Universe Ratio By Jean-François BOULIER Head of Euro Fixed
Transcription
Universe Ratio By Jean-François BOULIER Head of Euro Fixed
Universe Ratio By Jean-François BOULIER Head of Euro Fixed Income and Credits Crédit Agricole Asset Management 90 boulevard Pasteur 75730 Paris cedex 15 [email protected] Romain VERDIER Engineer - EDF 1, place Pleyel 93200 Saint-Denis [email protected] Abstract Performance measurement in the very competitive asset management industry makes use of selected indices taken as benchmark for the evaluation of the value added by the portfolio manager. For example, the Information Ratio (Sharpe, 1992) divides the excess performance of a fund relative to the selected index by the corresponding tracking error. But the selection of such an index brings some risk of its kind, that one can measure by the tracking errors of one index vis à vis the other possible indices. This article suggest to use instead a measure of the value added by the fund by comparing its performance to all possible portfolios invested in the same universe. This leads to a measure of excess return and risk that lead to a ratio, which we call Universe Ratio. Ratio d’univers By Jean-François BOULIER Responsable de la Gestion de Taux Euro et Crédit, CAAM Romain VERDIER Ingénieur, EDF Introduction La performance d’un fonds dépend en premier lieu de l’allocation d’actifs. L’allocation stratégique consiste en tout premier lieu à choisir l’univers d’investissement puis à retenir une allocation moyenne entre les classes d’actifs pour une période de 3 à 5 ans et qui reflète les besoins de placement de l’institution ou de l’épargnant. Cette allocation se traduit par un portefeuille de référence choisi par le client de l’Asset Manager. La valeur ajoutée du gérant consiste à gérer le portefeuille en apportant si possible une valeur supplémentaire par des choix tactiques et des choix d’instruments financiers. Tout écart de composition entre le portefeuille de référence et le portefeuille réel se traduit par un risque de performance ex ante et un écart de performance ex post. Quand, pour simplifier l’exposé, le benchmark se résume à un indice, la valeur ajoutée de l’Asset Manager actif se mesure classiquement par le ratio d’information (Sharpe, 1994). Pourtant, cette mesure n’est pas sans défaut. En premier lieu, elle confère à l’indice retenu un rôle de référent, or il n’est pas certain que les conséquences du choix de l’indice ait été complètement analysées. En second lieu, tout écart à l’indice se traduit par un risque (tracking error). Changer d’indice amènerait une autre mesure de risque. Le choix d’un indice particulier n’est donc pas exempt de risque. L’objectif de cet article consiste précisément à élargir la notion de ratio d’information, en ayant le moins possible de parti pris à l’égard de tel ou tel indice. Afin de s’affranchir de ce choix, nous nous référons à l’univers plutôt qu’à un portefeuille représentant de cet univers. Nous présentons un nouveau concept appelé ratio d’univers qui vise à mesurer la valeur ajoutée du gérant sans faire le choix d’un indice particulier. 2 Le choix d’un benchmark n’est pas neutre Plusieurs éléments entrent dans le choix d’un benchmark d’un portefeuille : 1. L’Asset Manager souhaite proposer à son client des fonds dont les styles de gestion correspondent à ses souhaits d'investissement (différentes typologies existent: « gestion prudente, équilibrée, dynamique »; gestion géographique « actions françaises, européennes, japonaises », ou bien par type de produits « Actions, obligations »): le choix du benchmark dépendra donc primordialement du style d'investissement envisagé par l'asset manager et de l'allocation stratégique choisie. 2. La notoriété de l’indice. 3. La facilité à le répliquer. La première façon de comparer les performances d’un fonds ou d’un titre par rapport à un benchmark est de considérer les différences de rendements sur une période donnée ; le ratio d’information de Sharpe [Sharpe, 1994] prend en compte les risques encourus, en rapportant ce différentiel de rendement à l’écart-type de la différence de rendement : r= RP R B RP RB La tracking-error, qui, sous sa forme annualisée, s’exprime par TE ( P, B) = M 1 n RP (t ) RB (t ) μ RP RB T 1 t =1 ( ) 2 (où μ RP RB est la moyenne des rendements), peut aussi être utilisée comme mesure de risque relative. Toutefois cette mesure reste tributaire du choix d’un benchmark, et ce choix n’est pas neutre. 