cours de finance (m1)laurent.jeanpaul.free.fr/enseignement/cours%20m1%20...niveaux de cours...
TRANSCRIPT
Cours de Finance (M1)
Compléments (espérance de rentabilité, stationnarité et
cycle de vie des entreprises, corrélation parfaite)
1Chartered Financial Analyst (CFA) Institute
Plan
◼ Rentabilité◼ Définition du taux de rentabilité
◼ Rentabilité historique et espérée
◼ Rentabilité d’un portefeuille
◼ Risque◼ écart-type (volatilité) du taux de rentabilité
◼ Diversification des risques◼ Coefficient de corrélation linéaire
◼ Diversification du risque
◼ Compléments :
◼ Espérance de rentabilité
◼ Caractéristiques des sociétés et rentabilités boursières
◼ Exercice : actifs risqués parfaitement corrélés
2
Dossier complémentaire : probabilités et
finance
◼ Rappels l’espérance mathématique
◼ Jeu de dés :connaissance a priori des probabilités
◼ Rentabilité attendue
◼ Montrer par l’exemple que les rentabilités boursières
changent de nature en fonction du cycle de vie de
l’entreprise.
◼ Changement de nature de l’entreprise
◼ Non stationnarité des rentabilités boursières
◼ Exercice : corrélations parfaites
3
Finance et probabilités
Variable aléatoire
◼ Exemple du jeu de dés◼ 𝑋 : valeur qui apparaît après le lancer
◼ Il y a une valeur prise pour chaque « état de la nature »
◼ « état de la nature » : comment retombe le dé
◼ 𝑋 peut prendre 6 valeurs, 1,2,… , 6 correspondant à six
états possibles que l’on numérotera également de 1 à 6◼ 𝑋 𝑘 = 𝑘, 𝑘 = 1,… , 6
◼ Ici, identité entre la numérotation des états de la nature et les
valeurs prises par 𝑋
◼ 𝑋 : variable aléatoire
◼ 𝑋 est une fonction dont on ne connait pas les valeurs à
l’avance◼ Remarquons que la notion de variable aléatoire ne fait pas
apparaître de probabilité
4
Finance et lois probabilités
◼ Cas d’un dé non pipé
◼ Il y a six faces et les probabilités de tomber sur l’une
autre des faces sont égales
◼ Équiprobabilités
◼ Au bac, cette année on s’est amusé avec des tétraèdres
◼ On tombe toujours sur une face !
◼ La probabilité de tirer une valeur donnée est donc Τ1 6
◼ On notera 𝑝(1) = Τ1 6 , 𝑝(2) = Τ1 6 ,… , 𝑝(6) = Τ1 6 où
𝑝(1) est la probabilité de tirer 1
◼ Loi de probabilité : ensemble des valeurs que l’on peut
tirer 1,2,3,4,5,6 associé au probabilités d’obtenir ces
valeurs 𝑝(1) = Τ1 6 , 𝑝(2) = Τ1 6 ,… , 𝑝(6) = Τ1 6
5
Finance et probabilités
Espérance mathématique
◼ On rappelle que l’on a noté 𝑋 la variable aléatoire
