Comment construire un portefeuille d’actifs sous contrainte ?

Place du processus d’optimisation dans la construction de portefeuille

Un portefeuille est constitué d’actifs et est complètement défini par le poids de ces actifs à un instant donné. Nous supposons qu’il est autofinancé : il n’y a pas de liquidité extérieure qui viennent le renflouer entre deux instants d’observation. L’optimisation consiste à trouver le poids de chaque actif en fonction d’anticipations et de conditions plus ou moins fortes d’investissement.

Les étapes de construction de portefeuilles sont les suivantes :

  1. horizon de gestion, univers d’investissement (notamment finesse : classe d’actifs, instruments,…) et contraintes de l’investisseur (s’il y en a)
  2. Accord sur la manière de gérer le portefeuille : choix d’un processus de gestion (allocation strétégique ou non, phase tactique, rebalancements,…)
  3. Estimation d’anticipation sur un horizon (identique ou inférieur à l’horizon de gestion) sur les composants de l’univers, en général performance et risque (souvent volatilité) mais cela dépend du modèle d’optimisation choisi.
  4. Intégration des anticipations dans un modèle d’optimisation prenant en comptes toutes les contraintes. C’est le point que l’on va préciser dans cette note.
  5. Implémentation du portefeuille réel de départ (montée en charge, reprise de portefeuille ou non,…).
  6. Surveillance et choix tactiques en cours de vie.

 

Fonction d’utilité et critères

Nous considérons deux grandes problématiques de construction de portefeuilles : lorsque tous les actifs appartiennent à une même classe : ils sont donc dans la même catégorie de risque ; et lorsque plusieurs classes d’actifs entre en jeu : il y a alors un actif moins risqué que les autres (voire sans risque).

Dans le second cas, le portefeuille de risque minimum n’a pas d’intérêt et implique d’avoir des critères supplémentaires qui limitent la quantité d’actifs faiblement risqués.

Les critères vont être des contraintes sur les poids a priori (pas de vente à découvert, poids maximal d’une catégorie d’actifs) ou sur les caractéristiques du portefeuille (espérance minimale, VaR, tracking error, etc.). La fonction d’utilité est aussi l’une des caractéristiques du portefeuille qui est maximisée (en général l’espérance de performance) ou minimisée (un risque) si cela a un sens.

 

Un modèle souple et riche

Le modèle doit pouvoir s’ajuster à la plupart des contraintes de l’investisseur externe. L’approche par simulations de Monte Carlo (ou par scénarios) se prête bien à ce besoin. La mise en place de ce modèle se fait à travers les étapes suivantes :

  1. Choix des techniques de simulations des actifs marginaux : modèle à facteur, modèle direct, bootstrap,…
  2. Choix des techniques de modélisation des dépendances entre actifs : corrélations, copules, approche dynamique ou non,… ou approche multi variée globale.
  3. Simulations de portefeuilles dont les poids respectent les contraintes fixées a priori
  4. Choix du meilleur portefeuille parmi tout ceux simulés en fonction de la distribution de chacun

 

On peut utiliser deux outils similaires dans la production des résultats mais différents dans la manière de simuler les actifs :

Le premier a une approche modèle + copules, qui a une version bis à modèles économétriques avancées (plus précis mais plus lent). Les modèles sont soit issus de la littérature, soit développés en interne, soit enfin issu d’une procédure d’identification à la Box-Jenkins avec un choix de copules.

Le second utilise le bootstrap par bloc qui a l’avantage de capter totalement la structure de risque des actifs les uns par rapport aux autres. Cette méthode semble fournir des portefeuilles plus robustes (i.e. moins sensible aux incertitudes des paramètres) que les optimisations « à l’aveugle ».

La calibration est un mixte des anticipations et, lorsque le paramétrage le nécessite, d’une estimation historique.

L’approche permet de comparer toutes les allocations simulées. Conditionnellement aux paramètres, nous pouvons aisément choisir, par simple comparaison le portefeuille le plus adapté sur la période étudiée. L’avantage principal réside dans la diversité et la multiplicité des critères de choix que nous pouvons utiliser, en particulier sur des horizons de temps différents (par exemple à 3 mois et un an).

Les critères sont le plus souvent (implicitement) imposés : VaR 95% >0 par exemple, volatilité inférieure à 10%,… Puis parmi ces portefeuilles, on choisi celui dont la performance (moyenne, médiane, ou autres) est maximale.