3 Montrons-le sur deux exemples simples : 1er exemple : un portefeuille Buy & Hold Un portefeuille « Buy & hold » constitué de 9 actions françaises initialement équipondérées (Vivendi, Carrefour, Lafarge, Air Liquide, Danone, LVMH, Bouygues, Michelin, Total) voit naturellement les pondérations de ces différents titres fluctuer dans le temps (figure 1)1. 100% TOTAL 90% MICHELIN 80% BOUYGUES 70% LVMH 60% DANONE 50% 40% AIR LIQUIDE 30% LAFARGE CARREFOUR 20% 10% VIVENDI jan v73 jan v74 jan v75 jan v76 jan v77 jan v78 jan v79 jan v80 jan v81 jan v82 jan v83 jan v84 jan v85 jan v86 jan v87 jan v88 jan v89 jan v90 jan v91 jan v92 jan v93 jan v94 jan v95 jan v96 jan v97 jan v98 jan v99 jan v00 jan v01 jan v02 jan v03 jan v04 0% Figure 1 - Pondération des 9 titres dans un portefeuille Buy & Hold. Pondérations initiales de 11% au 01/01/1973 La comparaison de ce portefeuille avec différents benchmarks en terme de tracking-error montre déjà des différences significatives : BUY& HOLD PORTFOLIO CAC 40 SBF 250 EuroNext 100 MSCI France Tracking-error annualisée 9.38% 9.29% 11.78% 9.29% La gestion de ce portefeuille apparaît ainsi nettement plus risquée face à l’Euronext 100 que face au CAC 40. Choisir un indice européen plutôt qu’un indice purement français n’est donc pas sans conséquences. 1 Sources: Datastream 4 2e exemple : un portefeuille à poids constant (CRP) Sur la base des mêmes 9 titres, nous construisons un portefeuille constamment équipondéré (CRP, Constant Rebalanced Portfolio), les rebalancements étant effectués à un rythme annuel et nous faisons la même analyse que précédemment C.R.P. CAC 40 SBF 250 EuroNext 100 MSCI France Tracking-error annualisée 7.50% 7.33% 7.96% 7.74% Il apparaît là encore des différences notables entre les différents indices. Ce faisant, nous capturons là le risque spécifique lié au fait que le portefeuille de 9 titres n’est pas diversifié. Il est ainsi intéressant de comparer entre eux différents indices, qui peuvent être considérés comme des portefeuilles diversifiés. 3e exemple : Cartographie des indices En calculant les tracking-errors des différents indices entre eux, on peut dresser une cartographie de ces indices à l’aide d’une analyse factorielle2, où les 2 premiers axes portent 2 = 94% des poids : 0.25 DJ EURO STOXX AUTO 0.2 0.15 0.1 DJ EURO STOXX INDEX SBF120 DJ EURO 50 0.05 Nouveau Marché CAC 40 SBF250 IT CAC 0 -0.35 -0.3 -0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 -0.05 SBF80 -0.1 EURONEXT 100 MSCI FRANCE -0.15 -0.2 Second Marché -0.25 Figure 2 – Représentation sur les 2 premiers axes de l’analyse factorielle sur les distances entre indices. 2 Cf Annexe 1 pour les résultats chiffrés et la méthode employée. 5 La figure 2 montre clairement que la dispersion entre indices peut être importante. La proximité spatiale de certains indices provient du fait que des mêmes titres entrent dans la composition de plusieurs de ces indices, les rendant ainsi très corrélés. Le cas du Nouveau Marché ou de l’indice sectoriel DJ EURO STOXX AUTO montre a contrario que le marché ne peut pas être résumé par un seul groupe d’indices. Dès lors, comment définir une mesure de risque qui prenne en compte non pas un seul indice, mais plusieurs (comme par exemple tous les indices existants sur un univers de titres donné), de manière à donner un meilleur aperçu des risques véritablement encourus par l’asset manager. Nous sommes ainsi amenés à définir une mesure de risque multi-benchmarks au sein d’un même univers d’investissement. Le paragraphe qui suit formalise et modélise une telle mesure de risque. Mesure de risque d’univers On considère un univers d’investissement constitués de n actifs de prix Ai (t ) et de rentabilités : Ri (t ) = Ai (t ) 1 , ayant une espérance μ i et une matrice de corrélation . Ai 1 (t ) Parmi l’ensemble des portefeuilles que l’on peut construire