représentant la valeur prise par le dé
◼ 𝑝(1) = Τ1 6 , 𝑝(2) = Τ1 6 ,… , 𝑝(6) = Τ1 6 sont les
probabilités associées aux différentes valeurs 1,2,… , 6
◼ On appelle espérance mathématique de la variable
aléatoire 𝑋
◼ La quantité Τ1 6 × 1 + Τ1 6 × 2 + Τ1 6 × 3 + Τ1 6 × 4 +Τ1 6 × 5 + Τ1 6 × 6
◼ Soit la moyenne des valeurs prises par 𝑋 pondérée par les
probabilités des valeurs prises par les probabilités des
valeurs prises par 𝑋
6
Finance et probabilités
Espérance mathématique (suite)
◼ De manière plus générale, on considère un ensemble d’« états de
la nature » numérotés 𝟏, 𝟐, … ,𝑲
◼ Ces états peuvent par exemple correspondre aux différents prix
d’actions ou aux différentes valeurs des rentabilités
◼ La valeur précise de 𝑲 n’a pas d’importance
◼ Soit une variable aléatoire 𝑿
◼ prend les valeurs )𝑿(𝟏), 𝑿(𝟐), … , 𝑿(𝑲 dans les états 𝟏, 𝟐, … ,𝑲
◼ On note )𝒑(𝟏), 𝒑(𝟐), … , 𝒑(𝑲 les probabilités des différents états
◼ 𝒑(𝟏) + 𝒑(𝟐) +⋯+ 𝒑(𝑲) = 𝟏
◼ 𝒑(𝟏) ≥ 𝟎, 𝒑(𝟐) ≥ 𝟎,… , 𝒑(𝑲) ≥ 𝟎
◼ On appelle espérance mathématique de la variable aléatoire 𝑋 et
on note 𝑬 𝑿 la quantité )𝒑(𝟏) × 𝑿(𝟏) +⋯+ 𝒑(𝑲) × 𝑿(𝑲
◼ Il s’agit de la moyenne des valeurs prises par 𝑋 pondérée par
les probabilités 𝑝7
Finance et probabilités
Espérance mathématique (suite)
◼ Linéarité de l’espérance mathématique
◼ Deux variables aléatoires X et Y et deux réels α et β
◼ On a alors : 𝑬 𝜶𝑿 + 𝜷𝒀 = 𝜶𝑬 𝑿 + 𝜷𝑬 𝒀
◼ Démonstration :
◼ Par définition
◼ 𝑬 𝜶𝑿 + 𝜷𝒀 = 𝒌=𝟏
𝑲𝒑(𝒌) × )𝜶𝑿(𝒌) + 𝜷𝒀(𝒌
◼ En développant le terme de droite, on obtient
◼ 𝒌=𝟏
𝑲)𝜶𝒑(𝒌)𝑿(𝒌) + 𝜷𝒑(𝒌)𝒀(𝒌
◼ En réarrangeant les termes, la somme précédente peut s’écrire
◼ 𝜶 𝒌=𝟏
𝑲)𝒑(𝒌)𝑿(𝒌 + 𝜷
𝒌=𝟏
𝑲)𝒑(𝒌)𝒀(𝒌
◼ Le terme de droite est égal à 𝜶𝑬 𝑿 + 𝜷𝑬 𝒀◼ Ce que l’on voulait démontrer
8
Espérance du taux de rentabilité
◼ On parle souvent de « rentabilité espérée »
◼ On rappelle que l’on a défini le taux de rentabilité d’une
action entre les dates 𝒕𝟎 et 𝒕𝟏 comme
◼ 𝑹 =𝑷𝟏+𝑫𝟏−𝑷𝟎
𝑷𝟎, 𝑷𝟎, 𝑷𝟏 prix en 𝒕𝟎 et 𝒕𝟏
◼ Ce taux de rentabilité est connu à la date 𝒕𝟏◼ Au moment de la revente
◼ Mais pas au moment de la date d’achat 𝒕𝟎◼ Car les cours boursiers futurs ne sont pas prévisibles
◼ Sauf pour l’investisseur omniscient (vous saurez vous reconnaître)
◼ On va donc considérer que (vu de la date 𝑡0), le taux de
rentabilité est une variable aléatoire et on va s’intéresser
au calcul de son espérance 𝑬 𝑹9
La théorie du portefeuille : compléments
mathématiques
◼ Il peut à nouveau être utile de faire quelques rappels de
