SlideShare une entreprise Scribd logo
1  sur  29
Télécharger pour lire hors ligne
Présentation de nos domaines
de compétences
ANALYSE DES RISQUES
HerveBalloux@gmail.com
2
OPTRAT
Management ConsultingSHervé Balloux
1
2
Introduction
Analyse des risques
- crédit
- investissement
Sommaire
3
OPTRAT
Management ConsultingSHervé Balloux
1
2
Introduction
Analyse des risques
- crédit
- investissement
4
OPTRAT
Management ConsultingSHervé Balloux
Introduction (1/2)
STRATOP aide les Directions Générales de groupes internationaux à définir et mettre en œuvre leurs stratégies de
développement. Nous intervenons dans les domaines de l’analyse et de l’amélioration des performances
opérationnelles, financières et commerciales et accompagnons nos clients jusqu’à la mise en place de systèmes
d’information.
Nos consultants, issus de cabinets internationaux, ont acquis une grande expérience des secteurs dans lesquels
nous intervenons :
- services financiers (assurance, banque commerciale, crédit à la consommation),
- produits de grande consommation et distribution,
- autres services et entreprises industrielles.
Nos démarches sont structurées selon une approche qualitative et quantitative des problématiques.
5
OPTRAT
Management ConsultingSHervé Balloux
Introduction (2/2)
Grâce à notre collaboration permanente avec des écoles de management de renom, dont l’INSEAD et l’ESCP, dans le domaine de
l’enseignement et de la recherche, nous mettons en œuvre des méthodologies et des outils spécifiques d’aide à la décision qui
intègrent les développements les plus récents en matière de management :
- systèmes de gestion du risque dans la banque (risque de crédit, risque opérationnel) dans la cadre de la réglementation Bâle II
. identification des facteurs de risque
. modélisation statistique (scores, probabilité de survenance du risque…)
- stratégie d’acquisition :
. évaluation opérationnelle
. intégration
- reengineering, ABM, six sigma, benchmarking :
. reconfiguration des processus
. qualité de service et productivité
- stratégie et analyses marketing :
. allocation de ressources marketing
. évaluation des attentes client
- développement d’outils d’aide à la décision :
. bases de données client (assurance, distribution)
. modélisation (prévision des ventes, productivité)
6
OPTRAT
Management ConsultingSHervé Balloux
1
2
Introduction
3 Présentation des associés
4 Références
Analyse des risques
- crédit
- investissement
7
OPTRAT
Management ConsultingSHervé Balloux
➢ sélectionner les prospects ou les clients en fonction de leur risque
Objectif d’un système de score (1/3)
8
OPTRAT
Management ConsultingSHervé Balloux
Le taux de défaillance est beaucoup plus élevé dans les tranches de score les plus basses.
Il décroît exponentiellement avec l’amélioration du risque
➢ prédire le risque de défaillance et tarifer en fonction du risque
Objectif d’un système de score (2/3)
9
OPTRAT
Management ConsultingSHervé Balloux
0%
5%
10%
15%
20%
25%
30%
0 10 20 30 40 50 60 70 80 90 100
Taux de
défaillance
SCORE :
Les individus avec un score
de 10 ont 4% de chance
d’être en défaut sur les
12 prochains mois.
Objectif d’un système de score (3/3)
➢ prédire le risque de défaillance et tarifer en fonction du risque
10
OPTRAT
Management ConsultingSHervé Balloux
Préparation du
projet
Evaluation de
l’existant
Adaptation des
scores
Mise en place
du système de
scores (hors
périmètre du
projet)• identification des scores
cibles
• identification des scores
existants
• évaluation de l’offre des
scores génériques
• identification des scores
spécifiques à développer
• préparation des phases
ultérieures
1
2.1
• évaluation des techniques
• évaluation des outils d’analyse
Sélection des
scores
Adaptation des
scores
Constitution des
échantillons
Analyse des
données
• définition des échantillons
• collecte des données
• ajustement des données
• validation des échantillons
• évaluation des fournisseurs
• évaluation des scores
• négociation et choix
• recette des échantillons et transfert des
données sur le logiciel d'analyse
• analyse des données
• validation et interprétation des résultats
• documentation technique des modèles
3.1
2.2 3.2
2.3 3.3
SCORES EXISTANTS
SCORES GENERIQUES
SCORES SPECIFIQUES
Démarche pour la mise en place d’un système de scores
11
OPTRAT
Management ConsultingSHervé Balloux