Lorsque le critère n’est pas imposé, nous choisissons d’optimiser le ratio de Sharpe, pour deux raisons :

– c’est une mesure tenant compte à la fois de la performance et d’un risque

– la maximisation du ratio de Sharpe implique de minimiser la probabilité d’avoir une performance inférieure à celle du taux sans risque. Ce résultat est universel et indépendant des modèles choisis. De plus cette minimisation reste le critère le plus naturel de tout investisseur prêt à prendre du risque « à condition » qu’il soit rémunérateur.

Publicités

Construction d’un processus d’allocation d’actifs

Ce document est une aide, une réflexion, permettant de développer une gestion d’allocation d’actifs en respectant une cohérence d’étapes entre les phases stratégiques, tactiques, sélection des supports et ajustement du portefeuille réel. On n’oublie pas les inputs commerciaux : cahier des charges, benchmarking, etc.

Vers un processus d’investissement en allocation d’actifs_Definitions et Etapes

MdP : allocprocess

Publié sur Le Cercle Les Echos : Qu’attendre d’un modèle de simulation de Monte Carlo pour l’allocation d’actifs

MC CercleJ’ai publié un article sur Le Cercle Les Echos (cliquez sur l’image) qui reprend un billet écrit sur ce blog en septembre 2013 où je commente les présentations marketing des modèles quantitatifs d’allocation. J’y présente également les points qui me paraissent indispensables à un tel outil, points souvent absents des modèles généralement utilisés.

 

L’allocation fine en actions

Cet article s’intéresse aux choix d’investissement au sein de la classe d’actif actions. Ces choix sont :

– géographique : domestique vs non domestique

– sectoriel

– de style : growth vs value

– de taille : Grande vs petite capitalisation

– de type : gestion active (ie choisir un gérant pouvant créer de l’alpha) vs gestion passive (ie choisir un ETF ou le bêta d’un marché)

L’allocation stratégique prendra en compte souvent le facteur géographique ou sectoriel alors que l’allocation tactique s’engagera en complément sur des choix de style, plus rarement sur des choix de taille. Le dernier point « type » est pour ainsi dire quasiment toujours oublié ou subit sans résulter d’un véritable choix d’investissement.

Si toutefois un allocataire veut prendre en compte ces facteurs de manière globale, il va mesurer leurs corrélations afin d’établir un portefeuille optimal en fonction de ses anticipations. Cela va résulter en un portefeuille finalement équilibré, sans grandes convictions, chacun de ces facteurs ayant tous eu leurs heures de gloire dans le passé. Mais il y a plus grave et cette approche est en réalité une erreur de conception profonde du processus d’investissement. De même, réserver ces choix pour l’allocation tactique implique que ces choix ne relèvent que du market timing (ie en réaction à une nouvelle information) sans prêter d’attention à.

Or si on sait anticiper les cycles favorables à l’un ou l’autre de ces facteurs, notre processus d’investissement est énormément enrichi. On pourra même y ajouter un cycle plus connu nous permettant de choisir entre actions et obligations.

Un exemple
Prenons le facteur taille. Une allocation standard est de choisir la répartition en capitalisation des marchés, soit en Europe 80% Large et 20% Small. Or si on étudie la performance relative de ces deux marchés, on se rend compte que « Small » est un facteur pays, les petites entreprises étant beaucoup plus sensibles à une conjoncture locale alors que les grandes entreprises sont mondialisées. De là, une conjoncture nationale étant schématiquement donnée par des conditions budgétaires et fiscales qui sont loin d’avoir une folle dynamique, il est aisé de trancher entre grandes et petites capitalisations.

Synthèse
Ainsi, il semble efficace de porter attention aux facteurs ci-dessus, d’identifier quelques indicateurs caractérisant leur attractivité relative afin d’apporter une peu plus de dynamisme à l’allocation stratégique tout en évitant les principaux défauts de l’allocation tactique, à savoir le risque de réaction émotionnelle, la multiplicité des coûts de transaction si les dérivés ne sont pas utilisés, la difficulté intrinsèque du market timing, une rentabilité parfois non pertinente et les moyens énormes nécessaires à la surveillance des marchés. Cette approche apparaît ainsi appropriée aux investisseurs institutionnels, aux gérants de patrimoine ou aux banquiers privés.

Mise en oeuvre
Mener cette analyse est relativement accessible. Une bonne base de données et la maîtrise de  la construction de  loi de probabilités permet de concevoir des outils simples, robustes et facilement mis à jour.

Les obligations d’entreprise n’ont rien à faire dans une allocation stratégique

Ce billet veut permettre de prendre du recul avec cette classe d’actifs. Oublier certaines caractéristiques fondamentales peut en effet entraîner des prises de positions dont le danger est mal évalué alors même que le couple rendement / risque semble attractif.  Nous allons passer en revue les problèmes liés à l’asymétrie de rentabilité, l’opposition actionnaire vs obligataire, la liquidité, les options de rachat éventuelles.

