# Comment comparer deux investissements présentant des niveaux de risque différents ?
L’univers de l’investissement offre une multitude d’opportunités, chacune présentant des caractéristiques uniques en termes de rendement potentiel et de risque associé. Face à cette diversité, comment pouvez-vous comparer objectivement deux placements aux profils radicalement différents ? Cette question, au cœur de toute décision financière éclairée, nécessite une approche méthodologique rigoureuse et l’utilisation d’outils analytiques appropriés. Les investisseurs, qu’ils soient institutionnels ou particuliers, doivent maîtriser des techniques d’évaluation qui vont bien au-delà de la simple comparaison des rendements historiques. La finance moderne propose des méthodes quantitatives sophistiquées permettant d’ajuster les performances observées en fonction des risques encourus. Ces approches vous permettent de prendre des décisions plus rationnelles et alignées avec vos objectifs patrimoniaux.
Le ratio de sharpe comme indicateur de performance ajustée au risque
Le ratio de Sharpe constitue l’un des outils les plus répandus pour comparer des investissements présentant des niveaux de risque distincts. Développé par William Sharpe en 1966, cet indicateur mesure le rendement excédentaire obtenu par unité de risque pris. Son principe fondamental repose sur une idée simple : un investissement ne devrait être valorisé que pour le rendement qu’il génère au-delà du taux sans risque, rapporté à sa volatilité. Cette approche vous permet d’évaluer si le surplus de rendement compense réellement le risque supplémentaire encouru.
La popularité du ratio de Sharpe s’explique par sa capacité à standardiser la performance de placements hétérogènes. Que vous compariez des actions technologiques volatiles à des obligations d’État stables, ou des SCPI immobilières à des crypto-actifs, ce ratio fournit une base commune d’évaluation. Selon une étude de Morningstar publiée en 2023, près de 78% des gestionnaires de fonds utilisent régulièrement le ratio de Sharpe comme métrique principale de suivi de performance. Cette adoption massive témoigne de son utilité pratique dans le processus décisionnel.
Calcul du ratio de sharpe : formule et méthodologie d’application
Le calcul du ratio de Sharpe suit une formule mathématique précise : (Rendement du portefeuille - Taux sans risque) / Écart-type du portefeuille. Le numérateur représente la prime de risque obtenue, tandis que le dénominateur mesure la volatilité totale de l’investissement. Pour appliquer cette formule correctement, vous devez d’abord identifier un taux de référence sans risque approprié, généralement les obligations d’État à court terme comme les bons du Trésor. En zone euro, le taux allemand à 10 ans sert souvent de référence, oscillant autour de 2,5% en 2024.
L’écart-type, qui constitue le dénominateur, se calcule à partir des variations historiques du rendement. Plus cet écart-type est élevé, plus l’investissement présente des fluctuations importantes. Un placement avec un rendement annuel moyen de 8% et un écart-type de 15% obtiendra un ratio de Sharpe de (8% - 2,5%) / 15% = 0,37 en utilisant le taux sans risque de 2,5%. Cette valeur vous indique que pour chaque unité de risque pris, l’investissement génère 0,37 point de rendement excédentaire.
Interprétation des valeurs du ratio de sharpe pour
Interpréter correctement le ratio de Sharpe suppose de le replacer dans le contexte de la classe d’actifs. Un ratio de 0,3 peut être jugé faible pour un fonds actions mondiales, mais tout à fait acceptable pour un fonds monétaire ou obligataire de court terme. De manière indicative, on considère souvent qu’un ratio de Sharpe inférieur à 0,2 traduit une rémunération du risque limitée, entre 0,2 et 0,5 une efficacité correcte, entre 0,5 et 1 une bonne performance ajustée du risque, et au-delà de 1 une excellente maîtrise du couple rendement/risque. Toutefois, ces seuils doivent être relativisés en fonction de l’environnement de taux et de volatilité.
Pour comparer une stratégie actions à un portefeuille obligataire, vous devez donc utiliser des séries de rendement cohérentes (même fréquence, même période) et un même taux sans risque. Sur 10 ans, un fonds actions avec un rendement annuel moyen de 7% et un écart-type de 18% affichant un Sharpe de 0,3 peut paraître moins « efficace » qu’un fonds obligataire à 3,5% de rendement et 5% de volatilité avec un Sharpe de 0,4. Pourtant, dans une optique de long terme et de protection contre l’inflation, le premier restera souvent plus pertinent. Le ratio de Sharpe vous aide donc à hiérarchiser les placements, mais il ne remplace ni l’analyse de l’horizon d’investissement ni celle de vos objectifs patrimoniaux.