Constitution des échantillons pour le développement des scores spécifiques
• choix/définition des échantillons de construction et de validation
- pour certains domaines où il existe peu de données, l’échantillon pourra représenter la population
- l’échantillon de construction doit être différent de l’échantillon de validation
- les échantillons pourraient être choisis, plus en fonction de la disponibilité des données (plate-
forme informatique…) que de critères purement statistiques (aléatoire/représentatif)
• collecte des données (données élémentaires ou transformées ?)
- variables à modéliser
- variables explicatives
- historiques (longs pour les crédits à moyen et long terme)
• ajustement des données
- estimation pour les données non disponibles ?
- modification pour les données manquant de fiabilité ?
• validation des échantillons
12
OPTRAT
Management ConsultingSHervé Balloux
Analyse des données pour le développement des scores spécifiques
• recette par l’équipe d’analyse des échantillons
• transfert des données sur le logiciel d'analyse statistique (SAS ?)
• réalisation des analyses
- choix techniques de modélisation des scores
. statistiques descriptives (moyenne, écart type…)
. statistiques multi variées (régression logistique, analyse de variance, analyse discriminante…)
. …
- transformation des données
- réalisations des analyses
- choix des meilleurs modèles ?
• validation et interprétation des résultats
- test de la qualité des modèles sur la base des échantillons de validation
- interprétation des coefficients des modèles
• documentation technique des modèles
SAS
institute
13
OPTRAT
Management ConsultingSHervé Balloux
Processus de modélisation : régression logistique
Préparation de
l’analyse
• sélection des variables
- analyse univariable à
partir d’une liste
déterminée à priori
- stepwise (Pr, Pe)
- …
• discrétisation des variables
continues
• codification des variables à
créer (variables correspondant
aux modalités des variables
continues « discrétisées »)
1
Modèle
multivariable
principal
Modèle
multivariable
final
• tests
• ROC
•Indice de Gini
• inclusion des variables
retenues lors de l’analyse
univariable (p < 0,25 ?)
• sélection finale sur la base des
tests de signification statistique
des coefficients du modèle
multivariable(p <0,05 ?)
• analyse de l’interaction entre les variables
du modèle principal (« variables croisées »)
-une par une
-stepwise
• sélection finale sur la base des tests de
signification statistique des coefficients du
modèle multivariable (p <0,05 ?)
2 3
Evaluation de la
performance du
modèle
4
➢ Il existe différentes techniques de prévision du risque comme l’analyse discriminante, la régression logistique ou les réseaux de neurones
➢ La régression logistique nécessite moins d’hypothèses, par rapport aux autres techniques linéaires, pour un pouvoir prédictif similaire
14
OPTRAT
Management ConsultingSHervé Balloux
Date de prise en compte
des caractéristiques clients
Période d’observation du défaut
temps
t + 12 moist
➢ Score d’octroi ou prospect : mesure du risque d’un prospect contractant un engagement
➢ Approche par produit
➢ Défaut modélisé : 90 jours d’impayés consécutifs sur crédits / engagements
Mise en place d’un système de scores Bâle II :
Définition et période d’observation du défaut pour un score d’octroi
15
OPTRAT
Management ConsultingSHervé Balloux
Période d’observation
du compte
Période d’observation
du défaut
temps
t + 12 mois
nov 2002
t
nov 2001
t + 3 mois
fév 2002
t + 6 mois
mai 2002
t + 9 mois
août 2002
t + 15 mois
janv 2002
?
Mise en place d’un système de scores Bâle II :
Définition et période d’observation du défaut pour un score de comportement
➢ Score de comportement ou client : mesure du risque d’un client contractant ou ayant contracté un engagement
➢ Approche par client : principe de la contagion - consolidation des risques au niveau client
➢ Défaut modélisé : 90 jours d’impayés consécutifs sur crédits ou compte de dépôt en infraction pendant au moins
90 jours ou oppositions graves
16
OPTRAT
Management ConsultingSHervé Balloux
Calcul de l’importance des variables dans la note de score
M
M
M
M
M
M
M
17
OPTRAT
Management ConsultingSHervé Balloux
Grille de score
40.456078-0.275295Classe 44
00.000000-0.731374Classe 33
131.3099720.578598Classe 22
70.7313740.000000Classe 11D
484.9974494.997449>556