Rappels et notations
Les obligations d’entreprise présentent donc un risque dit de crédit qui justifie une rémunération supérieure au taux sans risque noté r  (en supposant qu’il soit bien choisi, voir éventuellement l’article sur le choix d’un tel taux). Ce taux de rémunération est le taux actuariel, noté Rm qui s’écrit Rm = r + s, s étant le spread, donc l’écart de rémunération attendue.

Asymétrie
Le premier point important est que le taux actuariel au moment de l’achat (ou yield to maturity) est un taux maximum : il représente la rémunération maximale que l’on obtient si l’on conserve le titre acquis jusqu’à sa maturité. Maximum, car pour l’atteindre, il faudra une absence de dégradation de la perception de son crédit.
La rémunération réelle R, inconnue, est donc une variable aléatoire dont l’espérance est strictement inférieure à Rm :
R = Rm si survie jusqu’à maturité, R < Rm en cas de défaut. Chaque événement étant de probabilité non nulle, il est clair que E(R) < Rm.
Ainsi, l’investissement présente une forte asymétrie défavorable à l’acheteur avec un gain potentiel fortement majoré et une perte potentielle théorique maximale totale, 60% étant un taux souvent retenu dans la valorisation des produits dérivés de crédit.
De le même manière, que peut-on attendre d’une obligation d’entreprise notée AAA, au mieux son crédit stagne, au pire il se dégrade. Peut-elle s’améliorer ?

Options
N’oublions pas que certaines obligations peuvent être rappelées par l’émetteur, empêchant l’investisseur en obligations d’entreprise de profiter d’une éventuelle baisse des taux. Car justement, ce contexte est favorable aux émetteurs qui pourront réémettre à des niveaux de coupons plus faible.

Actionnaire ou obligataire ?
Un troisième point concerne les entreprises qui émettent à la fois de la dette et des actions ? Est-il possible de gagner sur les deux tableaux ? Les intérêts des obligataires (les détenteurs de la dette) et des actionnaires (les détenteurs d’actions) peuvent-ils converger ? A votre avis, parmi ces deux types d’investisseurs, lesquels seront plus favorisés par les décisions des dirigeants de l’entreprise ? Bien sûr, si cela va mal, les obligataires sont mieux traités que les actionnaires et cette sécurité expliquent une moindre rémunération des produits de crédit. Mais sur la durée, la stratégie d’entreprise est bien axée sur la création de valeur pour les actionnaires.

Liquidité, je t’aime moi non plus
Il y a deux types d’acheteurs d’obligations : ceux qui vont conserver le titre jusqu’à maturité et ceux qui tenteront de le vendre en cours de route. Les premiers sont peu concernés par le risque de marché et la vie de l’obligation, excepté si le risque de non remboursement (défaut) devient important (stratégie buy and hold). Le risque est essentiellement comptable en fonction de la réglementation de l’investisseur. Le second type d’acheteur lui, s’expose à l’ensemble des risque de marché (j’inclus le crédit) afin d’espérer revendre le titre dans de bonnes conditions.
Le premier type d’acheteur, les investisseurs institutionnels, est le plus important. En conséquence, la liquidité (ie la possibilité d’acheter et de revendre le titre obligataire à n’importe quel moment) sera fortement limitée. Cette mauvaise liquidité se paye et les investisseurs attendent un rendement supplémentaire pour la compenser. Le danger est que la liquidité soit finalement le principal (voire le seul) élément de rentabilité au delà du taux sans risque.

Diversifions alors ?
Puisque nous voyons un risque sur ces obligations, la première réaction est de diversifier : investir dans un panier d’obligations d’entreprises AAA et non plus sur un seul titre. Mais c’est quoi la diversification exactement ? Une histoire de « corrélation » ? ou plutôt une histoire de « compensation » ?
En effet, au sein d’un portefeuille diversifié, on s’attend à ce que si un titre chute, cette perte puisse être comblée par un ou plusieurs autres titres. Or pour un portefeuille obligataire, cette compensation est difficile, voire impossible car avec une telle asymétrie défavorable à la hausse, un unique défaut ne pourra jamais être rattrapé (au mieux, la perte aura été limitée grâce au portefeuille, mais l’investissement reste décevant). Au contraire, un portefeuille d’actions, lorsque l’un de ces composants dévissent, garde ce potentiel de récupération car ces produits n’ont pas augmentation de valeur majorée.