probabilités
◼ Définition de la covariance entre 𝑅1 et 𝑅2◼ Cov 𝑹𝟏, 𝑹𝟐 = 𝑬 𝑹𝟏 − 𝑬 𝑹𝟏 × 𝑹𝟐 − 𝑬 𝑹𝟐◼ Dans le livre, Cov 𝑹𝟏, 𝑹𝟐 est notée 𝑪𝟏,𝟐
◼ Définition équivalente :
◼ Cov 𝑹𝟏, 𝑹𝟐 = 𝑬 𝑹𝟏 × 𝑹𝟐 − 𝑬 𝑹𝟏 × 𝑬 𝑹𝟐◼ Cette équivalence peut être démontrée à titre d’exercice et
résulte de la linéarité de l’espérance
◼ Remarques :
◼ Cov 𝑹𝟏, 𝑹𝟏 = 𝐸 𝑅1 − 𝐸 𝑅12 = 𝐕𝐚𝐫 𝑹𝟏
◼ Cov 𝑹𝟏, 𝑹𝟐 = Cov 𝑹𝟐, 𝑹𝟏 (symétrie)10
La théorie du portefeuille : compléments
mathématiques
◼ Vérifiez à titre d’exercice que :
◼ Var 𝑹𝟏 + 𝑹𝟐 = Var 𝑹𝟏 + 𝟐Cov 𝑹𝟏, 𝑹𝟐 + Var 𝑹𝟐
◼ En utilisant la définition de la covariance et la linéarité de
l’espérance
◼ Var 𝑅1 + 𝑅2 = 𝐸 𝑅1 + 𝑅22 − 𝐸 𝑅1 + 𝑅2
2
◼ 𝑅1 + 𝑅22 = 𝑅1
2 + 2𝑅1𝑅2 + 𝑅22
◼ 𝐸 𝑅1 + 𝑅22 = 𝐸 𝑅1
2 + 2𝐸 𝑅1𝑅2 + 𝐸 𝑅22
◼ 𝐸 𝑅1 + 𝑅2 = 𝐸 𝑅1 + 𝐸 𝑅2
◼ 𝐸 𝑅1 + 𝐸 𝑅22 = 𝐸 𝑅1
2 + 2𝐸 𝑅1 × 𝐸 𝑅2 + 𝐸 𝑅22
◼ En soustrayant les termes en vert à ceux en bleu
◼ 𝐸 𝑅12 − 𝐸 𝑅1
2 + 2 𝐸 𝑅1𝑅2 − 𝐸 𝑅1 𝐸 𝑅2 + 𝐸 𝑅22 −
𝐸 𝑅22
◼ =Var 𝑅 + 2Cov 𝑅 𝑅 + Var 𝑅11
La théorie du portefeuille : compléments
mathématiques
◼ Covariance entre une variable aléatoire 𝑋 et une (variable
aléatoire) constante 𝑎
◼ Cov 𝑿, 𝒂 = 𝑬 𝑿𝒂 − 𝑬 𝑿 𝑬 𝒂
◼ En utilisant la linéarité de la variance 𝑬 𝑿𝒂 = 𝒂𝑬 𝑿
◼ Nous avons déjà vu que si 𝑎 est une constante 𝐄 𝐚 = 𝐚
◼ On obtient donc : Cov 𝑿, 𝒂 = 𝟎
◼ Nous avons vu que, par définition, la rentabilité d’un
placement sans risque 𝑹𝑭 est constante
◼ Pour toute rentabilité (aléatoire) 𝑹 d’une action ou d’un
portefeuille, on a donc Cov 𝑹,𝑹𝑭 = 𝟎
12
La théorie du portefeuille : compléments
mathématiques
◼ (Bi)linéarité de la covariance
◼ Si 𝜶,𝜷 sont deux scalaires, 𝑹𝟑 une rentabilité aléatoire :
◼ Cov 𝑹𝟏, 𝜶𝑹𝟐 + 𝜷𝑹𝟑 = 𝜶 × Cov 𝑹𝟏, 𝑹𝟐 + 𝜷 × Cov 𝑹𝟏, 𝑹𝟑◼ Démonstration pénible à écrire, sans difficulté, à lire tranquillement
◼ D’après la définition de la covariance :
◼ Cov 𝑅1, 𝛼𝑅2 + 𝛽𝑅3 = 𝐸 𝑅1 𝛼𝑅2 + 𝛽𝑅3 − 𝐸 𝑅1 × 𝐸 𝛼𝑅2 + 𝛽𝑅3◼ En utilisant la linéarité de l’espérance :
◼ 𝐸 𝑅1 𝛼𝑅2 + 𝛽𝑅3 = 𝛼𝐸 𝑅1𝑅2 + 𝛽𝐸 𝑅1𝑅3◼ 𝐸 𝑅1 𝐸 𝛼𝑅2 + 𝛽𝑅3 = 𝐸 𝑅1 𝛼𝐸 𝑅2 + 𝛽𝐸 𝑅3 = 𝛼𝐸 𝑅1 𝐸 𝑅2 +𝛽𝐸 𝑅1 𝐸 𝑅3
◼ En reportant les expressions en couleur et en factorisant par 𝛼 et 𝛽
◼ Cov 𝑅1, 𝛼𝑅2 + 𝛽𝑅3 = 𝛼 𝐸 𝑅1𝑅2 − 𝐸 𝑅1 𝐸 𝑅2 + 𝛽()
𝐸 𝑅1𝑅3 −𝐸 𝑅1 𝐸 𝑅3
◼ Cov 𝑅1, 𝛼𝑅2 + 𝛽𝑅3 = 𝛼Cov 𝑅1, 𝑅2 + 𝛽Cov 𝑅1, 𝑅313
La théorie du portefeuille : compléments
mathématiques◼ Application à la gestion de portefeuille (suite)
◼ 𝑿𝟏, 𝑿𝟐 fractions de la richesse investie dans les titres 1 et 2
◼ D’après les propriétés de la variance :
