00 -0,19 0,29 0,18 0,16
France Telecom 1,00 -0,16 0,11 -0,17
Pernod Ricard 1,00 0,23 0,06
Sanofi 1,00 0,04
Vinci 1,00
Annexe 3 – Corrélations entre les valeurs de P1
Arcelor Crédit Agricole Essilor Lafarge Lagardère

Arcelor 1,00 0,50 0,25 0,73 0,63
Crédit Agricole 1,00 0,24 0,56 0,41
Essilor 1,00 0,32 0,24
Lafarge 1,00 0,51
Lagardère 1,00
Annexe 4 – Corrélations entre les valeurs de P2
Alcatel Axa Cap Gemini EADS ST Micro

Alcatel 1,00 0,72 0,77 0,34 0,73
Axa 1,00 0,71 0,55 0,76
Cap Gemini 1,00 0,50 0,70
EADS 1,00 0,43
ST Micro 1,00
Annexe 5 – Corrélation entre les valeurs de P3

ANNEXES
Mesure des performances des portefeuilles sans couverture
Hypothèse 1 Hypothèse 2 Hypothèse 3

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -6,49% 0,71% 9,69%
Ecart de rentabilité 3,51% -0,29% -5,31%
Rentabilité P -6,49% 0,71% 9,69%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 8,00% 5,08% 5,92%
Ratio de sharpe -1,28 -0,59 1,01
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -6,49% 0,71% 9,69%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 0,65 0,65 0,65
Ratio de Treynor -0,16 -0,05 0,09
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00
Annexe 6 – Performance de P1 sans couverture

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -10,03% 0,97% 15,06%
Ecart de rentabilité -0,03% -0,03% 0,06%
Rentabilité P -10,03% 0,97% 15,06%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 12,23% 7,78% 9,11%
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 11,92% 7,78% 9,04%
Rentabilité P -10,03% 0,97% 15,06%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 1,00 1,00 1,01
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00

ANNEXES

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -14,52% 1,25% 21,93%
Ecart de rentabilité -4,52% 0,25% 6,93%
Rentabilité P -14,52% 1,25% 21,93%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 17,68% 11,21% 13,03%
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -14,52% 1,25% 21,93%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 1,44 1,44 1,44
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00
Mesure des performances de P1 avec couverture

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -9,86% -4,55% 2,02%
Rentabilité P -9,86% -4,55% 2,02%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 7,19% 5,56% 6,19%
Ratio de sharpe -1,89 -1,49 -0,27
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -9,86% -4,55% 2,02%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 0,55 0,66 0,59
Ratio de Treynor -0,25 -0,12 -0,03
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00
Annexe 9 – Performances de P1 couvert (stratégie simple)

ANNEXES

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P 1,07% 5,12% 13,02%
Ecart de rentabilité 11,07% 4,12% -1,98%
Rentabilité P 1,07% 5,12% 13,02%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 10,03% 9,33% 9,50%
Ratio de sharpe -0,26 0,15 0,98
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P 1,07% 5,12% 13,02%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 0,50 0,82 0,92
Ratio de Treynor -0,05 0,02 0,10
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00
Annexe 10 – Performances de P1 couvert (stratégie combinée)

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -20,71% -14,22% -8,99%
Ecart de rentabilité -10,71% -15,22% -23,99%
Rentabilité P -20,71% -14,22% -8,99%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 12,90% 12,92% 11,62%
Ratio de sharpe -1,89 -1,39 -1,09
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -20,71% -14,22% -8,99%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 0,60 0,43 0,27
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00
Annexe 11 – Performances de P1 couvert (Straddle)

ANNEXES

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -8,62% -3,95% 7,97%
Rentabilité P -8,62% -3,95% 7,97%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 11,44% 8,31% 9,17%
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -8,62% -3,95% 7,97%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 0,85 1,02 0,98
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -0,57% 6,90% 18,10%
Ecart de rentabilité 9,43% 5,90% 3,10%
Rentabilité P -0,57% 6,90% 18,10%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 12,16% 8,96% 11,68%
Ratio de sharpe -0,35 0,36 1,23
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -0,57% 6,90% 18,10%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 0,70 1,02 1,24
Ratio de Treynor -0,06 0,03 0,12
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00