Conclusion
L’ensemble des risques des obligations d’entreprises n’apparait pas assez rémunéré pour investir de manière stratégique dans ces actifs, en particulier pour les fonds de pensions soucieux de la préservation du pouvoir d’achat.

Modèles de simulations en allocation d’actifs

Je voudrais ici réagir devant cette forme de marketing qui est produite à l’aide des modèles mathématiques en finance. Souvent, ce n’est que de la poudre aux yeux. Mais, lorsque l’on sait décrypter le langage pseudo-technique (on en met plein la vue : si le client n’y comprend rien, on passe pour des cadors croit-on), on pourrait même trouver à en rire.
allocation et distributionDans le contexte de placement d’un investisseur institutionnel, il lui faut en général déterminer un portefeuille ou une allocation stratégique selon, en fonction de diverses contraintes (comptables, réglementaires, de risque,…). Les outils à base de modèles mathématiques et de simulation numérique (dite de Monte Carlo) sont souvent mis en avant pour établir ce type de stratégie d’investissement.
En se plaçant du point de vue client, je vais prendre ici l’exemple de la présentation type d’un modèle d’allocation d’actifs pour en commenter les atouts exprimés la plupart du temps. A travers ces remarques, nous tenterons de dégager les points essentiels de conception de ces modèles et nous verrons qu’il faut garder un certain recul sur les arguments donnés.

Atout n°1 : « Ce modèle est toujours « propriétaire » et au top des derniers développements »
Comprendre conçu en interne (pas d’achat d’un logiciel), c’est tout. Est-ce une feuille de tableur développée sur un coin de PC ou un outil intégré et bien pensé après quelque temps de recherche interne ? Un client (ou prospect) investisseur devrait pouvoir exiger de voir le modèle fonctionner, en y injectant ses propres paramètres.

Atout n°2 : « Il couvre les « principales ou l’essentiel des classes d’actifs » constituant l’univers d’investissement du client.  Notez que « d’autres classes d’actifs peuvent être incluses » »
Ne pas être dupe : une autre classe d’actifs pourrait être modélisée simplement en modifiant les paramètres d’un modèle existant (voir aussi Atout n°5). L’effort est donc très relatif.

Atout n°3 : La modélisation vante son « amélioration vis à vis du classique modèle moyenne-variance : les rendements ne suivent pas une distribution normale, les queues de distributions sont épaisses, les corrélations sont instables », etc.
C’est le minimum à attendre car le modèle moyenne-variance a plus de 50 ans ! D’ailleurs, si certains se vantent encore d’utiliser le modèle de H. Markowitz, (dont le contexte calculatoire était très éloigné de nos ressources actuelles), vous n’avez pas besoin d’eux.

Atout n°4 : Une recherche modèle d’envergure. On rencontre en général 2 approches : la modélisation des facteurs de risque de marché (taux d’intérêt, inflation, risque action avec des sauts,…)  puis une modélisation des classes d’actifs à partir de ces facteurs ou bien la modélisation directe de chacune des classes
Le point non précisé (et pour cause !) est que la modélisation est unidimensionnelle. Or, quelque soit la qualité du travail, considérer les actifs un par un pour ensuite modéliser une dépendance entre eux est à mon avis une erreur fondamentale de conception. Je l’ai d’ailleurs faite pendant longtemps car c’est ainsi que l’on nous enseigne les choses. Et puis 1 dimension c’est plus facile que 20 ou 50 (selon le nombre d’actifs en portefeuille). En réalité, je suis persuadé qu’il faut modéliser globalement, c’est-à-dire en utilisant des lois jointes dès le départ.
Toutefois, dans le domaine des marchés financiers, personne n’est capable d’établir définitivement une loi de probabilité (encore moins à plusieurs dimensions). De plus, elle n’est probablement pas stable dans le temps et elle se résume surtout à un outil nous permettant de manipuler notre ignorance.

Atout n°5 : Une expertise dans la manipulation des modèles. On parle des « paramètres » ou de la « calibration » des modèles
Là est le point crucial, car c’est ici que l’on peut faire dire ce que l’on veut à l’outil. C’est pourquoi lorsque vous comparez les résultats de simulations de 2 modèles (ou sociétés), ce sont surtout leurs hypothèses qu’il faut comparer, et mieux encore leur imposer des conditions identiques lorsque cela est possible.
En réalité, le paramétrage d’un modèle nécessite l’utilisation d’autres modèles ou bien une évaluation à dire d’expert.