Limites du ratio de sharpe face aux distributions non-normales
Le ratio de Sharpe repose implicitement sur l’hypothèse que les rendements suivent une distribution normale, symétrique, où les événements extrêmes sont rares. Or, de nombreux investissements financiers – produits structurés, hedge funds, stratégies optionnelles, cryptomonnaies – présentent des distributions « non normales » : asymétrie marquée (skewness) et occurrences fréquentes de pertes extrêmes (kurtosis élevée). Dans ce contexte, deux placements peuvent afficher le même Sharpe tout en ayant des profils de risque très différents : l’un avec de petites pertes fréquentes, l’autre avec de rares mais très fortes pertes.
Concrètement, un produit offrant des rendements mensuels très réguliers de +0,8%, assortis de temps en temps d’une chute de -20%, peut afficher un ratio de Sharpe attractif sur la période observée… jusqu’au prochain choc. Le risque de « queue » – ces événements extrêmes – est alors sous-estimé. C’est particulièrement vrai pour les stratégies qui vendent de la volatilité (par exemple via des options) ou pour des placements très illiquides, où les prix sont lissés et la volatilité apparente artificiellement réduite. En d’autres termes, le Sharpe est un excellent point de départ, mais un indicateur incomplet si vous ne regardez pas la forme de la distribution des rendements.
Pour limiter ce biais, il est utile de compléter l’analyse par d’autres mesures de risque : drawdown maximum, fréquence des pertes mensuelles, Value at Risk (VaR) ou Conditional Value at Risk (CVaR). Observer visuellement l’histogramme des rendements sur plusieurs années aide également à détecter les distributions asymétriques. Si vous comparez deux investissements présentant des niveaux de risque extrêmes (par exemple un ETF actions et un produit structuré à capital conditionnellement protégé), vous avez tout intérêt à dépasser le seul ratio de Sharpe et à examiner la façon dont se concentrent les pertes.
Comparaison ratio de sharpe et ratio de sortino pour les investissements asymétriques
Le ratio de Sortino constitue une alternative intéressante au ratio de Sharpe pour les investissements dont les rendements sont asymétriques. Sa philosophie est simple : pourquoi pénaliser un placement pour sa volatilité « positive » ? Là où le Sharpe utilise l’écart-type total comme mesure du risque, le Sortino ne retient que la volatilité à la baisse, c’est-à-dire les rendements inférieurs à un seuil de référence (souvent le taux sans risque ou un objectif minimal de rendement). Formellement, il se calcule comme (Rendement du portefeuille - Rendement cible) / Déviation standard des rendements négatifs.
Dans la pratique, le ratio de Sortino est particulièrement pertinent pour comparer des fonds flexibles, des produits structurés à capital protégé ou des stratégies d’options dont l’objectif est explicitement de limiter les pertes. Un fonds actions défensif peut présenter un ratio de Sharpe modeste, du fait d’une volatilité globale non négligeable, mais un ratio de Sortino élevé s’il parvient à réduire fortement l’ampleur des baisses. Inversement, une stratégie spéculative sur les crypto-actifs pourra afficher un Sharpe acceptable sur une phase haussière, tout en révélant un Sortino très faible, signe de pertes importantes lors des corrections.
Pour comparer deux investissements présentant des niveaux de risque différents, il peut être utile de les passer au double filtre Sharpe/Sortino. Le Sharpe vous renseigne sur l’efficacité globale du couple rendement/volatilité, tandis que le Sortino souligne la qualité de la protection à la baisse. Si un placement combine Sharpe et Sortino élevés sur une longue période, il mérite une attention particulière. Si au contraire le Sharpe est correct mais le Sortino faible, vous savez que la performance a été obtenue au prix de pertes significatives lors des phases défavorables.