ANNEXES

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -15,84% -14,80% -2,17%
Ecart de rentabilité -5,84% -15,79% -17,17%
Rentabilité P -15,84% -14,80% -2,17%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 14,71% 12,12% 12,05%
Ratio de sharpe -1,33 -1,53 -0,49
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -15,84% -14,80% -2,17%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 1,02 1,01 0,68
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -5,92% -0,36% 18,90%
Ecart de rentabilité 4,08% -1,36% 3,90%
Rentabilité P -5,92% -0,36% 18,90%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 17,70% 10,93% 12,65%
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -5,92% -0,36% 18,90%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 1,30 1,44 1,43
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00

ANNEXES

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -8,46% -3,41% 12,47%
Rentabilité P -8,46% -3,41% 12,47%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 17,95% 12,27% 13,94%
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -8,46% -3,41% 12,47%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 1,02 1,61 1,52
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00

Rentabilité M -10,00% 1,00% 15,00%
Rentabilité P -3,29% 2,74% 25,34%
Ecart de rentabilité 6,71% 1,74% 10,34%
Rentabilité P -3,29% 2,74% 25,34%
Risk free rate 3,72% 3,72% 3,72%
Volatilité P 22,69% 10,47% 12,78%
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Volatilité CAC40 12,27% 7,78% 9,04%
Rentabilité P -3,29% 2,74% 25,34%
Risk free rate 3,72% 3,72% 3,72%
Bêta P 1,62 1,30 1,35
Rentabilité CAC40 -10,00% 1,00% 15,00%
Risk free rate 3,72% 3,72% 3,72%
Bêta CAC40 1,00 1,00 1,00

ANNEXES
Options utilisées pour le portefeuille 1 (hypothèse 1)
Couverture Avril
Sous-jacent Type Échéance Strike Volatilité Px sous-jacent t Prix t Px sous-jacent t+1 Prix t+1 Parité
Essilor Put Avril 52,5 14,08 53 0,82 50,44 2,05 10
Essilor Call Avril 52,5 14,08 53 1,64 50,44 0,01 10
France télécom Put Avril 22 20,92 22,8 0,37 21,93 0,13 10
France télécom Call Avril 22 20,92 22,8 1,31 21,93 0,07 10
Pernod Ricard Put Juin 105 18,53 108 1,67 103,77 1,28 10
Sanofi Put Avril 60 22,09 60,4 1,77 56,08 3,91 10
Sanofi Call Avril 60 22,09 60,4 2,53 56,08 0,01 10
Vinci Put Avril 110 17,25 111 2,29 105,35 4,64 10
Vinci Call Avril 110 17,25 111 3,95 105,35 0,01 10
Couverture Juin
Essilor Put Juin 50 14,08 50,44 0,83 52,88 0,01 10
Essilor Call Juin 50 14,08 50,44 1,59 52,88 2,89 10
France télécom Put Juin 21 20,92 21,93 0,33 22,76 0,01 10
France télécom Call Juin 21 20,92 21,93 1,39 22,76 1,76 10
Pernod Ricard Put Juin 100 18,53 103,77 1,4 107,82 0,01 10
Sanofi Put Juin 55 22,09 56,08 1,39 60,14 0,01 10
Sanofi Call Juin 55 22,09 56,08 2,82 60,14 5,15 10
Vinci Put Juin 105 17,25 105,35 2,51 110,73 0,01 10
Vinci Call Juin 105 17,25 105,35 3,54 110,73 5,74 10
Couverture Septembre
Essilor Put Septembre 50 14,08 52,88 0,34 52,83 0,01 10
Essilor Call Septembre 50 14,08 52,88 3,68 52,83 2,84 10
France télécom Put Septembre 22 20,92 22,76 0,52 22,75 0,01 10
France télécom Call Septembre 22 20,92 22,76 1,49 22,75 0,75 10
Pernod Ricard Put Septembre 105 18,53 107,82 2,3 107,75 0,01 10
Sanofi Put Septembre 60 22,09 60,14 2,3 60,02 0,26 10
Sanofi Call Septembre 60 22,09 60,14 2,99 60,02 0,29 10
Vinci Put Septembre 110 17,25 110,73 2,96 110,60 0,16 10
Vinci Call Septembre 110 17,25 110,73 4,71 110,60 0,78 10
Couverture Décembre
Essilor Put Décembre 50 14,08 52,83 0,35 50,73 0,01 10
Essilor Call Décembre 50 14,08 52,83 3,64 50,73 0,74 10
France télécom Put Décembre 22 20,92 22,75 0,53 22,04 0,08 10
France télécom Call Décembre 22 20,92 22,75 1,48 22,04 0,12 10
Pernod Ricard Put Décembre 100 18,53 107,75 0,95 104,29 0,01 10
Sanofi Put Décembre 60 22,09 60,02 2,35 56,46 3,53 10
Sanofi Call Décembre 60 22,09 60,02 2,92 56,46 0,01 10
Vinci Put Décembre 100 17,25 110,6 0,43 105,97 0,01 10
Vinci Call Décembre 100 17,25 110,6 11,95 105,97 5,98 10