Atout n°6 : « Les paramètres sont estimés pour que la distribution modélisée colle à celle des principaux indices » (supposés représentés chaque classe d’actifs)
Ici, le modèle est calé sur le passé. Pourquoi ne pas directement utiliser la loi de distribution passée alors ? Les sources d’erreur de modélisation en seront largement réduites ! Les techniques de calibration sont aussi sujettes à caution. Si on parle de régression linéaire par exemple, cela suppose une loi d’erreur gaussienne. Est-ce correct ?

Atout n°7 : Les résultats de la simulation
Après 10 000 tirages aléatoires (vraiment ? ou seulement 1000 ? Pourquoi pas 1 000 000 ?), on obtient la distribution de probabilité empirique de n’importe quel portefeuille de classe d’actifs (avec des hypothèses de rebalancement simplifiées en général qui ont pourtant un impact essentiel sur la loi finale simulée). Cette distribution permet de construire une multitude de critères afin de sélectionner le portefeuille : Value at Risk (VaR), VaR Conditionnelle (CVaR) et autre « Tail Risk », Tracking Error, Volatilité, Maximum Drawdown… C’est ici que le choix des paramètres est le plus visible : ils permettent de déplacer la distribution de probabilité vers la droite si besoin, c’est-à-dire vers les événements favorables.
Les résultats seront souvent présentés sous la forme d’une frontière efficiente : risque en abscisse, performance attendue en ordonnée, preuve que les vieilles habitudes sont tenaces, alors que le choix devra prendre en compte plus que deux mesures. J’ai souvent entendu dire alors : « les clients aiment bien », « ils ne comprennent que cela ». Et donc ? Ne peut-on pas prendre le temps d’expliquer et d’accompagner son client ? Est-ce un manque de professionnalisme ou une incapacité à le faire ?

Atout n°8 : Diversifier !
Comme je le disais plus haut, l’approche scientifique cautionne implicitement le bien fondé de l’approche, alors attention au leurre ! La deuxième raison est l’argument de diversification. Une conclusion systématique de ces modèles sera : plus vous diversifiez, mieux vous gérez votre risque. C’est ainsi que l’on vous propose d’introduire dans votre portefeuille (d’acheter donc) de nouveaux actifs, peu liquides en général (ce sont ceux qui diversifient le mieux, c’est la magie de la corrélation) et donc marginalement plus dangereux (mais ouf la diversification est là dit-on).
Malheureusement, le modèle est souvent, implicitement encore une fois sans même que leurs concepteurs en aient conscience cette fois, construit pour que la diversification fonctionne car fondé par exemple sur une matrice de corrélation. Cette diversification est théorique. Pour que cet argument soit acceptable, le modèle doit pouvoir simuler la diversification réelle des marchés.
La diversification utile doit protéger suffisamment un capital en cas de choc (c’est-à-dire la réalisation d’un événement non anticipé, celui où les corrélations de vos actifs tendent vers 1) et non réduire une mesure de risque lorsque tout va bien.

Faut-il rejeter les modèles ?
Je ne crois pas, mais il faut les utiliser en étant sceptique, leur laisser le moins de place possible, ou encore utiliser ceux qui déforment le moins l’information initiale.
Une bonne question à se poser est : est-ce que le modèle que j’utilise peut créer des situations jamais vues auparavant avec une probabilité non nulle, ces événements qualifiés de cygnes noirs par N. Taleb ?
S’assurer que le gérant d’actifs s’en serve dans ses choix d’investissement même (et surtout) lorsqu’il n’a pas de client en face de lui est aussi une façon de se rassurer (un peu).

Ce que je propose
Il n’y a pas de méthode parfaite mais l’approche globale en loi de probabilité me semble la plus robuste et c’est celle que j’ai développée depuis plusieurs années maintenant.  On pourrait la qualifier d’approche « empiritative » (empirique et quantitative) : exploiter les données, utiliser l’information objective et non plonger dans une modélisation figée trop rapidement.
Comme toutes les méthodes non paramétriques, elle a l’avantage de ne pas faire d’hypothèse ad-hoc sur la forme de la distribution tout en offrant la même maniabilité que l’approche paramétrique. Elle est sûrement beaucoup plus simple et plus rapide à implémenter.

Guide pour l’allocation de la poche financière d’un OPCI

L’objet du présent document est de donner des éléments permettant de définir des guidelines d’investissement pour la poche financière intégrée au sein d’un OPCI de type « grand public ». Les travaux ont été basés sur deux axes :

–       Analyse de corrélation entre un indice immobilier et différentes classes d’actifs financiers,

–       Proposition de guidelines de gestion portant sur la mise en place d’une « limite » de draw down et d’une limite « actifs risqués »

Étude réalisée en avril 2012

1. Données immobilières

Nous avons à disposition en données annuelles l’indice IPD France Bureaux. Ces données sont « total return » c’est-à-dire tiennent compte de l’appréciation du capital et des revenus générés par celui-ci.