◼ D’où le résultat en utilisant : 𝑿𝟐 = 𝟏 − 𝑿𝟏, 𝝆𝟏𝟐 =𝐂𝐨𝐯 𝑹𝟏,𝑹𝟐
𝝈𝟏×𝝈𝟐
◼ On peut calculer la variance de la rentabilité des portefeuilles
constitués du titre 1 et du titre 2 en fonction de 𝑿𝟏14
1 1 2 2PR X R X R= +
1 2 2 11 1 XX XX+ = = −
( ) ( )22 2 2
1 1 12 1 1 1 2 1 2Var 2 1 1
PR X X X X = + − + −
( )
( )
1 1 2 2
1 1 1 1 2 2 2 2
2 2
1 1 1 2 1 2 2 2
Var Var
Var 2Cov , Var
Var 2 Cov , Var
PR X R X R
X R X R X R X R
X R X X R R X R
= +
= + +
= + +
Dossier complémentaire : probabilités et
finance
◼ Rappels l’espérance mathématique
◼ Jeu de dés :connaissance a priori des probabilités
◼ Rentabilité attendue
◼ Montrer par l’exemple que les rentabilités boursières
changent de nature en fonction du cycle de vie de
l’entreprise.
◼ Changement de nature de l’entreprise
◼ Non stationnarité des rentabilités boursières
◼ Exercice : corrélations parfaites
15
16
Une approche financière de la
non stationnarité
◼ Vie et mort d’une action…◼ Naissance : petite entreprise deviendra
grande◼ Apport personnel du créateur
◼ Emprunts bancaires
◼ “Business angels”, capital-développement,
fonds d’amorçage, de capital risque,
pépinières d’entreprises
◼ Les apporteurs de capitaux externes apportent
également une aide en matière de gestion
financière
◼ L’entreprise n’est pas en général pas cotée en
Bourse
◼ Puis introduction en Bourse◼ Vente d’actions à des actionnaires extérieurs
◼ Marché primaire : « marché du neuf »◼ De nouvelles actions sont créées et vendues
aux investisseurs
◼ IPO : « Initial Public Offering »
17
Une approche financière de
la non stationnarité
◼ Vie et mort d’une action…
◼ Augmentation de capital
◼ Une entreprise peut vendre de nouvelles actions…
◼ L’argent récupéré lors de la mise en vente des actions est utilisé pour financer des investissements
◼ Mécanisme le plus courant
◼ prix de vente fixé
◼ pendant une certaine période
◼ De l’ordre d’un mois
◼ Les acheteurs potentiels déposent des offres de souscription
Michelin
18
Une approche financière
de la non stationnarité
◼ Introduction en Bourse,
augmentation de capital◼ Risques pour l’entreprise
◼ Ne pas vendre suffisamment
d’actions
◼ Vendre des actions à un prix trop
bas
◼ Placement garanti◼ Un « syndicat de banques » achète
les actions à un cours garanti
◼ Il revend les actions au « marché »◼ Investisseurs institutionnels,
particuliers
◼ Le risque de baisse des cours ou de
« colle » est supporté par les
intermédiaires financiers.