ANNEXES
Couverture Avril
Sanofi Put Avril 60 22,09 60,4 1,77 59,13 0,9 10
Vinci Put Avril 110 17,25 111 2,29 109,34 0,8 10
Vinci Call Avril 110 17,25 111 3,95 109,34 0,15 10
Couverture Juin
Essilor Put Juin 50 14,08 52,25 0,32 53,61 0,01 10
Sanofi Put Juin 57,5 22,09 59,13 1,28 61,43 0,01 10
Sanofi Call Juin 57,5 22,09 59,13 3,27 61,43 3,94 10
Vinci Put Juin 105 17,25 109,34 1,18 112,35 0,01 10
Vinci Call Juin 105 17,25 109,34 6,19 112,35 7,36 10
Sanofi Call Décembre 55 22,09 59,30 5,61 59,99 5 10

ANNEXES
Couverture Avril
Sanofi Put Avril 60 22,09 60,4 1,77 63,89 0,01 10
Vinci Put Avril 110 17,25 111 2,29 115,51 0,01 10
Vinci Call Avril 110 17,25 111 3,95 115,51 5,52 10
Couverture Juin
Essilor Put Juin 55 14,08 55,04 1,09 54,70 0,06 10
Sanofi Put Juin 62,5 22,09 63,89 1,52 63,28 0,05 10
Sanofi Call Juin 62,5 22,09 63,89 3,31 63,28 0,84 10
Vinci Put Juin 115 17,25 115,51 2,7 114,77 0,53 10
Vinci Call Juin 115 17,25 115,51 3,94 114,77 0,31 10
Sanofi Call Décembre 65 22,09 65,33 3,34 67,34 2,35 10