Analyse du couple rendement-volatilité par la méthode de markowitz
Au-delà de la comparaison isolée de deux placements, la « bonne » façon de gérer le risque consiste souvent à raisonner en termes de portefeuille. C’est précisément l’apport de la méthode de Markowitz, fondement de la théorie moderne du portefeuille. Plutôt que d’opposer frontalement actions, obligations, SCPI ou ETF sectoriels, vous allez analyser comment leur combinaison modifie le couple rendement/volatilité global. Deux actifs risqués pris séparément peuvent, ensemble, produire un portefeuille moins risqué, si leurs variations ne sont pas parfaitement corrélées.
Dans cette perspective, comparer deux investissements présentant des niveaux de risque différents revient à se demander : lequel améliore le plus la frontière efficiente de votre patrimoine ? En d’autres termes, lequel, une fois ajouté au portefeuille existant, permet d’augmenter le rendement espéré pour un niveau de risque donné, ou de réduire la volatilité pour un rendement cible ? C’est là que la construction de la frontière efficiente devient un outil puissant d’arbitrage.
Construction de la frontière efficiente pour optimiser l’allocation d’actifs
La frontière efficiente regroupe l’ensemble des portefeuilles qui, pour un niveau de risque donné (mesuré par la volatilité), offrent le rendement espéré le plus élevé. Pour la construire, vous partez de séries historiques de rendement pour chaque classe d’actifs (par exemple actions mondiales, obligations d’État, immobilier coté, liquidités). Vous estimez ensuite leurs rendements moyens, leurs volatilités et leurs corrélations. À partir de ces données, vous générez toutes les combinaisons possibles de pondérations et calculez, pour chacune, le rendement et l’écart-type du portefeuille.
Graphiquement, ces portefeuilles forment un nuage de points dans un plan « risque/rendement ». La frontière efficiente correspond à l’enveloppe supérieure de ce nuage : tous les portefeuilles situés en dessous sont dominés, car un autre portefeuille propose soit plus de rendement pour le même risque, soit moins de risque pour le même rendement. Lorsque vous hésitez entre un investissement obligataire à faible risque et un ETF actions émergentes très volatil, la question pertinente devient donc : quelle combinaison de ces deux briques (et des autres actifs de votre patrimoine) se place le plus favorablement sur cette frontière ?
Avec les outils modernes (logiciels de gestion de portefeuille, tableurs avancés, robo-advisors), cette construction de la frontière efficiente se démocratise. Vous pouvez, par exemple, simuler l’effet d’une augmentation de 10% de votre exposition aux actions internationales ou de l’introduction de 5% de crypto-actifs sur le risque global. Dans une logique de comparaison d’investissements, l’actif qui déplace le plus la frontière vers le haut ou vers la gauche (plus de rendement, moins de volatilité) sera souvent le plus intéressant à intégrer, toutes choses égales par ailleurs.
Calcul de l’écart-type et de la covariance entre classes d’actifs
La pierre angulaire de la méthode de Markowitz réside dans le calcul de l’écart-type et de la covariance entre les classes d’actifs. L’écart-type mesure la dispersion des rendements autour de leur moyenne, tandis que la covariance traduit la façon dont deux actifs évoluent conjointement. Une covariance positive signifie qu’ils ont tendance à monter et à baisser ensemble ; une covariance négative indique qu’ils se déplacent dans des sens opposés, ce qui est particulièrement précieux pour diversifier le risque.
Pour deux actifs A et B, la variance du portefeuille s’écrit : σ²p = wA²σA² + wB²σB² + 2wAwBcov(A,B), où wA et wB sont les pondérations, σA et σB les écarts-types, et cov(A,B) la covariance. Généralement, on préfère utiliser le coefficient de corrélation ρ(A,B), défini comme cov(A,B) / (σAσB), qui prend des valeurs entre -1 et +1. Deux actifs faiblement corrélés (par exemple des obligations d’État et des actions cycliques) contribuent à réduire la volatilité globale du portefeuille, même si chacun est risqué pris séparément.
Dans la comparaison de deux investissements présentant des niveaux de risque différents, il est donc insuffisant de regarder uniquement leurs écarts-types individuels. Un actif très volatil, mais faiblement corrélé au reste du portefeuille, peut en réalité améliorer le profil de risque global. À l’inverse, ajouter un placement « prudent » mais fortement corrélé à vos autres positions peut n’apporter que peu de diversification réelle. Comprendre la covariance, c’est un peu comme analyser comment deux instruments d’orchestre s’accordent : ce n’est pas seulement leur puissance sonore qui compte, mais la façon dont leurs notes se combinent.