19
Une approche financière
de la non stationnarité
◼ Les actions d’une entreprise peuvent ne plus être cotées en Bourse◼ Ne peuvent plus être achetées ou
vendues sur un marché organisé
◼ « private equity »◼ L’entreprise peut être rachetée par un
groupe d’investisseurs intervenant de manière active dans la gestion
◼ Moins d’obligations de communication financière
◼ Plus de facilité pour que les propriétaires puissent réorganiser l’entreprise
◼ L’entreprise peut ultérieurement être réintroduite en Bourse
◼ Pendant la période intermédiaire, on ne dispose pas de cours boursiers et donc de rentabilités boursières Les fonds spécialisés dans cette activité n’ont
pas toujours bonne presse
20
Une approche financière de
la non stationnarité
◼ Au cours de sa vie, les actifs de l’entreprise peuvent changer de nature◼ Cessions ou rachat d’actifs
◼ IBM a successivement fabriqué des imprimantes, des grands ordinateurs, des PC
◼ Aujourd’hui fait du conseil dans le domaine des services informatiques
◼ Les caractéristiques des rentabilités peuvent changer
La variabilité des rentabilités de l’action IBM fluctue au cours du temps Bulle internet
Une approche financière de
la non stationnarité
◼ La durée de vie est indéterminée
◼ Mais l’entreprise est mortelle◼ Faillite et liquidation des
actifs◼ L’action de la banque
Washington Mutual avait des niveaux de cours boursiers très stables de 2004 à mi 2007
◼ Avant de s’effondrer au moment de la crise financière
◼ Rachat par une autre entreprise
◼ Suite à une “offre publique d’achat” en Bourse (OPA, OPE)
◼ Ou Spin-off◼ Vivendi
21
Effondrement du cours de l’action Washington Mutual
Crise financière aux États-Unis
22
Une approche financière
de la non stationnarité
◼ On dispose pour les actifs cotés en Bourse
d’historiques de cours boursiers
◼ Ces cours boursiers ont souvent un
caractère « aléatoire »
◼ D’où l’utilisation d’indicateurs
statistiques et de modèles probabilistes
pour mieux appréhender les données
passées et futures◼ Espérance du taux de rentabilité
◼ Écart-type du taux de rentabilité
◼ On vient de voir que l’analyse financière
montre que les caractéristiques des
sociétés changent au cours du temps◼ Non stationnarité des taux de rentabilité
◼ Peut-on utiliser des données historiques à
des fins prospectives ?◼ Quand on investit, on s’intéresse à sa
richesse future
Cours action NYSE EuronextGraphique chandeliers
Dossier complémentaire : probabilités et
finance
◼ Rappels l’espérance mathématique
◼ Jeu de dés :connaissance a priori des probabilités
◼ Rentabilité attendue
◼ Montrer par l’exemple que les rentabilités boursières
changent de nature en fonction du cycle de vie de
l’entreprise.