ANNEXES
Couverture Avril
Sous-jacent Type Échéance Strike Volatilité Px sous-jacent t Prix t Px sous-jacent t+1 Prix t+1 (Avril) Parité
Arcelor Put Avril 18,5 26,87 18,76 0,63 16,98 1,52 10
Arcelor Call Avril 18,5 26,87 18,76 1 16,98 0,01 10
Crédit Agricole Put Avril 22 18,57 22,41 0,42 21,47 0,53 10
Essilor Put Avril 52,5 14,08 53,00 0,82 50,44 2,05 10
Essilor Call Avril 52,5 14,08 53,00 1,64 50,44 0,01 10
Lafarge Put Avril 77,5 14,89 78,70 1,14 71,35 6,14 10
Lafarge Call Avril 77,5 14,89 78,70 2,81 71,35 0,01 10
Lagardère Put Avril 57,5 17,53 59,10 0,84 54,47 3,02 10
Lagardère Call Avril 57,5 17,53 59,10 2,79 54,47 0,01 10
Couverture Juin
Arcelor Put Juin 16,5 26,87 16,98 0,49 18,63 0,01 10
Arcelor Call Juin 16,5 26,87 16,98 1,07 18,63 2,13 10
Crédit Agricole Put Juin 21 18,57 21,47 0,39 22,37 0,01 10
Crédit Agricole Put Juin 21 18,57 21,47 1 22,37 1,37 10
Essilor Put Juin 50 14,08 50,44 0,83 52,88 0,01 10
Lafarge Put Juin 70 14,89 71,35 0,99 78,18 0,01 10
Lafarge Call Juin 70 14,89 71,35 2,78 78,18 8,19 10
Lagardère Put Juin 52,5 17,53 54,47 0,66 58,81 0,01 10
Lagardère Call Juin 52,5 17,53 54,47 2,97 58,81 6,32 10
Arcelor Put Septembre 18 26,87 18,63 0,63 18,57 0,01 10
Arcelor Call Septembre 18 26,87 18,63 1,42 18,57 0,57 10
Crédit Agricole Put Septembre 22 18,57 22,37 0,56 22,35 0,01 10
Lafarge Put Septembre 75 14,89 78,18 0,83 77,92 0,01 10
Lafarge Call Septembre 75 14,89 78,18 4,7 77,92 2,93 10
Lagardère Put Septembre 55 17,53 58,81 0,52 58,67 0,01 10
Lagardère Call Septembre 55 17,53 58,81 4,84 58,67 3,68 10
Arcelor Put Décembre 18 26,87 18,57 0,65 17,09 1,35 10
Arcelor Call Décembre 18 26,87 18,57 1,39 17,09 0,61 10
Crédit Agricole Put Décembre 22 18,57 22,35 0,57 21,59 0,41 10
Crédit Agricole Call Décembre 22 18,57 22,35 1,12 21,59 0,01 10
Lafarge Put Décembre 75 14,89 77,92 0,9 71,82 3,17 10
Lafarge Call Décembre 75 14,89 77,92 4,51 71,82 0,01 10
Lagardère Put Décembre 55 17,53 58,67 0,55 54,83 0,37 10
Lagardère Call Décembre 55 17,53 58,67 4,73 54,83 0,2 10

ANNEXES
Couverture Avril
Couverture Juin
Arcelor Put Juin 18 26,87 18,23 0,64 19,18 0,01 10
Arcelor Call Juin 18 26,87 18,23 0,99 19,18 1,18 10
Essilor Put Juin 50 14,08 52,25 0,32 53,61 0,01 10
Lafarge Put Juin 75 14,89 76,53 1,03 80,45 0,01 10
Lafarge Call Juin 75 14,89 76,53 3,04 80,45 5,46 10
Lagardère Put Juin 55 17,53 57,73 0,53 60,21 0,01 10
Lagardère Call Juin 55 17,53 57,73 3,62 60,21 5,22 10

ANNEXES
Couverture Avril
Couverture Juin
Arcelor Put Juin 20 26,87 20,21 0,73 19,95 0,14 10
Arcelor Call Juin 20 26,87 20,21 1,07 19,95 0,09 10
Essilor Put Juin 55 14,08 55,04 1,09 54,70 0,06 10
Lafarge Put Juin 82,5 14,89 84,68 0,98 83,59 0,01 10
Lafarge Call Juin 82,5 14,89 84,68 3,69 83,59 1,11 10
Lagardère Put Juin 60 17,53 62,85 0,61 62,19 0,01 10
Lagardère Call Juin 60 17,53 62,85 3,84 62,19 2,2 10

