Hadyl
Hadyl
Hadyl
1
Plan
• Objectif de l’article
• Perte finale attendue
• La distribution de probabilité naturelle
• Conclusion
2
Objectif de l’article
• Cet article montre que, en construisant
un portefeuille qui minimise la queue de la
distribution de probabilité naturelle des
rendements, donne des rendements ajustés
au risque qui sont plus élevés que ceux
obtenus en utilisant d'autres méthodes
populaires de construction de portefeuille.
3
L'optimisation du portefeuille
4
Perte finale attendue
5
• où 𝛼 est notre niveau de confiance
• 𝐿 est la perte du portefeuille
• 𝐹(𝑥) = 𝑃 (𝐿 ≤ 𝑥) est la distribution des pertes à
la fin d'un horizon temporel arbitraire
• et 𝑉𝑎𝑅 est notre mesure de la valeur à risque.
6
• on choisit les pondérations de chaque actif du
portefeuille pour minimiser la perte attendue
au-delà d'un certain seuil (ce seuil est donné
par 𝛼) sous réserve d'investir tout notre
richesse initiale
7
Le théorème de récupération (RT)
• Cette théorème nous permet d'obtenir une
prévision de la distribution des rendements
qui n'est pas basée sur des informations
historiques,
• le RT utilise la nature prospective des options
dans sa construction des rendements futurs
attendus.
8
Le ratio de Sharpe
• ajuste la performance passée d'un portefeuille -
ou la performance future attendue - en fonction
du risque excessif pris par l'investisseur.
• élevé , est avantageux lorsqu'il est comparé à
des portefeuilles ou des fonds similaires dont les
rendements sont inférieurs.
• présente plusieurs faiblesses, notamment
l'hypothèse selon laquelle les rendements des
investissements sont normalement distribués.
9
Le ratio de Sortino
• diffère du ratio de Sharpe en ce qu'il ne prend en
compte que l'écart-type du risque de baisse, plutôt que
celui du risque total
• Étant donné que le ratio de Sortino se concentre
uniquement sur l'écart négatif des rendements d'un
portefeuille par rapport à la moyenne, il est censé
donner une meilleure vision de la performance ajustée
au risque d'un portefeuille puisque la volatilité positive
est un avantage.
• est un moyen utile pour les investisseurs, les analystes et
les gestionnaires de portefeuille d'évaluer le rendement
d'un investissement pour un niveau donné de mauvais
risque.
10
La différence entre le ratio de Sharpe ,
Sortino
différence
Le ratio de Sortino est une variante du
Le ratio de Sharpe indique la ratio de Sharpe qui ne tient compte
performance d'un investissement en que du risque de baisse.
actions par rapport à un la variation de Sortino est davantage
investissement sans risque, en utilisée pour évaluer les portefeuilles à
tenant compte du niveau de risque forte volatilité.
supplémentaire lié à la détention de
l'investissement en actions.
11
La distribution de probabilité naturelle
• La distribution de probabilité naturelle
dérivée à l'aide de la RT permet de dériver une
densité de probabilité des rendements sans
faire d'hypothèses de neutralité vis-à-vis du
risque.
• la dérivation de la RT implique trois étapes
majeures : l'estimation du prix d'état,
l'estimation du prix de l'état contingent et la
récupération de la distribution de probabilité
naturelle.(Ross)
12
• où 𝑚 est le nombre d'états et 𝑃 est la matrice
des prix des états contingents. Une fois que
nous avons obtenu la matrice des prix des
états contingents , nous pouvons procéder à
l'application de la RT.
• En supposant un cadre d'agent représentatif
en temps continu:
où 𝜃𝑖 est l'état actuel
• Et en supposant l’indépendance de la
transition
13
• où ℎ(𝜃) = 𝑈′(𝑐(𝜃)), et 𝑝(𝜃𝑖, 𝜃𝑗) est la fonction de
transition du prix de l'état que l'on observe.
« L'objectif est de résoudre les inconnues »: la
fonction de transition de probabilité naturelle
𝑓(𝜃𝑖, 𝜃𝑗), le noyau 𝜙(𝜃𝑖, 𝜃𝑗) = 𝛿ℎ(𝜃𝑗)ℎ(𝜃𝑖)et
le taux d'actualisation 𝛿.
En temps discret, on peut réécrire l'équ comme
suit
𝐷𝑃 = 𝛿𝐹 �
14
où 𝑃 est la matrice dérivée de l'équation (2),
𝐹 est la matrice que nous appelons les
probabilités naturelles,
et 𝐷 est le taux marginal de substitution.
• Donc on peut introduire dans la distribution
réelle l’équation :
15
• En utilisant la distribution de probabilité
naturelle pour obtenir une distribution des
rendements attendus pour plusieurs actifs,
nous pouvons donc l’utiliser pour construire
un portefeuille.
16
17
• ils sont relativement similaires en termes de
rendements mensuels historiques, présentent
également des niveaux de risque similaires
(mais pas en termes de corrélations)
La seule exception concerne l'indice VIX, dont
le rendement mensuel moyen est d'environ
1,7 %, ce rendement moyen plus élevé
s'accompagne d'une volatilité plus élevée de
21,7 %.
18
• Plus les valeurs de ces mesures sont élevées ,
plus il est mieux
19
Les résultat
20
• La figure 1 présente la série chronologique du
rendement réalisé pour le portefeuille à
pondération égale.
Il obtient un rendement mensuel moyen
d'environ 1.306%, un écart type de 0.0473 , un
ratio de Sharpe d'environ 0,2763 et un ratio de
Sortino d'environ 0,7456.
Le drawdown maximum pour le portefeuille à
pondération égale est de 0,3470.
21
• La figure 2 montre les résultats du portefeuille
optimisé en utilisant la distribution historique
des rendements.
Il obtient un rendement mensuel moyen
d'environ 1,120 %, un écart-type de 0,0341,
un ratio de Sharpe d'environ 0,3517 et un
ratio de Sortino d'environ 0,9816.
Le drawdown maximum pour le portefeuille
optimisé basé sur l'historique est de 0.2476.
22
23
• La Fig. 3 montre le graphique de la série
temporelle des rendements du portefeuille
optimisé à l'aide de la TR.
Il obtient un rendement mensuel moyen
d'environ 1,1030 %, un écart type de 0,0269,
un ratio de Sharpe d'environ 0,4049 et un
ratio de Sortino d'environ 1,0645.
Le drawdown maximum pour le portefeuille
optimisé basé sur le RT est de 0.1973
24
Comparaisons entre les méthodes
d'optimisation
25
• Le tableau 3 résume les principaux résultats.
_Le panneau A présente les résultats de la
méthode proposée dans cet article.
_Les panneaux B à E présentent divers contrôles
de robustesse.
_Les panneaux B et C présentent les résultats
pour des sous-ensembles d'échantillons.
_Le panel D présente les résultats lorsqu'une
optimisation moyenne-variance est utilisée.
_Le panel E montre les résultats de l’estimation
la densité des prix
26
Conclusion
• utilise l'information contenue dans la distribution de
probabilité naturelle dérivée des prix des options pour
trouver les poids des portefeuilles à partir d'un
problème de portefeuille de minimisation des pertes
extrêmes attendues.
• « le rendement ajusté au risque du portefeuille basé sur
la RT construit dans ce document surpasse le rendement
de n'importe lequel des deux portefeuilles de référence.
Une extension intéressante de cette ligne de recherche
consisterait à estimer les distributions des rendements
RT avec une copule pour estimer avec précision la
structure de dépendance. »
27