Pour des raisons techniques, cette série doit être retraitée afin de la comparer aux autres classes.

En effet, l’indice IPD est constitué d’actifs immobiliers expertisés une fois par an et ces expertises sont fortement autocorrélées. Le retraitement réduit cette autocorrélation et augmente la volatilité des nouvelles rentabilités.

D’autres arguments nécessitent des retraitements plus approfondis (dits de correction de volatilité) comme la non-réplicabilité de l’indice IPD ou l’écart entre l’évaluation de l’expertise et le prix réel de transaction qui induit un surplus d’incertitude. Ces retraitements plus lourds pourront être effectués ultérieurement (approche en couverture d’actifs contingents complexes).

De même, nous avons supposé que seule l’autocorrélation d’ordre 1 devait être corrigée. Ceci est discutable et le sera d’autant plus lorsque nous travaillerons avec des données trimestrielles.

Les résultats des travaux de retraitement des données immobilières sont présentés ci-après :

Série brute :                 Rendement 7.80%        Volatilité 9.3%              Autocorrélation 0.71

Série retraitée :             Rendement 7.07%        Volatilité 13.6%            Autocorrélation 0.45

Des compléments sur le traitement des données sont ici

2.  Comparaison aux grandes classes d’actifs

Ci-dessous, la comparaison en année civile de l’immobilier physique (retraité) avec différentes classes d’actifs. Les indices retenus sont

–       Obligations souveraines : SBEUL index, Citigroup Europe WGBI Local Currency (rating moyen AA, maturité moyenne 9.15, sensibilité 6.8, rendement 2.5% au 11 avril 2012)

–       Matières premières : SPGCCITR Index, S&P Goldman Sachs index en DEM puis en EUR

–       Actions européennes : SXXR Index, STXE 600 € NRt  (avec un retraitement manuel des dividendes en début de période)

–       Actions immobilières : RPEU Index, FTSE E/N EuroZone TRI

–       Hedge Funds : HFRIFI Index, HFRI RV: Multi-Strategy Index

–       Obligations corporate : SBEBCOP Index, Citigroup EuroBIG Corporate, de rating moyen A, de maturité moyenne 4.8 ans (sensibilité 4.06), de rendement 2.8% (au 10 avril 2012)

–       Obligations convertibles : EECIEECI Index, Exane Europe Convertible Bond

–       Obligations High Yield : SBHYMI Index,Citigroup HY Market Local Currency (B+, maturité moyenne 6.8, sensibilité 4.8, rendement 7.1%)

Leurs choix résultent avant tout d’une profondeur d’historique maximale.

Les périodes de stress pour l’immobilier de bureaux en France sont les années 1991 à 1995 et surtout 2008/2009.

Pour cette dernière période, seules les obligations de grandes qualités ont pu servir d’amortisseur et seulement en 1994, les obligations souveraines ont une performance négative comme l’immobilier de bureaux (indice corporate indisponible à cette date). Cette année-là seul l’indice Hedge funds retenu avait une performance positive.

En raisonnant sur ces stress scénarios, il apparaît que la poche financière doit être essentiellement composée d’actifs de taux si le but est de servir de coussin à une performance immobilière potentiellement négative tout en assurant une liquidité optimale.

3.  Corrélations

Sur la période commune à toutes les classes d’actifs, on obtient la matrice de corrélation suivante :

Immo Physique

Matières Premières

Souverain

Actions €

Actions Imm

HF

HY

Convertibles

Corporate

1,00

0,53

-0,62

0,58

0,55

0,35

0,17

0,54

-0,16

1,00

0,00

0,40

0,24

0,24

0,12

0,38

0,22

1,00

-0,70

-0,39

-0,49

-0,54

-0,65

0,12

1,00

0,75

0,72

0,75

0,93

0,31

1,00

0,78

0,66

0,83

0,51

1,00

0,91

0,86

0,78

1,00

0,81

0,72

1,00

0,50

1,00

–       Les corrélations négatives mettent en évidence les actifs qui évoluent en sens opposé, c’est bien le cas des obligations et de l’immobilier physique.

–       Les actions immobilières sont avant tout des actions et dans ce cadre apporte une diversification au sein de la poche action.

–       Les actifs liquides ayant un comportement plus proche (protection contre l’inflation) des immeubles sont les OATi conservées jusqu’à maturité. Il s’agit avant tout d’actifs de substitution et non d’actifs de diversification.

–       Les actifs de type hedge funds ou high yield peuvent apporter une diversification significative en performance (plutôt qu’en risque au vu du choc de l’année 2008).