343.4800283.480028]39;55]5
202.0564262.056426]16;39]4
80.8295550.829555]8;16]3
30.2749010.274901]3;8]2
00.0000000.000000<=31C
00.000000-2.729623>1245
20.178540-2.551083]87;124]4
90.904907-1.824716]34;87]3
191.923192-0.806432]0;34]2
262.7296230.000000<=01B
00.000000-1.293691<0 ou >1803
30.333581-0.960110]105;180]2
131.2936910.000000[0;105]1A
Notes Score
Normées
Coeffs_positifsCoeffs_RegressionLibéllésModalitesVariables
18
OPTRAT
Management ConsultingSHervé Balloux
AR : Accuracy Ratio
0% 20% 40% 60% 80% 100%
0%
20%
40%
60%
80%
100%
% de la population totale
%mauvais
La surface représente 63%
celle de la prédiction parfaite
Modèle parfait
Modèle
Mesures de performance du score (1/3)
Sélectionner 30 % des cas les moins bien scorés permet de sélectionner près de 80 % des défaillants.
19
OPTRAT
Management ConsultingSHervé Balloux
Tranche
de score
% cumulé
des défaillants
% cumulé
de la population
0 0% 0,00%
5 38,00% 5,50%
10 55,30% 13,00%
15 67,10% 20,80%
20 74,00% 25,60%
25 78,70% 31,00%
30 81,20% 35,70%
35 84,90% 40,70%
40 87,40% 47,10%
45 89,20% 52,60%
50 92,50% 57,80%
55 94,30% 64,10%
60 94,90% 67,70%
65 96,50% 72,70%
70 96,90% 75,70%
75 97,70% 80,10%
80 98,30% 85,10%
85 99,30% 88,60%
90 99,50% 91,90%
95 100,00% 96,30%
100 100,00% 100,00%
AR : Exemple de calcul
Mesures de performance du score (2/3)
Sélectionner 40,7 % des cas les moins bien scorés permet
de sélectionner près de 85 % des défaillants.
20
OPTRAT
Management ConsultingSHervé Balloux
M
Sélectionner 80 % des cas les mieux scorés permet de ne
sélectionner que 28% des défaillants. Autrement dit, 72 % des
défaillants figurent parmi les 20% de scores les plus faibles.
On peut sélectionner 70 % des défaillants (parmi les scores les
plus faibles) en n’éliminant que 10 % des non défaillants.
ROC GINI
Mesures de performance du score (3/3)
21
OPTRAT
Management ConsultingSHervé Balloux
Produits IMMO
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
90,00%
100,00%
0 1 2 3 4 5 6 7
Produits CONSO
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
90,00%
100,00%
0 1 2 3 4 5 6 7
Mise en place d’un système de scores Bâle II :
Evaluation de la perte en cas de défaut
22
OPTRAT
Management ConsultingSHervé Balloux
1
2
Introduction
Analyse des risques
- crédit
- investissement
23
OPTRAT
Management ConsultingSHervé Balloux
Problématique
• chaque investisseur peut avoir un profil de risque spécifique
➢ identifier des investissements correspondant au profil de risque des investisseurs
Par exemple, de nombreux investisseurs privilégient aujourd’hui une gestion dissymétrique de leurs avoirs :
une certaine préservation du capital en période de baisse de marché avec un objectif de rendement plus
régulier, d’où la croissance des hedge funds répondant aux attentes de ces investisseurs
24
OPTRAT
Management ConsultingSHervé Balloux
Ratio Sharpe
• ratio introduit en 1966 évaluant la performance moyenne d’un portefeuille par rapport à sa volatilité
• calcul du rendement additionnel à celui d’un investissement sans risque (bon du trésor)
• le ratio est égal au rendement additionnel moyen divisé par son écart type
• l’hypothèse sous-jacente de l’utilisation du ratio Sharpe est la normalité des rendements au cours du temps
• le ratio Sharpe évalue la probabilité de baisse et de hausse autour du rendement moyen de manière identique
25
OPTRAT
Management ConsultingSHervé Balloux
Autres mesures de performance (1/2)
Mesure des caractéristiques de la distribution des rendements (moyenne, écart type, asymétrie, aplatissement…)
• les investisseurs enclins à la prudence préfèrent des rendements positifs et réguliers (positive skewness et low kurtosis)
plutôt que des rendements pouvant être négatifs et irréguliers (negative skewness et high kurtosis)
- le coefficient d’asymétrie (skewness) traduit le caractère asymétrique de la distribution
- un coefficient d’aplatissement (kurtosis) élevé traduit une fréquence élevée de rendements extrêmes
(> kurtosis de la distribution normale qui est égal à 3)
0
.1.2.3.4
Fraction
0 .5 1 1.5
rendement
0
.5
1
1.5
rendement
0 5 10 15 20 25
temps
rendement
-------------------------------------------------------------
Percentiles Smallest
1% .3 .3
5% .4 .4
10% .5 .5 Obs 24
25% .6 .5 Sum of Wgt. 24
50% .8 Mean .8708333
Largest Std. Dev. .3303215
75% 1.1 1.2
90% 1.4 1.4 Variance .1091123