sur cet univers d’actifs, nous nous restreignons ici à des portefeuilles où le poids wi (1 i n ) des différents actifs reste constant dans le temps (CRP), ce qui revient à dire que l’asset manager ne change pas son optique de gestion et reste fidèle à son allocation stratégique [Séquier, 2000]. On interdit par ailleurs les ventes à découvert ( wi 0 ). Dès lors, l’ensemble des portefeuilles possible est : n n = w = ( w1 , K , wn ) [0,1] n tel que wi = 1 i =1 n Un portefeuille w = ( w1 , K , wn ) de n aura donc pour rentabilité R P (t ) = i =1 wi Ri (t ) , c’est2 à-dire sous forme vectorielle R P (t ) = wR(t ) , et aura pour variance P = ww . En supposant 6 par ailleurs que les rendements suivent une loi normale3, les rendements d’un portefeuille de n suivront une loi normale N ( wμ , ww) . Dès lors, la tracking-error entre un portefeuille P et un benchmark B, tous deux construits sur n , sera : 2 2 TE ( P, B) = P + B 2 wP wB = ( wP wB )( wP wB ) Ainsi, si l’univers est réduit à 2 actifs notés x et y , 2 = {( w,1 w) [0,1]1 tels que w 0}et la tracking-error de P par rapport à B s’écrit : 2 2 TE ( P, B) = x + B + 2 xy wP wB Et on vérifie que, P étant donné, le portefeuille de 2 qui minimise la tracking-error est bien entendu P lui-même. Cet exemple introductif nous permet d’appréhender une nouvelle fois le problème du choix du benchmark : pour un portefeuille donné, tous les benchmarks ne se valent pas, ce qui revient à dire qu’ils ne contribuent pas tous à parts égales à la tracking-error totale de l’univers par rapport à ce portefeuille ; en pourcentage, un benchmark donné n’y contribue que pour TE ( P, B) n TE ( P, B)dwB Dès lors, pour mesurer le caractère plus ou moins risqué d’un benchmark, nous introduisons une tracking-error moyenne sur l’univers des benchmarks possible, à comparer avec la tracking-error d’un benchmark particulier. En choisissant de pondérer les benchmarks par une fonction de poids p : n R ce que l’intégrale sur l’hypersurface n soit définie, c’est-à-dire n de façon à p ( w)dw < , nous définissons la tracking-error d’univers d’un portefeuille P par : 3 L’hypothèse de normalité des rendements a été étudiée depuis longtemps : [Mandelbrot, 1963], [Fama, 1965] et plus récemment [Aparicio et Estrada, 2001] sur les actions européennes. Ces derniers montrent que l’approximation normale ne peut être retenue s’agissant des rendements journaliers, mais que son utilisation est possible s’agissant de rendements mensuels. 7 M ( P) := n TE ( P, w) p ( w)dw n p ( w)dw En supposant les benchmarks équipondérés ( p ( w) = k ), le calcul4 montre que le poids total porté par l’univers est p ( w)dw = k n dx = n n 1 k n . (n 1)! n où n 1 = w = ( w1 , K , wn ) [0,1] n 1 tel que wi 1 est la sphère unité en dimension n-1. i =1 Explicitons cette tracking-error d’univers sur quelques cas particuliers. Cas d’un univers de 2 actifs corrélés avec benchmarks équipondérés En posant n=2 et p ( w) = k , le risque d’univers d’un portefeuille Py = ( y,1 y ) 2 est : M ( Py ) = 2 TE ( P, w) p ( w)dw 2 p ( w)dw 2 = 2 k 2 x + y 2 xy y w1 dw1 1 k 2 2 1 1 2 2 = x + y 2 xy y + 2 4 Et le portefeuille ayant le risque d’univers le plus faible est donc le portefeuille P1 / 2 pour lequel M ( P1 / 2 ) = 1 2 2 x + y 2 xy 4 Cas d’un univers de 2 actifs corrélés avec restrictions sur les portefeuilles possibles Si des contraintes sur l’allocation d’actifs sont imposés, comme par exemple une contrainte visant à interdire les portefeuilles trop déséquilibrés (c’est-à-dire investis à plus de % sur un actif, la fonction de poids s’écrit, avec >50% : 4 Nous renvoyons en annexe les détails mathématiques 8 k si 1 w p ( w,1 w) = sinon 0 Et la mesure de risque est : 2 M ( Py ) = 2 k 2 x + y 2 xy 1 y w1 dw1 k 2 2 1 1 1 2 2 = x + y 2 xy y + 2 1 2 2 2 1 1 2 2 x + y 2 xy . Ce qui est toujours minimale pour y=1/2 avec M ( P1 / 2 ) = 2 1 2 minimum est une fonction croissante de , ce qui traduit que, si est grand et qu’ainsi des portefeuilles très déséquilibrés sont autorisés, cela vient « peser » sur la tracking-error d’univers. Figure 3 - Tracking error d'univers en 2 dimensions avec contraintes sur l'allocation d'actifs. Cas d’un