Asset allocation sur Morningstar Direct

1 521 vues

Publié le

Conférence sur « L’optimisation de l’allocation d’actifs : les nouvelles avancées »

Allocation des Actifs dans Morningstar Direct par Johann Cayrouse

Publié dans : Économie & finance
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
1 521
Sur SlideShare
0
Issues des intégrations
0
Intégrations
4
Actions
Partages
0
Téléchargements
17
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Asset allocation sur Morningstar Direct

  1. 1. Asset Allocation: L’optimisation de portefeuilles dans Direct Johann Cayrouse CSC© 2011 Morningstar, Inc. All rights reserved.
  2. 2. Qui utilise Morningstar Direct? 2
  3. 3. Dans quel but? 3
  4. 4. Une nouvelle fonctionnalité intégrée à Morningstar Direct.
  5. 5. Quel est le process ?× Retenir un ensemble de classes d’actifs sur lesquelles nous construirons une optimisation× Générer une frontière d’efficience et identifier les portefeuilles optimaux× Construire des projections sur les portefeuilles obtenus: niveaux de probabilité de leur comportement
  6. 6. Paramétrer les classes d’actifs× Sélectionner sur une base de 55000 indices les proxys dont les historiques représenteront les classes d’actifs choisies× Utiliser l’un des groupes d’actifs prédéfinis par Morningstar ou paramétrer vos classes d’actifs.
  7. 7. Paramétrer les « inputs »Plusieurs lois de distribution de probabilité sont disponibles:× Log-Normal distributions× Truncated Lévy-Flight distributions× Log-T distributions× Johnson distributions× Bootstrap Historical Data
  8. 8. La loi normale× Distribution de probabilité par défaut× Représentation graphique× Choix entre différentes méthodologies pour estimer les performances attendues : Historique, CAPM, Black Litterman, Building blocks.
  9. 9. Autres lois de distribution de probabilité× On peut aller plus loin que la loi normale et prendre en compte l’occurrence d’événements extrêmes : Fat Tails, Skewness différent de 0 et Kurtosis (Excess Kurtosis) supérieur à 0.
  10. 10. Paramétrer les données sur lesquelles nous appliquerons la MVO
  11. 11. Calcul des volatilités:
  12. 12. Calcul de la matrice de corrélation:
  13. 13. Calcul des performances attendues:Plusieurs méthodologies sont disponibles:× Historique× CAPM× Building Blocks× Black Litterman
  14. 14. Paramétrage:CAPM :Le taux sans risque(historical risk free rate)Les Benchmarks:Domestic EquityMarket Portfolio
  15. 15. Black Litterman:Entrez vos propres prévisions en les pondérant par un degré de confiance:
  16. 16. Black Litterman (suite):Vos vues pourront être relatives:
  17. 17. Définir des contraintes:
  18. 18. Définir des contraintes (suite):
  19. 19. L’optimisationInclure différentes frontières d’efficience afin de comparer plusieursmodèles de répartition d’actif.Time period: February 1990 to May 2010. Source: Xiong, James X. and Thomas Idzorek, “The Impact of Skewness and Fat Tails on the Asset Allocation Decision,” Financial Analysts Journal, March/April 2011, pp. 23-35.
  20. 20. L’optimisationTester son portefeuille:
  21. 21. L’optimisationQuel portefeuille pour la même volatilité ? :
  22. 22. Retrouvez des portefeuilles optimaux par profil d’investissement:
  23. 23. ResamplingMVO pure:
  24. 24. ResamplingMVO + Resampling:
  25. 25. ProjectionsRéaliser des projections de performances prenant en compte:× L’inflation× Les flux monétaires× Le rebalancement
  26. 26. ProjectionsParamétrage:
  27. 27. Projections 50% de probabilité de dépasser 500 K après 11 ans
  28. 28. Les avantages de la nouvelle fonctionnalité de Morningstar Direct : Asset Allocation× Un accès à une base de 55000 indices× Un outil basé sur internet× Un paramétrage souple et hautement personnalisable× Aller au-delà de la Loi Normale: Fat tails× Black Litterman : entrez vos vues× Resampling : envisager plusieurs scenarios sur votre optimisation

×