◼ Changement de nature de l’entreprise
◼ Non stationnarité des rentabilités boursières
◼ Exercice : corrélations parfaites
23
Exercice 𝝆𝟏𝟐 = 𝟏
24
◼ Cas où 𝝆𝟏𝟐 = 𝟏
◼ Cas particulier où le coefficient de corrélation
linéaire entre les deux rentabilités 𝑅1, 𝑅2 est égal à 1
◼ On rappelle que : 𝝆𝟏𝟐=𝐂𝐨𝐯 𝑹𝟏,𝑹𝟐
𝝈𝟏×𝝈𝟐, −𝟏 ≤ 𝝆𝟏𝟐 ≤ 𝟏
◼ 𝝆𝟏𝟐 = 𝟏 correspond à la situation où la liaison
statistique entre les deux rentabilités est la plus forte
◼ Si 𝑹𝟐 = 𝑹𝟏, alors 𝝆𝟏𝟐 =𝐂𝐨𝐯 𝑹𝟏,𝑹𝟐
𝝈𝟏×𝝈𝟐= 𝟏
◼ En effet, le numérateur est 𝐂𝐨𝐯 𝑹𝟏, 𝑹𝟐 = 𝐕𝐚𝐫 𝑹𝟏◼ Le dénominateur est 𝝈𝟏 × 𝝈𝟏 = 𝐕𝐚𝐫 𝑹𝟏
◼ 𝝆𝟏𝟐 = 𝟏 Pourquoi s’intéresser à ce cas particulier ?
◼ On considèrera en outre que 𝟎 ≤ 𝑿𝟏 ≤ 𝟏, 𝟎 ≤ 𝑿𝟐 ≤ 𝟏◼ 𝑿𝟏, 𝑿𝟐 Quantités investies dans les deux titres positives
◼ Les calculs d’écart-type des portefeuilles sont plus simples
que dans le cas général
◼ Écart-type fonction affine de la composition du portefeuille
◼ Représentation simple des portefeuilles dans le plan écart-type –
espérance des rentabilités
◼ Il s’agit d’un segment de droite
◼ Comparaisons utiles avec le cas général 𝝆𝟏𝟐 ≤ 𝟏◼ Concavité de la frontière efficiente
◼ Facilite l’analyse de la Capital Market Line (CML)
◼ Les portefeuilles sur la CML sont parfaitement corrélés
◼ Permet une introduction à la notion d’arbitrage25
Exercice 𝝆𝟏𝟐 = 𝟏,
𝟎 ≤ 𝑿𝟐 ≤ 𝟏, 𝟎 ≤ 𝑿𝟐 ≤ 𝟏
Exercice
𝝆𝟏𝟐 = 𝟏
◼ Le cas 𝝆𝟏𝟐 = 𝟏 correspond à une situation extrême de liaison
parfaite entre les rentabilités 𝑹𝟏 et 𝑹𝟐◼ On peut démontrer que 𝝆𝟏𝟐 = 𝟏
◼ Si et seulement si 𝑹𝟐 = 𝜶 × 𝑹𝟏 + 𝜷 avec 𝜶,𝜷 ∈ ℝ,𝜶 > 𝟎Relation affine entre les deux rentabilités
◼ Pas de terme de bruit comme dans une régression linéaire
◼ Pas de « diversification du risque »
◼ Représentation simple des portefeuilles dans le plan écart-type –
espérance des rentabilités
◼ S’il existe un actif sans risque, on peut en outre montrer que le
titre 2 est un portefeuille composé du titre 1 et de l’actif sans
risque (et vice versa)
◼ En l’absence d’« opportunité d’arbitrage » (voir la suite des transparents)
26