univers de n actifs décorrélés avec benchmarks équipondérés En supposant à nouveau que tous les portefeuilles sont possibles et équipondérés, et que les rendements des actifs sont décorrélés = diag( 12 , K , n2 ) , on peut calculer aisément la mesure de risque d’univers d’un portefeuille wP = ( wP1 ,K, wPn ) de n , en faisant l’approximation (faible volatilité des rendements) : 9 n TE ( P, w) i2 (wPi wi ) i =1 On montre alors que5 : n wPi2 w 4(n 1) M ( P) = (n 1)! k2 2 Pi + n! n(n + 1)! i =1 (n 1)! Ainsi, la tracking-error moyenne d’un portefeuille par rapport à l’ensemble des portefeuilles possibles est fonction • De la fraction de richesse wPi placée sur chaque titre, • De la volatilité des actifs Par dérivation de la formule précédente, on en déduit que le portefeuille ayant la trackingerror d’univers la plus faible est le portefeuille équipondéré wPi = 1 pour tout i, pour lequel n 3n 5 n 2 Mmin ( P) = 2 k n (n + 1) i =1 En particulier, le portefeuille de variance minimale défini comme w pvm = 11 , n’est pas le 11 portefeuille de tracking-error d’univers la plus faible. Cas d’un univers de n actifs corrélés avec benchmarks équipondérés En levant la contrainte sur les corrélations, mais en gardant l’approximation sur la trackingerror, la mesure de risque d’univers d’un portefeuille donné wP = ( wP1 ,K, wPn ) donne : n M ( P) = k ,l wPk wPl k ,l n2 2 (n 1) n 2 2(n 1)! n3 k + k ,l w 4 + +2 k , l Pl 2 n k ,l n (n + 1) k =1 n 1 l < k n (n 1)(n + 1)! (n 1)!n! Qui est minimale pour les ( wP1 , K , wPn ) vérifiant le système : A wP = B 5 Voir le mémoire universitaire de R. Verdier, Mesure de risque et Risque de benchmark, Paris IX Dauphine, 2004 10 b1 si i j où B = M et bi = l il , et par ailleurs A = (ai , j ) avec ai , j = i2, j i sinon b n Ratio d’univers Par analogie avec le ratio d’information de Sharpe mentionné ci-dessus, il est maintenant possible de définir un ratio d’information qui ne soit plus tributaire d’un benchmark particulier. Pour un portefeuille et un univers d’actifs donnés, on note ru le ratio d’univers : ru = R P Ru M (P) où Ru est la rentabilité de l’univers, que l’on calcule comme suit (avec p ( w) = k ) : Ru = n RB ( w) p ( w)dw n p ( w)dw n k n Ri xi dx n 1 i =1 = n k (n 1)! n = (n 1)! i =1 Ri R1 + K + Rn = n! n La rentabilité d’univers se ramène donc à la moyenne arithmétique des rentabilités des actifs. Applications possibles L’introduction d’un ratio d’univers permet de pouvoir comparer des portefeuilles entre eux. Pour effectuer cette comparaison, il est nécessaire de connaître la rentabilité des portefeuilles en question, ainsi que leur risque par rapport à cet univers. En connaissant leur position sur chacun des actifs de l’univers, cette méthode permet donc d’établir un palmarès de fonds d’investissement qui reflètera leur rentabilité corrigée du risque. Palmarès de fonds Actions françaises Afin d’illustrer cette idée, nous étudions un panel de 29 fonds Actions Françaises : 11 Nous choisissons comme univers d’investissement un ensemble de 37 titres6, principalement pris sur le premier marché d’Euronext afin de disposer des données sur une période suffisamment longue. La rentabilité Ru de cet univers est calculée à partir des rentabilités de chacun des titres. Nous obtenons : Ru=13.28 % Pour calculer le ratio d’univers d’un fonds comme indiqué ci-dessus, il faudrait connaître la position du fonds sur chaque actif de l’univers (à supposer que le fonds investisse uniquement dans cet univers). Or nous ne disposons que de la valorisation totale du fonds. Une alternative pour refléter le risque d’univers est alors de calculer la tracking-error du fonds par rapport à des CRP générés aléatoirement (de manière uniforme) et d’en faire la moyenne, ce qui est l’idée sous-jacente aux développements mathématiques ci-dessus. 6 Voir en annexe 2 la liste des valeurs 12 Nous obtenons alors le classement suivant, en fonction du ratio d’univers ru de chacun des fonds : Il apparaît que la tracking-error d’univers se situe globalement entre la tracking-error des fonds face au CAC 40 et au second marché (voir annexe 3). 