Détermination du portefeuille tangent selon la théorie moderne du portefeuille
Une fois la frontière efficiente construite, la théorie moderne du portefeuille introduit le concept de portefeuille tangent. Il s’agit du portefeuille situé au point de tangence entre la frontière efficiente et une droite issue du taux sans risque, appelée « droite de marché du capital ». Ce portefeuille maximise le ratio de Sharpe : il offre le meilleur rendement excédentaire par unité de risque. En pratique, c’est le portefeuille « cœur » optimal pour un investisseur pouvant emprunter ou prêter au taux sans risque.
Pour déterminer ce portefeuille tangent, vous résolvez un problème d’optimisation : maximiser (E[Rp] - Rf) / σp, sous la contrainte que la somme des pondérations des actifs risqués égale 1. Les solutions numériques (solveurs d’Excel, logiciels de gestion d’actifs) calculent directement ces pondérations optimales. Dans la vie réelle, cela signifie que, pour comparer deux investissements, vous regardez lequel améliore le plus ce portefeuille tangent. Celui qui permet d’augmenter encore le ratio de Sharpe global mérite souvent d’être privilégié.
Bien sûr, cette approche suppose que vous acceptiez les hypothèses sous-jacentes (rationalité des investisseurs, marchés efficients, absence de coûts de transaction). Mais même si ces conditions sont imparfaitement réunies, la notion de portefeuille tangent reste utile comme boussole : elle vous rappelle que la comparaison de deux placements ne se fait jamais dans le vide, mais toujours dans la perspective de leur contribution à un ensemble cohérent.
Valorisation ajustée au risque par le MEDAF et le coût du capital
Lorsque vous évaluez un investissement individuel – action, projet immobilier, entreprise non cotée – la question centrale devient : quel rendement minimal exiger pour être rémunéré du risque pris ? Le Modèle d’Évaluation des Actifs Financiers (MEDAF, ou CAPM en anglais) propose un cadre simple pour répondre à cette question. En liant le rendement espéré d’un actif à son risque systématique, il fournit un taux de rendement requis qui sert de référence pour calculer une VAN, un TRI ou comparer plusieurs projets.
Dans une perspective de comparaison de deux investissements présentant des niveaux de risque différents, le MEDAF vous aide à éviter un écueil classique : appliquer le même taux d’actualisation à tous les projets. Un actif très sensible aux fluctuations de marché doit offrir une prime de risque plus élevée qu’un placement défensif. Sinon, vous risquez de surestimer la valeur des projets risqués ou, au contraire, de sous-investir dans des projets créateurs de valeur mais volatils.
Application du CAPM pour déterminer le taux de rendement requis
Le CAPM exprime le rendement espéré d’un actif comme la somme du taux sans risque et d’une prime de risque proportionnelle à son bêta : E[Ri] = Rf + βi (E[Rm] - Rf). Rf représente le taux sans risque (obligations d’État), E[Rm] le rendement espéré du marché (par exemple un indice actions large), et βi le coefficient mesurant la sensibilité de l’actif aux mouvements du marché. Le terme (E[Rm] - Rf) correspond à la prime de risque de marché.
Supposons un taux sans risque de 2,5% et une prime de marché de 5%. Une action avec un bêta de 1,2 aura un taux de rendement requis de 2,5% + 1,2 × 5% = 8,5%. Une autre avec un bêta de 0,7 n’aura besoin que de 2,5% + 0,7 × 5% = 6%. Si vous comparez un projet d’investissement dans la première entreprise offrant une VAN calculée avec un taux de 8,5% et un projet dans la seconde actualisé à 6%, vous pouvez réellement arbitrer entre deux niveaux de risque différents. Le CAPM devient ainsi un pont entre risque mesuré et exigence de rendement.
Estimation du bêta comme mesure du risque systématique
Le bêta mesure la part du risque d’un actif qui ne peut pas être diversifiée, c’est-à-dire son risque systématique lié aux mouvements globaux du marché. Techniquement, il s’obtient en régressant les rendements de l’actif sur ceux de l’indice de marché choisi : la pente de la droite de régression correspond au bêta. Un bêta de 1 signifie que l’actif suit en moyenne les variations du marché ; un bêta supérieur à 1 indique une plus grande sensibilité, et un bêta inférieur à 1 une moindre sensibilité.