Exercice
𝝆𝟏𝟐 = 𝟏
◼ Évaluation de l ’écart-type du portefeuille quand 𝝆𝟏𝟐 = 𝟏
◼ On part de la formule générale
◼ 𝜎𝑃2 𝑋1 = 𝑋1
2𝜎12 + 2𝜌12𝑋1 1 − 𝑋1 𝜎1𝜎2 + 1 − 𝑋1
2𝜎22
◼ Qui devient
◼ 𝜎𝑃2 𝑋1 = 𝑋1
2𝜎12 + 2𝑋1𝜎1 1 − 𝑋1 𝜎2 + 1 − 𝑋1
2𝜎22
◼ = 𝑋1𝜎1 + 1 − 𝑋1 𝜎22 (« carré parfait »)
◼ 𝝈𝑷 𝑿𝟏 = 𝑿𝟏𝝈𝟏 + 𝟏 − 𝑿𝟏 𝝈𝟐◼ |𝑎|: valeur absolue de 𝑎 ∈ ℝ
◼ |𝑎| = 𝑎, si 𝑎 ≥ 0, 𝑎 = −𝑎 si 𝑎 < 0
◼ 𝝆𝟏𝟐 = 𝟏, 𝟎 ≤ 𝑿𝟏 ≤ 𝟏 ⇒ 𝑋1𝜎1 + 1 − 𝑋1 𝜎2 ≥ 0
◼ ⇒ 𝝈𝑷 = 𝑿𝟏𝝈𝟏 + 𝟏 − 𝑿𝟏 𝝈𝟐27
Exercice
𝝆𝟏𝟐 = 𝟏
28
( )1 1 1 21
pE X E R X E R= + −
( )1 1 1 21
PX X = + −
10 1X
Le segment de droite reliant les points A et B représente l’ensemble des
portefeuilles combinant les titres 1 et 2 pour un niveau de corrélation égal à 1
Espérance de rentabilité
Écart-type de la rentabilité
proportion de la richesse investie dans
le titre 1
2 2E E R
1 1E E R
1et 0 1X
Segment de droite
Exercice
𝝆𝟏𝟐 = 𝟏
◼ Corrélation 𝝆𝟏𝟐 = 𝟏
◼ Segment de droite ?
29
( )1 1 1 21
pE X E R X E R= + −
( )1 1 1 21
PX X = + −
Le segment de droite reliant les points A et B représente l’ensemble des
portefeuilles combinant les titres 1 et 2, en quantités positives, pour un niveau de
corrélation égal à 1
Espérance de rentabilité
Écart-type de la rentabilité
11X =
10X =
( )2 1 1 2pE E X E E− = −
2 2E E R
( )2 1 1 2P X − = −
( ) 1 2
2 2
1 2
p P
E EEE
−− = −
−
Relation affine entre espérance de rentabilité et écart-type des rentabilités
10 1X
1 1E E R
Exercice
◼ Le cas 𝝆𝟏𝟐 = 𝟏 correspond à une situation extrême de liaison
parfaite entre les rentabilités 𝑹𝟏 et 𝑹𝟐◼ Cas général −𝟏 ≤ 𝝆𝟏𝟐≤ 𝟏
◼ Variance et espérance de rentabilité pour 𝑿𝟏 donné
◼ 𝝈𝑷𝟐 𝑿𝟏 variance de la rentabilité du portefeuille
◼ 𝝈𝑷𝟐 𝑿𝟏 = 𝑿𝟏
𝟐𝝈𝟏𝟐 + 𝟐𝝆𝟏𝟐𝑿𝟏 𝟏 − 𝑿𝟏 𝝈𝟏𝝈𝟐 + 𝟏 − 𝑿𝟏
𝟐𝝈𝟐𝟐
◼ Fonction affine du coefficient de corrélation 𝝆𝟏𝟐◼ la variance de taux de rentabilité du portefeuille est d’autant plus
faible que le coefficient de corrélation est faible
◼ 𝑬𝑷 𝑿𝟏 = 𝑿𝟏𝑬𝟏 + 𝟏 − 𝑿𝟏 𝑬𝟐◼ 𝑬𝑷 𝑿𝟏 espérance de rentabilité du portefeuille
◼ L’espérance de rentabilité ne dépend pas du coefficient de
corrélation 𝝆𝟏𝟐30