13 Conclusion Le choix de l’univers d’investissement est une décision capitale sous jacente à l’allocation stratégique. Mesurer la valeur ajoutée de la gestion relativement à l’univers est le but du ratio d’univers. Comme nous l’avons montré, le choix d’un indice particulier dans l’univers a l’inconvénient de spécifier un portefeuille parmi d’autres possibles. Si un tel choix s’avère intéressant quand on compare les performances entre les classes d’actifs, ce choix est beaucoup plus discutable intra classe. Le ratio d’univers conserve les caractéristiques (rapport rentabilité/risque) des ratios de Sharpe et ratio d’information, mais limite le risque de privilégier un indice parmi d’autres, qui est, comme nous l’avons montré par le calcul des tracking errors entre indices, tout à fait substantiel. D’ailleurs, les classements sur cinq ans de fonds actions françaises ont illustré le biais induit par le choix d’un indice particulier, qui peut être dans certains cas de pure convenance et non fondé sur un choix de l’investisseur. Comme nous l’avons indiqué, le ratio d’univers permet également d’incorporer des contraintes de placement (pourcentage maximum de détention de titres par exemple) ou de liquidité/capitalisation. Une telle idée avait d’ailleurs été retenue dans les années 90 pour la création d’un indice de comparaison des Caisses de Pensions Suisses. L’idée peut être raffinée dans plusieurs dimensions, la mesure de risque notamment pouvant être plus sophistiquée (VaR, CvaR,…) Le numérateur fait apparaître non pas la performance d’un indice, mais une performance moyenne des portefeuilles admissibles dans l’univers, conformément aux contraintes. Le temps de calcul de tel ratio eut été rédhibitoire il y a une dizaine d’années. Tel n’est évidemment plus le cas. C’est pourquoi nous recommandons cette mesure plus juste et moins sujette au risque du choix d’un indice particulier. 14 Bibliographie - Aparicio F, Estrada J., Empirical distribution of stock returns : European securities markets, 1990-95, European Journal of Finance, 7, p.1-21, 2001. - Boulier J.F., Lardic, Taillard, Investir longtemps, Quants n° 36, 1999 - Mandelbrot B., The variation of certain speculative Prices, Journal of Business, Vol. 36, n°4, p.394-419, 1963 - Séquier P., Le point sur l’allocation d’actifs, Banques & Marchés n° 49, p.54-57, nov-dec 2000 - Sharpe W, The Sharpe Ratio, Journal of Portfolio Management, 1994. 15 Annexe 1 : analyse factorielle sur tableau de distance Précisons la méthode employée dans notre étude. On note i,j les distances entre indices en terme de trackingerror. Le problème est alors de représenter chaque indice i par un vecteur x de Rq tel que pour tout i, j, d(xi,xj) i,j où d est la distance euclidienne sur Rq. On adopte les notations suivantes : • • d i , j = d ( xi , x j ) avec xi, xj dans Rq d i2,• = g= 1 1 1 d i2, j , d •2, j = d i2, j , et d •2,• = 2 n i n j n d 2 i, j . Le barycentre des xi est alors i, j 1 n xk . n k =1 • ~ xi = xi g • <.,.> le produit scalaire usuel • Et pour une matrice A, on note sa norme On remarque déjà que A = i, j ai2, j . 1 <~ xi , ~ x j >= d i2, j d i2,• d •2, j + d •2,• si bien que l’approximation d(xi,xj) i,j 2 ( ) implique que 1 <~ xi , ~ x j > d i2, j d i2,• d •2, j + d •2,• 124444244443 ( ) = ( i , j ) Le problème posé revient alors à trouver : min x1 ,..., xn R n [< ~x , ~x i ] 2 j > (i, j ) , c’est-à-dire i, j min X matrice centrée n q centrée XX Où est la matrice symétrique de terme général (i,j). On montre alors que, lorsque les q plus grandes valeurs propres de la matrice : 1,…,q sont simples et positives, les seules solutions du problème sont définies par X = ( x1 ,..., xq ) où xk = k u k et les u k sont les vecteurs propres orthonormés de la matrice associés aux valeurs propres 1,…,q. Le ratio q = 12 + ... + 2q i, j (i, j ) 2 s’interprète comme une mesure de la qualité relative de l’approximation : si q 1 , l’approximation est alors bonne. 16 Figure 4 - Distances des indices entre eux en terme de tracking-error annualisée 17 Annexe 2 : Liste des valeurs Actions Françaises 18 Annexe 3 : rentabilités annuelles moyennes et tracking-error annualisée des fonds par rapport à l’univers et 3 indices de marché 19