95% 1.4 1.4 Skewness .20355
99% 1.5 1.5 Kurtosis 2.169618
26
OPTRAT
Management ConsultingSHervé Balloux
Autres mesures de performance (2/2)
Mesure des caractéristiques de la distribution des rendements (Omega)
• la valeur omega calcule le ratio des rendements au-dessus et en dessous du seuil de perte pondérés par leur
probabilité de survenance : c’est le ratio de gains sur pertes pondéré par leur probabilité de survenance
• l’objectif est de maximiser la valeur d’omega pour chaque seuil de perte. Il permet de hiérarchiser les
portefeuilles en fonction des seuils de perte considérés par les investisseurs.
0
.2.4.6.8
1
cum
0 .5 1 1.5
rendement
r : seuil de perte
pour l’investisseur
I2
I1
Ω (r) = ∫r
b
(1-F(x))dx / ∫a
r
F(x)dx
• F : distribution cumulée des rendements
• [a,b] : intervalle des rendements
F(x)
27
OPTRAT
Management ConsultingSHervé Balloux
• l'utilisation de la théorie du CAPM (Capital Asset Pricing Model) pour la rémunération de l’investisseur :
coût
Beta (risque systématique)
taux de rémunération
sans risque (RF)
• coût du capital (société i) = RF + Betai x (RM - RF) avec RM rémunération du marché, Betai = cov (Ri,RM) / var (RM)
et Ri rémunération des actionnaires de la société i
==> seul le risque systématique est rémunéré pour l'actionnaire (puisqu'il ne peut pas être diversifié)
rémunération du risque pour
les actionnaires (SML :
security market line)
•
•
•
société A
société C
(risque sous évalué)
société D
•
société B
(risque non systématique
important)
Stratégie long terme : CAPM
28
OPTRAT
Management ConsultingSHervé Balloux
• des méthodes de calcul plus anciennes (modèle Gordon ) :
- coût = D1 / P0 + G avec D1 dividendes versés en année 1 et P0 prix marché du capital en début d'année 1
et G taux de croissance constant des dividendes et des bénéfices au cours du temps
. G estimé à partir des données historiques (séries chronologiques des bénéfices par action)
Bt = B0 x (1 + G)t ===> 1+ G = (Bt / B0)1/t ou Log Bt = Log B0 + t x Log (1 + G)
. G = b x ROE avec b taux de rétention des bénéfices ((B - D) / B)) et ROE "return on equity" (bénéfices après impôt / fonds
propres) B1 = B0 + (b x B0) x ROE = B0 x (1 + G)
. G évalué par les analystes financiers / experts
• des méthodes de calcul plus modernes (APM) :
- APM (Arbitrage Pricing Model) est un modèle multivariable qui calcule le coût du capital, comme une
fonction prenant en compte la sensibilité de chaque société à plusieurs facteurs fondamentaux du
fonctionnement de l'économie (et non pas seulement la sensibilité à l'évolution globale du marché des
actions)
. coût = RF + Beta1x (RF1 - RF) + Beta2 x (RF2 - RF) + ... avec Beta1 sensibilité de l'action au facteur 1 et RF1 le rendement du
portefeuille qui reproduit l'évolution du facteur 1
. exemples de facteurs : l'indice de la production industrielle, le taux d'intérêt réel à court terme, le taux d'inflation, le risque de
banqueroute mesurée par la différence de rémunération des obligations long terme cotées Aaa et Baa ...
Stratégie long terme : Gordon et APM
29
OPTRAT
Management ConsultingSHervé Balloux
Stratégie long terme : les méthodes les plus récentes
Mesure de la performance relative d’un actif par rapport à un autre
(modèles de Fama et French)
• évaluation sur la base de séries chronologiques longues (10 ans)
➢ déterminer si la performance d’un investissement est supérieure à la performance rémunérant le risque
➢ identifier des niches d’arbitrage
• Rt = α + β1 * RMRFt + β2 * SMBt + β3 * HMLt + β4 * Momentumt + εt
- Rt : excess return to some asset (risk free rate treasury bills for example) in month t
- RMRFt : value weighted market return minus the risk free rate at month t
- SMBt : (Small Minus Big) - month t returns on zero-investment factor-mimicking portfolios designed to capture size effects
(difference, each month, between the simple average of returns on small and big stock portfolios with same weighted average book-to-
market equity))
- HMLt : (High Minus Low) - month t returns on zero-investment factor-mimicking portfolios designed to capture book-to-market effects
(difference, each month, between the simple average of returns on high book- to-market and low book- to- market with same weighted
average size)
- Momentum : month t returns on zero-investment factor-mimicking portfolios designed to capture momentum effects