ANNEXES
Couverture Avril
Alcatel Put Avril 9,5 19,76 9,85 0,14 8,80 0,7 10
Alcatel Call Avril 9,5 19,76 9,85 0,55 8,80 0,01 10
Axa Put Avril 20 19,63 20,31 0,44 18,26 1,74 10
Axa Put Avril 20 19,63 20,31 0,87 18,26 0,01 10
Cap Gemini Put Avril 28 27,5 28,27 1,03 25,16 2,84 10
Cap Gemini Call Avril 28 27,5 28,27 1,47 25,16 0,01 10
EADS Put Avril 23 25,39 23,74 0,57 21,01 1,99 10
EADS Call Avril 23 25,39 23,74 1,45 21,01 0,01 10
STMicro Put Avril 13 21,37 13,48 0,23 12,12 0,88 10
STMicro Call Avril 13 21,37 13,48 0,78 12,12 0,01 10
Couverture Juin
Alcatel Put Juin 8,5 19,76 8,80 0,14 9,77 0,01 10
Alcatel Call Juin 8,5 19,76 8,80 0,49 9,77 1,27 10
Axa Put Juin 18 19,63 18,26 0,42 20,16 0,01 10
Axa Put Juin 18 19,63 18,26 0,79 20,16 2,16 10
Cap Gemini Put Juin 25 27,5 25,16 0,99 28,02 0,01 10
Cap Gemini Call Juin 25 27,5 25,16 1,31 28,02 3,02 10
EADS Put Juin 21 25,39 21,01 0,81 23,51 0,01 10
EADS Call Juin 21 25,39 21,01 0,95 23,51 2,51 10
STMicro Put Juin 12 21,37 12,12 0,33 13,38 0,01 10
STMicro Call Juin 12 21,37 12,12 0,53 13,38 1,38 10
Alcatel Put Septembre 9 19,76 9,77 0,09 9,73 0,01 10
Alcatel Call Septembre 9 19,76 9,77 0,94 9,73 0,73 10
Axa Put Septembre 20 19,63 20,16 0,62 20,08 0,05 10
Cap Gemini Put Septembre 28 27,5 28,02 1,39 27,89 0,22 10
Cap Gemini Call Septembre 28 27,5 28,02 1,67 27,89 0,11 10
EADS Put Septembre 22 25,39 23,51 0,49 23,40 0,01 10
EADS Call Septembre 22 25,39 23,51 2,2 23,40 1,4 10
STMicro Put Septembre 13 21,37 13,38 0,34 13,32 0,01 10
STMicro Call Septembre 13 21,37 13,38 0,84 13,32 0,32 10
Alcatel Put Décembre 9 19,76 9,73 0,09 8,85 0,15 10
Alcatel Call Décembre 9 19,76 9,73 0,91 8,85 0,01 10
Axa Put Décembre 20 19,63 20,08 0,65 18,37 1,63 10
Axa Call Décembre 20 19,63 20,08 0,92 18,37 0,01 10
Cap Gemini Put Décembre 26 27,5 27,89 0,64 25,30 0,7 10
EADS Put Décembre 22 25,39 23,40 0,51 21,12 0,88 10
EADS Call Décembre 22 25,39 23,40 2,12 21,12 0,01 10
STMicro Put Décembre 13 21,37 13,32 0,36 12,19 0,81 10
STMicro Call Décembre 13 21,37 13,32 0,8 12,19 0,01 10

ANNEXES
Couverture Avril
Axa Put Avril 20 19,63 20,31 0,44 19,70 0,3 10
Axa Put Avril 20 19,63 20,31 0,87 19,70 0,01 10
EADS Put Avril 23 25,39 23,74 0,57 22,93 0,16 10
EADS Call Avril 23 25,39 23,74 1,45 22,93 0,09 10
Couverture Juin
Alcatel Put Juin 9,5 19,76 9,54 0,26 10,10 0,01 10
Axa Put Juin 19,5 19,63 19,70 0,49 20,80 0,01 10
Axa Put Juin 19,5 19,63 19,70 0,81 20,80 1,3 10
EADS Put Juin 22 25,39 22,93 0,5 24,39 0,01 10
EADS Call Juin 22 25,39 22,93 1,57 24,39 2,39 10
STMicro Put Juin 13 21,37 13,08 0,38 13,80 0,01 10
STMicro Call Juin 13 21,37 13,08 0,55 13,80 0,8 10
Axa Put Décembre 20 19,63 19,77 0,8 20,10 0,04 10
Axa Put Décembre 20 19,63 19,77 0,75 20,10 0,14 10
Cap Gemini Call Décembre 26 27,5 27,45 2,45 27,93 1,93 10