4.  Guidelines proposées sur la poche financière :

Limites d’exposition actions/Matières premières:

Sur ces mêmes données, pour obtenir une préservation statistique du capital à horizon 5 ou 10 ans (VaR99% >0), il faut limiter l’exposition à ces actifs risqués à 15% maximum de l’OPCI.

On remarque d’ailleurs que ces dernières années, on a observé une recorrélation de l’immobilier physique avec les actions (avec nos données, 0.64 sur la période 1999/2011 contre -0.05 sur la période 1987/1998) rendant naturellement moindre l’intérêt de combiner les deux actifs.

Limites de risque de la poche financière :

En rapport avec l’exposition aux actifs risqués (ici actions et matières prmières) maximale suggérée, nous proposons à ce stade un objectif de maximum drawdown annuel de -5% sur l’ensemble de la poche financière.

Toutefois, tenant compte des données à disposition, cet objectif ne peut être interprété pour le moment que comme une perte maximale annuelle « moyenne ».

Recommandation d’allocation

L’introduction d’immobilier coté n’a pour seul intérêt que d’augmenter la liquidité de l’OPCI (poche financière plus importante). Financièrement, son poids ne devrait pas dépasser 5% de l’OPCI.

L’exposition totale action est limitée à 15%, avec un régime de croisière entre 5 et 10%. Un profil de type performance absolue/Hedge Funds est intéressant pour la diversification (plus que des actions long only) et pourra remplacer pour partie ou entièrement la poche action en respectant cette limite. Cependant, la liquidité de tels actifs peut être problématique.

La poche taux (actifs de rendements) devrait à notre sens constituer l’essentiel de la poche financière :

–       Monétaire : au moins 10%,

–       Obligations à taux fixes : pas de contrainte. Comme déjà évoqué, une gestion active de la qualité du crédit est nécessaire en fonction des perceptions du cycle immobilier. En régime de croisière entre 10% et 20%.

–       OATi : c’est un instrument au comportement proche de l’actif immobilier physique et peut en ce sens être utilisé pour palier à l’absence d’opportunité ou au contraire fournir une plus grande liquidité sans déformer la structure de cette poche du portefeuille.
Une fois investie, la position sera conservée jusqu’à expiration (sauf opportunité exceptionnelle) afin d’assurer la préservation du capital en terme réel. En particulier cet actif pourra être substitué à l’actif immobilier au démarrage de l’OPCI.

Allocation d’actifs sous contrainte de provisionnement : partie 8 (fin) – Récapitulatif et une remarque sur les objectifs

Récapitulatif de la répartition proposée

Environ 30 M€ au maximum en obligations en ligne à ligne (en acceptant le stress scénario utilisé).

Au moins 10 M€  sur le fonds diversifié pour 2009, ce montant pouvant varier les années suivantes.

On conserve 5M€ de tires monétaires permettant la gestion courante des engagements.

Sur 51M€, il reste donc 6 M€.

Si l’on place ce montant en OPCVM d’obligations de crédit, elle permet elle permettra d’ajuster la taille du portefeuille diversifié en cas de besoin tout en offrant un faible rendement sécurisé dont les plus values pourront également contribuer à une diminution de la PRE. Ces 6M€ peuvent être gérés au sein du portefeuille diversifié.

En terme de répartition en transparence, on obtient :

Actions

5.1%

Obligations (mandat)

58.8%

Obligations gouvernementales (OPCVM)

14.5%

Obligations de crédit (OPCVM)

11.8%

Monétaire (mandat)

9.8%

En particulier, la poche obligataire passe de 63.5% à 85.1%.

Notons que la part monétaire diminue fortement : ceci vient de la contrainte d’objectif de 4% minimum que cet actif n’est plus capable d’offrir aujourd’hui. Avec les mêmes hypothèses sur les classes d’actifs qu’à la section 3, le risque de cette allocation mesurée par la volatilité est de 3.9% niveau en ligne avec le portefeuille actuel et ce malgré la forte diminution de l’actif monétaire au profit de l’obligataire. La part action reste identique à celle d’aujourd’hui.

Une remarque générale

Si on résume d’un point de vue financier le portefeuille global, on lui trouve une volatilité de l’ordre de 3.3%. Si maintenant l’objectif est de 4%, avec des taux courts à 1.5% (niveau de l’eonia au jour de la rédaction de cette section), cela implique un ratio de Sharpe espéré pour l’ensemble des actifs de 0.75 (1.06 si l’on retient un objectif de 5% de rendement). Ce niveau est exceptionnel, sachant qu’un ratio de Sharpe acceptable est de 0.3 et que 0.5 est extrêmement rare, d’autant plus sur la durée.