Pour comparer deux placements – par exemple une action de croissance dans la technologie et une valeur défensive dans l’alimentation – l’estimation du bêta vous aide à comprendre quelle part de leur risque est liée au cycle économique global. Une action tech avec un bêta de 1,5 sera fortement exposée aux phases de boom et de krach, tandis qu’un distributeur alimentaire avec un bêta de 0,6 verra ses variations largement amorties. Si votre portefeuille est déjà très cyclique, vous préférerez peut-être, toutes choses égales par ailleurs, l’investissement au bêta plus faible, même à rendement espéré légèrement inférieur.
Calcul de la prime de risque de marché selon l’horizon d’investissement
La prime de risque de marché – différence entre le rendement attendu des actions et le taux sans risque – n’est pas une constante universelle. Elle dépend de la période historique retenue, du pays, de la méthode de calcul (moyenne arithmétique ou géométrique) et de l’horizon d’investissement. Sur longue période, de nombreuses études (Dimson, Marsh & Staunton, Crédit Suisse Global Investment Returns Yearbook) estiment la prime de risque actions autour de 4 à 5% au-dessus des emprunts d’État, mais avec de fortes variations décennie par décennie.
Pour un investisseur de long terme, il est généralement pertinent d’utiliser une prime de marché de moyen/long terme (par exemple 4 à 5% en zone euro) dans le CAPM. En revanche, pour des décisions de court terme ou dans des contextes de marché très incertains, certains praticiens ajustent à la hausse ou à la baisse cette prime implicite. Lorsque vous comparez deux investissements présentant des horizons différents – un projet immobilier à 20 ans et un produit structuré à 5 ans, par exemple –, vous pouvez être amené à retenir des primes de risque distinctes, en cohérence avec la visibilité sur les flux et la stabilité attendue de l’environnement macroéconomique.
Utilisation du modèle de Fama-French à trois facteurs pour affiner l’analyse
Le CAPM a le mérite de la simplicité, mais il ne capture pas toujours la réalité empirique des rendements boursiers. Le modèle de Fama-French à trois facteurs ajoute deux dimensions supplémentaires pour mieux expliquer la performance des actions : l’effet taille (SMB, small minus big) et l’effet valeur (HML, high minus low). Autrement dit, en plus de l’exposition au marché, les petites capitalisations et les titres « value » tendent, sur longue période, à offrir des primes de rendement spécifiques.
Dans ce cadre, le rendement espéré d’une action devient : E[Ri] = Rf + βm (E[Rm] - Rf) + βs SMB + βv HML. En estimant ces trois bêtas, vous pouvez comparer plus finement deux investissements présentant des profils de risque différents : une grande valeur de croissance peut avoir un bêta marché élevé mais peu d’exposition aux facteurs taille et valeur, tandis qu’une petite capitalisation décotée combinera potentiellement un bêta marché plus modeste mais une forte sensibilité aux facteurs SMB et HML. Cette décomposition par facteurs est particulièrement utile pour s’assurer que deux placements apparemment différents ne reposent pas, en réalité, sur les mêmes moteurs de performance.
Méthodes d’équivalent-certain et d’ajustement du taux d’actualisation
Lorsque vous évaluez un projet d’investissement (immobilier, entreprise, infrastructure), deux grandes approches permettent d’intégrer le risque dans le calcul de la VAN : soit vous ajustez les flux de trésorerie (méthode de l’équivalent-certain), soit vous ajustez le taux d’actualisation (méthode du RADR, pour Risk-Adjusted Discount Rate). Dans les deux cas, l’objectif est le même : comparer des investissements présentant des niveaux de risque différents sur une base homogène.
La méthode de l’équivalent-certain consiste à transformer des flux incertains en flux « sûrs » en les multipliant par un coefficient de certitude inférieur à 1, puis à les actualiser au taux sans risque. La méthode du RADR laisse les flux inchangés, mais utilise un taux d’actualisation plus élevé pour les projets risqués. L’une agit sur la numération, l’autre sur le dénominateur, mais elles reposent toutes deux sur l’idée que plus le risque est élevé, plus la valeur actuelle des flux futurs doit être réduite.