ANNEXES
Couverture Avril
Axa Put Avril 20 19,63 20,31 0,44 21,98 0,01 10
Axa Put Avril 20 19,63 20,31 0,87 21,98 1,98 10
EADS Put Avril 23 25,39 23,74 0,57 25,98 0,01 10
EADS Call Avril 23 25,39 23,74 1,45 25,98 2,98 10
Couverture Juin
Alcatel Put Juin 10,5 19,76 10,71 0,23 10,55 0,02 10
Axa Put Juin 21 19,63 21,98 0,28 21,67 0,01 10
Axa Put Juin 21 19,63 21,98 1,39 21,67 0,67 10
EADS Put Juin 25 25,39 25,98 0,59 25,55 0,01 10
EADS Call Juin 25 25,39 25,98 1,73 25,55 0,56 10
STMicro Put Juin 14,5 21,37 14,60 0,42 14,39 0,13 10
STMicro Call Juin 14,5 21,37 14,60 0,62 14,39 0,02 10
Axa Put Décembre 22 19,63 22,67 0,5 23,65 0,01 10
Axa Put Décembre 22 19,63 22,67 1,37 23,65 1,65 10
Cap Gemini Call Décembre 30 27,5 31,86 2,96 33,36 3,36 10

ANNEXES
Volatilité et Bêta des valeurs du CAC 40 (source : Bloomberg)
Name Code Sector Last Price Beta Volatility 90 D Volatility 260 D

ACCOR SA AC Consumer, Cyclical 38,40 1,115 18,17 19,97
AGF AGF Financial 57,40 1,154 13,74 17,91
AIR LIQUIDE AI Basic Materials 140,00 0,935 13,68 16,20
ALCATEL SA CGE Communications 9,81 1,441 32,83 35,61
ARCELOR LOR Basic Materials 18,28 1,278 25,65 27,40
AXA CS Financial 20,80 1,361 17,88 22,53
BNP PARIBAS BNP Financial 55,25 1,128 13,04 17,25
BOUYGUES EN Industrial 30,47 1,180 17,03 16,85
CAP GEMINI SA CAP Technology 27,19 1,487 33,05 39,97
CARREFOUR SA CA Consumer, Non-cyclical 40,48 1,064 14,66 18,10
CASINO GUICHARD CO Consumer, Non-cyclical 63,30 0,907 17,05 19,37
CREDIT AGRICOLE SA ACA Financial 21,74 0,556 19,22 19,86
DEXIA DX Financial 18,09 0,990 18,42 17,04
EADS EAD Industrial 22,17 1,555 26,05 29,54
ESSILOR EF Consumer, Non-cyclical 53,80 0,642 18,36 20,86
FRANCE TELECOM SA FTE Communications 22,75 0,504 19,23 21,89
GROUPE DANONE BN Consumer, Non-cyclical 74,90 0,695 14,00 14,72
LAFARGE SA LG Industrial 77,05 1,257 15,81 18,12
LAGARDERE S.C.A. MMB Communications 58,10 1,052 14,59 19,09
L'OREAL OR Consumer, Non-cyclical 60,35 0,946 12,72 17,29
LVMH MC Diversified 57,45 1,101 16,46 19,13
MICHELIN ML Consumer, Cyclical 54,30 1,155 19,34 21,36
PERNOD-RICARD RI Consumer, Non-cyclical 111,50 0,520 15,89 16,51
PEUGEOT SA UG Consumer, Cyclical 49,46 1,060 17,95 20,74
PPR PP Consumer, Cyclical 82,20 0,891 16,97 19,41
PUBLICIS GROUPE PUB Communications 24,71 1,217 20,53 24,09
RENAULT SA RNO Consumer, Cyclical 68,75 1,315 16,85 20,92
SAINT-GOBAIN SGO Industrial 47,15 1,019 16,30 19,67
SANOFI-AVENTIS SAN Consumer, Non-cyclical 61,35 0,958 17,24 20,99
SCHNEIDER ELECTRIC SA SU Industrial 60,95 1,018 18,52 18,15
SOCIETE GENERALE GLE Financial 79,80 1,260 15,60 18,41
STMICROELECTRONICS NV STM Technology 13,25 1,366 23,25 26,81
SUEZ SA SZE Utilities 20,41 1,090 18,97 18,79
TF1 TFI Communications 24,47 1,134 18,22 22,25
THALES SA HO Industrial 32,13 1,076 18,84 21,70
THOMSON TMS Consumer, Cyclical 20,61 1,243 21,75 25,37
TOTAL SA FP Energy 179,90 0,835 12,29 14,84
VEOLIA ENVIRONNEMENT VIE Utilities 25,90 0,889 23,01 18,78
VINCI S.A. DG Industrial 112,40 0,678 15,98 15,83
VIVENDI UNIVERSAL SA EX Communications 23,31 1,049 16,67 22,42
Annexe 18 – Bêta et volatilité au sein du CAC 40