Ceci signifie que l’objectif de 4% est financièrement incompatible avec le risque pris. Si cet objectif est indispensable, il faudrait élever le niveau de la prise de risque. Avec par exemple une volatilité à 6%, le ratio de Sharpe devient alors 0.40 qui est un niveau qu’on peut attendre d’un bon gérant.

Inversement à ce niveau de ratio de Sharpe et avec le risque pris aujourd’hui, le rendement espéré est de 2.9% (soit Eonia + 1.4%).

 

Conclusion

Suite au désir de XXXX de repenser son allocation d’actifs, nous étudions en fonction des éléments à notre connaissance les divers points mis en avant : réflexion globale sur la cartographie des risques, la problématique du rendement annuel, son lien avec la PRE et la question du passage au tout (ou quasi) ligne à ligne obligataire.

L’augmentation de la poche obligataire gérée en ligne à ligne a des avantages importants à court terme : limitation de l’impact des moins-values latentes et gestion de la réserve de capitalisation. Cependant, plusieurs éléments nous suggèrent d’éviter de transformer l’ensemble des actifs actuels sous cette forme :

– en effet, nous attirons l’attention sur le danger de la forte concentration sur un seul type d’instruments financiers et donc de risque en portefeuille

– cela aurait également comme impact de geler la PRE sans plus pouvoir la gérer ni la rendre plus faible voire nulle.

Financièrement, la rémunération des taux souverains sur des maturités courtes ou moyennes est insuffisante pour vos objectifs. Cela oblige :

– soit à investir sur des obligations longues de maturité relativement élevée. Ce dernier point risque d’entraîner un risque de taux important et donc un risque de PRE en cas de mouvement de taux défavorable.

– soit à choisir des émetteurs notablement plus risqué et donc s’exposer fortement au risque de défaut.

De plus, le rendement monétaire devient de plus en plus faible et enfin, écarter totalement aujourd’hui le marché actions revient à éliminer des opportunités de rentabilité à moyen long terme.

Afin de trouver la juste répartition de vos actifs, nous calibrons le montant adapté de chaque poche en tenant compte des provisions actuelles, de la réserve de capitalisation et du rendement espéré. En fonction de scénarios économiques sur 2009 nous déduisons un découpage de votre actif approprié aux besoins et présenté ci-dessous :

 

Actions 5.1% – Obligations (mandat) 58.8% – Obligations (OPCVM) 14.5% –

Obligataire de crédit (OPCVM)         11.8% – Monétaire (mandat) 9.8%

 

Ceci induit de conserver un fonds constitué d’instruments non amortissables.

 

partie 7

L’accompagnement actif passif

La gestion actif-passif permet d’assurer la pérennité d’une entreprise vis-à-vis de ses engagements (assurance santé, retraite, …), ceci dans un cadre réglementaire strict et surtout complexe. En effet, une structure de passif long terme ne s’abstient pas du risque de provision ou de couverture des engagements sur un exercice, avec en conséquence une gestion de l’actif et donc une allocation stratégique dépendant de multiples horizons. Dans ce contexte, l’approche par simulations permettra d’apprécier les meilleures opportunités en tenant compte, de plus, du respect de l’adéquation entre la structure du passif et celle de l’actif (matérialisée par exemple par des bornes d’exposition sur chaque poche de duration considérée).

De plus, la gestion du bilan pèse dans les choix d’investissement. Une réserve de capitalisation ne pourra être constituée qu’à partir des plus-values obligataires des titres détenus en ligne à ligne mais elle ne résorbera pas la provision pour risque d’exigibilité. Celle-ci le sera en revanche à partir des plus-values sur des titres non amortissables (actions, OPCVM,…). De même, le risque de provision pour dépréciation durable (PDD) sera-t-il mieux contrôlé sur des obligations entreprises en ligne à ligne dont un seul défaut peut alimenter la PDD ou sur un OPCVM de crédit qui diversifie le risque de dotation ?

On le voit bien : les réponses à ces questions, propres à chaque entreprise, nécessitent une collaboration étroite avec le prestataire de gestion. Une fois l’allocation stratégique déterminée, sa constitution effective prendra en compte l’histoire du bilan de l’entreprise pour réaliser le bon mix entre OPCVM et titres en ligne à ligne, amortissables ou non.

Dans tous les cas apparaît la nécessité de fournir une réponse personnalisée et donc de disposer de la capacité de développer des outils sur mesure en fonction de chaque investisseur institutionnel puis de pouvoir offrir une solution d’investissement dédiée.