Application de la méthode de la VAN ajustée au risque dans l’immobilier
Dans l’immobilier, la VAN ajustée au risque est un outil précieux pour comparer, par exemple, un investissement locatif résidentiel dans une grande métropole et un immeuble de bureaux dans une zone périphérique. Le premier bénéficie d’une demande plus stable, d’une vacance plus faible et d’une meilleure liquidité à la revente ; le second peut promettre un rendement facial plus élevé, mais avec des risques locatifs et de marché plus marqués.
Avec la méthode du RADR, vous pouvez, par exemple, actualiser les flux de loyers d’un appartement parisien à 5% (taux sans risque + prime de risque modérée) et ceux d’un immeuble de bureaux en périphérie à 7% ou 8%. Si la VAN reste plus élevée pour le bien plus risqué malgré ce taux majoré, il peut effectivement constituer une opportunité attractive, à condition que votre tolérance au risque soit en ligne. À l’inverse, si la hausse du taux d’actualisation fait basculer la VAN en territoire négatif, vous savez que le surcroît de rendement facial ne compense pas le risque.
Détermination du coefficient d’aversion au risque de l’investisseur
La méthode de l’équivalent-certain suppose de connaître, ou au moins d’estimer, votre coefficient d’aversion au risque. Dans les modèles d’utilité espérée, ce coefficient mesure à quel point vous préférez un flux certain à un flux aléatoire de même espérance. Plus il est élevé, plus vous « pénalisez » fortement les flux incertains. Dans la pratique, ce paramètre peut être approché en analysant vos choix passés, vos réponses à des questionnaires de profil de risque, ou encore votre comportement lors des crises de marché.
Imaginons que vous anticipez un loyer annuel brut de 10 000 € avec un certain degré d’incertitude (vacance, impayés, charges imprévues). Si votre coefficient d’aversion au risque est élevé, vous pourriez ramener ce flux à un équivalent-certain de 7 000 ou 8 000 € seulement avant de l’actualiser. Un investisseur plus tolérant au risque retiendra un coefficient de certitude plus proche de 1. Cette démarche permet de rendre explicite ce qui, sinon, reste implicite dans la simple fixation d’un taux d’actualisation majoré.
Comparaison entre la méthode du RADR et la méthode de l’équivalent-certain
Sur le plan théorique, la méthode de l’équivalent-certain est souvent considérée comme plus rigoureuse, car elle sépare clairement l’ajustement pour le risque (dans les flux) et l’actualisation temporelle (au taux sans risque). La méthode du RADR, plus intuitive, mélange ces deux dimensions dans un taux unique plus élevé. En pratique, les professionnels utilisent fréquemment le RADR car il est plus simple à communiquer et à mettre en œuvre, surtout lorsqu’il s’agit de calibrer un coût du capital ou un taux de rendement exigé.
Pour comparer deux investissements présentant des niveaux de risque très différents, vous pouvez utiliser les deux approches de manière complémentaire. Si la VAN ajustée au risque reste positive quelle que soit la méthode, vous gagnez en robustesse dans votre diagnostic. Si les résultats divergent fortement, cela peut révéler une sous- ou sur-estimation de votre aversion au risque ou une incohérence dans le choix du taux d’actualisation. Comme souvent en finance appliquée, croiser les outils permet de mieux appréhender la réalité complexe des projets d’investissement.
Value at risk et conditional value at risk pour quantifier l’exposition maximale
Les indicateurs vus jusqu’ici mesurent surtout le risque « moyen » ou global. Mais lorsqu’il s’agit de piloter un portefeuille d’ETF, d’actions ou de produits dérivés, une question revient systématiquement : « Quelle est la perte maximale que je peux subir avec une probabilité donnée ? ». C’est précisément ce à quoi répondent la Value at Risk (VaR) et la Conditional Value at Risk (CVaR), largement utilisées par les banques, les gérants d’actifs et les régulateurs (Bâle III, Solvabilité II).
La VaR à 95% sur un mois d’un ETF actions, par exemple, correspond au montant de perte qu’il ne devrait pas dépasser dans 95% des cas sur un horizon d’un mois, compte tenu de l’historique des variations. La CVaR, ou Expected Shortfall, va plus loin : elle mesure la perte moyenne conditionnelle dans les 5% des pires cas. Autrement dit, là où la VaR vous dit « jusqu’où cela peut aller mal la plupart du temps », la CVaR vous indique « combien vous perdez en moyenne lorsque les choses tournent vraiment mal ».