TABLE DES REFERENCES
Figure 1 – Les acteurs de la gestion d’actifs ......................................................... 7

Figure 2 - Les grandes étapes de la gestion d'actifs .............................................11
Figure 3 – Rôle de la chambre de compensation..................................................17
Figure 4 – Profil de gain d’un contrat à terme......................................................18
Figure 5 – Profil de gain d’un call........................................................................26
Figure 6 – Profil de gain d’un put........................................................................26
Figure 7 – Le Straddle........................................................................................31
Figure 8 – Le strip .............................................................................................32
Figure 9 – Le strap ............................................................................................32
Figure 10 – Le strangle ......................................................................................32
Figure 11 – Bourse et 11 sep 01 .........................................................................35
Figure 12 – Impact des attentats ........................................................................35
Figure 13 - Impact des profits warnings sur Nokia ...............................................38
Figure 14 - Marge brute de raffinage (en €/tonne)...............................................42
Figure 15 - Le choc pétrolier de 2004..................................................................42
Figure 16 - CAC 40 et volatilité ...........................................................................44
Figure 17 – Courbe de régression de l’action France Télécom (année 2004) ..........48
Figure 18 – Effet de la diversification d’un portefeuille en France..........................52
Figure 19 – représentation graphique de la frontière efficiente .............................55
Figure 20 – Actif sans risque et la frontière efficiente ...........................................56
Figure 21 – Courbes d’indifférence......................................................................57
Figure 22 – Droite de marché et prix du risque....................................................58
Figure 23 – Evolution du CAC 40 entre 2001 et 2005 ...........................................64
Figure 24 – Evolutions des indices français et de la référence européenne ............64
Figure 25 – Hypothèses de croissance du marché retenues ..................................65
Figure 26 – Probabilité de rendements négatifs et horizon de placement...............66
Figure 27 – Positionnement des portefeuilles (Aversion au risque) ........................66
Figure 28 – P1 lors d’une baisse du marché.........................................................70
Figure 29 – P1 en période d’équilibre ..................................................................71
Figure 30 – P3 en période de croissance .............................................................71
Figure 31 – Courbe de régression de P3 (hyp3) ...................................................72
Figure 32 – P2 en situation baissière...................................................................73

Figure 33 – P2 en situation haussière..................................................................73

Figure 34 – P3 en tendance baissière..................................................................73
Figure 35 – P3 à l’équilibre .................................................................................74
Figure 36 – P3 en situation haussière..................................................................74
Figure 37 – Comparaison de P1 et P1 couvert (Stratégie 1)..................................77
Figure 38 – Droite de régression P1 couvert/P1 ...................................................77
Figure 39 – Performance du fond avec straddle (stratégie 3)................................78
Figure 40 – Performance de P1 (stratégie 2) .......................................................78
Figure 41 – P1 (hypothèse 2, stratégie 1) ...........................................................79
Figure 42 – P1 (hypothèse 3, stratégie 1) ...........................................................79
Figure 43 – Stratégie combiné (P1, hypothèse 3).................................................80
Figure 44 – droite de régression de P1 (hyp 3, stratégie 3) ..................................80
Figure 45 – Portefeuille 2 (hyp1, stratégie 1).......................................................81
Figure 46 – P2 couvert partiellement ..................................................................82
Figure 47 – P2 (hyp 1, stratégie 2) .....................................................................83
Figure 48 – P2 (hyp 2, stratégie 1) .....................................................................83
Figure 49 – P2 (hyp2, stratégie 3) ......................................................................83
Tableau 1 – Résumé des échanges d’un equity swap ...........................................23

Tableau 2 – Le triangle des risques.....................................................................49
Tableau 3 – Composition du portefeuille 1 (noté P1)............................................67

Risques, Rentabilite Et Produits Derives en Gestion D'actifs

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Risques, Rentabilite Et Produits Derives en Gestion D'actifs

Uploaded by

Copyright:

Available Formats

AUTEUR : BENJAMIN GACOIN

RESPONSABLE DE MEMOIRE : ALOIS KANYINDA KASANDA

FORMAT RETENU : MEMOIRE DE RECHERCHE

REIMS MANAGEMENT SCHOOL

PROJET DE FIN D’ETUDES

L’école Tema n’entend donner aucune approbation ni improbation aux

Par ces quelques lignes, je tiens à remercier tout particulièrement Monsieur

Je remercie également le département finance de Reims Management School

Un grand merci également à Michaël MENNEVEE, risk manager chez Calyon

Je remercie enfin ma famille et mon amie pour être parvenues à me

Risque et rentabilité dans la gestion d’actifs 2

Nous diviserons notre exposé en deux parties. Une partie empirique

Risque et rentabilité dans la gestion d’actifs 3

TABLE DES MATIERES

Risque et rentabilité dans la gestion d’actifs 4

Depuis quelques années, la gestion d’actifs connaît un développement sans

Les actifs financiers ou les matières premières sont soumis au risque de

Risque et rentabilité dans la gestion d’actifs 5

Les apports quantitatifs et qualitatifs des travaux de Bachelier (1900), P.

Dans le cadre de notre mémoire et compte tenue de l’émergence des

Rappelons toutefois qu’en théorie financière, depuis les travaux de

Ce projet de recherche s’articule autour de plusieurs axes qui se diviseront

Risque et rentabilité dans la gestion d’actifs 6

Dans cette partie, il sera question d’un panorama global de la gestion

1.1. Les acteurs de la gestion d’actifs

Source : JEAN MATHIS Gestion D’actifs

Figure 1 – Les acteurs de la gestion d’actifs

Ci-dessous sont présentés les principaux investisseurs institutionnels1 qui

Risque et rentabilité dans la gestion d’actifs 7

• Les sociétés d’assurance : ces entités peuvent prendre la forme de sociétés

1.2. Les différents actifs

Risque et rentabilité dans la gestion d’actifs 8

françaises. A titre d’exemple ce marché a cru de 19% en 2003 et d’environ 9% en

A l’inverse de l’action qui est un titre de propriété, l’obligation est un titre de

L’obligation a été privilégiée pendant la baisse des marchés. Mais le retour à

Risque et rentabilité dans la gestion d’actifs 9

Ce placement est le placement le plus sécurisé pour les investisseurs puisque

Ce type de placement est essentiellement utilisé par les entreprises et

La pierre est l’un des placements à la mode depuis quelques années. En

Risque et rentabilité dans la gestion d’actifs 10

Cependant les marchés restent confiants quant au potentiel des entreprises

1.3. Les étapes de la gestion d’actifs

Allocation stratégique Allocation tactique

Choix des valeurs

Figure 2 - Les grandes étapes de la gestion d'actifs

1.3.1. L’allocation stratégique

La première étape d’un processus de gestion d’actifs est l’étape stratégique.

Risque et rentabilité dans la gestion d’actifs 11

1.3.2. L’allocation tactique et le choix des valeurs

L’allocation tactique consiste à privilégier un secteur à un autre ; c'est-à-dire

Quant au choix des valeurs, il est réservé au gérant. En effet, il agit en

Risque et rentabilité dans la gestion d’actifs 12

1.4. Les produits de la gestion d’actifs

1.4.1. La gestion classique

On peut également appeler ce produit la gestion collective. En effet, à

1.4.2. La gestion alternative

Cette catégorie de gestion est principalement représentée par les hedge

1.4.3. La gestion structurée

Ce sont des produits adaptés à des besoins spécifiques des investisseurs. On

Risque et rentabilité dans la gestion d’actifs 13

Ce produit de la gestion d’actifs comporte deux catégories : les « fonds de

1.4.5. Le capital investissement

Ce terme générique regroupe tous les investissements dans des actions ou