Calcul de la VaR historique versus VaR paramétrique pour les ETF
Pour un portefeuille d’ETF, deux méthodes de calcul de la VaR sont couramment utilisées : la VaR historique et la VaR paramétrique. La VaR historique consiste à utiliser les rendements passés (par exemple les 5 dernières années de données quotidiennes), à les trier du plus mauvais au meilleur, puis à lire le quantile correspondant (le 5e percentile pour une VaR 95%). Cette méthode a l’avantage de ne pas supposer de forme particulière pour la distribution des rendements, mais elle suppose que le passé récent est représentatif du futur.
La VaR paramétrique (ou delta-normale) suppose, elle, que les rendements suivent une distribution normale. Elle utilise la moyenne et l’écart-type des rendements pour calculer directement la VaR, par exemple VaR95% = μ - 1,65 × σ pour un horizon donné. Pour des ETF largement diversifiés et liquides, cette approximation peut être raisonnable dans des conditions de marché calmes. En revanche, elle sous-estime souvent le risque en période de stress, lorsque les distributions deviennent plus asymétriques et « épaisses en queue ». Pour comparer objectivement deux ETF présentant des niveaux de risque différents, il est donc recommandé de confronter ces deux approches, voire de recourir à des méthodes plus avancées (VaR Monte-Carlo).
Application de la CVaR pour mesurer les pertes extrêmes sur les crypto-actifs
Les crypto-actifs, en raison de leur volatilité extrême et de leurs mouvements parfois discontinus, illustrent bien l’intérêt de la CVaR. Une VaR à 95% peut vous indiquer qu’un portefeuille de crypto a peu de chances de perdre plus de 20% sur une semaine, mais elle reste silencieuse sur ce qui se passe dans les 5% de cas restants. Or, l’histoire récente montre que des chutes de 40%, 50% ou plus en quelques jours ne sont pas rares sur certains jetons.
La CVaR complète cette information en calculant la perte moyenne observée dans ces pires scénarios. Si votre VaR hebdomadaire à 95% est de -20% et votre CVaR de -35%, vous savez qu’en cas de débordement de la VaR, la facture moyenne sera particulièrement salée. Dans une optique de comparaison d’investissements, un actif avec une VaR similaire mais une CVaR nettement plus élevée sera, toutes choses égales par ailleurs, plus dangereux. C’est un peu comme comparer deux voitures : toutes deux plafonnent à 200 km/h (VaR similaire), mais l’une perd totalement le contrôle en cas de freinage d’urgence (CVaR plus élevée).
Backtesting des modèles de VaR selon les recommandations de bâle III
Pour que la VaR reste un outil fiable de gestion des risques, il est indispensable de la « backtester », c’est-à-dire de vérifier régulièrement si les pertes effectives respectent bien le nombre de dépassements théoriques. Les recommandations de Bâle III prévoient à cet effet des tests simples : sur une période de 250 jours ouvrés, une VaR à 99% ne devrait être dépassée qu’environ 2 ou 3 occasions. Un nombre de dépassements significativement plus élevé signale un modèle mal calibré ou une volatilité de marché en forte hausse.
Pour un investisseur particulier utilisant la VaR pour comparer deux portefeuilles d’ETF ou deux stratégies d’allocation, ce backtesting peut être approximé en comptant le nombre de jours où la perte quotidienne dépasse la VaR estimée. Si un modèle sous-estime systématiquement le risque, vous devez en tenir compte dans votre processus de décision : un placement paraissant plus « sûr » à la lumière d’une VaR mal calibrée pourrait en réalité être tout aussi risqué qu’une alternative concurrente. Cette vigilance est d’autant plus importante lorsque vous vous exposez à des actifs très volatils ou peu liquides.
Analyse de scénarios et tests de sensibilité selon la méthode Monte-Carlo
Aucun modèle ne peut prédire l’avenir avec certitude. C’est pourquoi les professionnels complètent les mesures statistiques classiques par des analyses de scénarios et des simulations Monte-Carlo. L’idée n’est plus de partir uniquement du passé, mais de générer un grand nombre de trajectoires possibles pour les rendements futurs, en tenant compte de la volatilité, des corrélations et, éventuellement, de scénarios macroéconomiques. Vous obtenez alors une distribution de valeurs finales possibles pour votre investissement, plutôt qu’un seul chiffre.
Dans la comparaison de deux investissements présentant des niveaux de risque différents, une simulation Monte-Carlo bien construite vous permet de visualiser la probabilité d’atteindre certains objectifs (par exemple un capital cible à 15 ans) ou la probabilité de pertes importantes sur des horizons intermédiaires. Vous pouvez ainsi répondre à des questions très concrètes : « Avec ce portefeuille actions/obligations, quelle est la probabilité de perdre plus de 20% sur 3 ans ? », « Avec cette stratégie incluant des cryptos, combien de trajectoires aboutissent à un capital supérieur à celui d’un portefeuille plus prudent ? ».
Simulation stochastique pour modéliser les trajectoires de rendement
La simulation Monte-Carlo repose généralement sur des processus stochastiques modélisant les rendements, comme le mouvement brownien géométrique (pour les actions) ou des modèles à volatilité stochastique plus sophistiqués. À partir des paramètres estimés (rendement espéré, volatilité, corrélations), l’algorithme génère des milliers, voire des dizaines de milliers de trajectoires de prix ou de valeur de portefeuille. Chaque trajectoire représente un scénario possible d’évolution dans le temps.
Pour un investisseur, le résultat se traduit par des distributions de valeurs finales, des intervalles de confiance et des courbes de probabilité cumulée. Vous pouvez, par exemple, constater que votre portefeuille « prudent » a 90% de chances de conserver ou d’augmenter sa valeur sur 5 ans, tandis que votre portefeuille « dynamique » n’offre cette probabilité qu’à 75%, mais avec une espérance de gain nettement supérieure. Cette vision probabiliste rend plus concrète la comparaison entre deux investissements présentant des niveaux de risque différents : vous ne jugez plus seulement sur un rendement moyen, mais sur toute la gamme des résultats possibles.
Stress testing des portefeuilles face aux krachs historiques de 2008 et 2020
Les simulations Monte-Carlo peuvent être enrichies par des stress tests, qui consistent à imposer au portefeuille des chocs extrêmes inspirés de crises passées. Comment votre allocation actuelle aurait-elle réagi en 2008 lors de la crise financière mondiale, ou en mars 2020 lors de la chute liée au Covid-19 ? Combien de temps auriez-vous mis à revenir à l’équilibre ? Ces questions ne relèvent pas seulement de la curiosité historique : elles éclairent votre capacité réelle à supporter la volatilité et à rester investi.
Pour comparer deux investissements – par exemple un portefeuille diversifié d’ETF mondiaux et un portefeuille plus concentré en actions technologiques –, il est très instructif de simuler leur comportement lors de ces crises. Vous pouvez découvrir que le portefeuille diversifié perd 25% au plus fort du choc mais retrouve son niveau initial en 18 mois, tandis que le portefeuille concentré chute de 40% et met plus de 3 ans à s’en remettre. Ces éléments ne se résument pas dans un ratio unique, mais ils sont déterminants pour savoir si vous pourrez réellement supporter le trajet, pas seulement la destination.
Calcul de la probabilité de perte en capital sur différents horizons temporels
Enfin, l’un des atouts majeurs des méthodes de simulation est de pouvoir estimer, pour chaque horizon temporel, la probabilité de perte en capital. Intuitivement, plus l’horizon est long, plus cette probabilité diminue pour des classes d’actifs comme les actions, dont la tendance de long terme est haussière malgré des à-coups parfois violents. En revanche, pour des actifs spéculatifs sans fondamentaux clairs, comme certaines crypto-monnaies, cette probabilité peut rester élevée même sur 10 ou 15 ans.
En comparant deux investissements présentant des niveaux de risque différents, il est donc pertinent de ne pas se limiter à la performance espérée. Demandez-vous : « À 5 ans, quelle est la probabilité d’être en perte ? À 10 ans ? ». Un portefeuille dynamique peut offrir une probabilité de perte de 30% à 3 ans mais de seulement 10% à 10 ans, tandis qu’un placement obligataire prudent aura une probabilité de perte très faible à court terme mais un potentiel de rendement limité sur longue durée. Ce type d’analyse vous aide à aligner vos choix non seulement avec votre profil de risque, mais aussi avec vos horizons de vie et vos projets concrets.