Contenu connexe

Tendances

Mesure & Analyse: Mesurer les Risques
Mesure & Analyse: Mesurer les RisquesMesure & Analyse: Mesurer les Risques
Mesure & Analyse: Mesurer les RisquesOlivier Pinette
 
Webinar modeles predictifs juin 2021
Webinar modeles predictifs juin 2021Webinar modeles predictifs juin 2021
Webinar modeles predictifs juin 2021Axys
 
La gestion des risques
La gestion des risquesLa gestion des risques
La gestion des risquesMariem SELLAMI
 
L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...
L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...
L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...PECB
 
cours de Gestion des risques - demarche
cours de Gestion des risques - demarchecours de Gestion des risques - demarche
cours de Gestion des risques - demarcheRémi Bachelet
 
Sûreté de Fonctionnement
Sûreté de FonctionnementSûreté de Fonctionnement
Sûreté de FonctionnementCarine Pascal
 
Problématique qualité sous solvailité 2
Problématique qualité sous solvailité 2Problématique qualité sous solvailité 2
Problématique qualité sous solvailité 2Arrow Institute
 
[Gestion des risques et conformite] mettre en place une demarche erm
[Gestion des risques et conformite] mettre en place une demarche erm[Gestion des risques et conformite] mettre en place une demarche erm
[Gestion des risques et conformite] mettre en place une demarche ermonepoint x weave
 
Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?
Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?
Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?Arrow Institute
 
MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...
MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...
MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...PMI-Montréal
 
management-risques-projet
 management-risques-projet  management-risques-projet
management-risques-projet Es-sahli bilal
 
DataWerhouse : Données de qualité
DataWerhouse : Données de qualitéDataWerhouse : Données de qualité
DataWerhouse : Données de qualitéNassim Bahri
 
Gestion des risques
Gestion des risquesGestion des risques
Gestion des risquesmoussadiom
 

Tendances (14)

Mesure & Analyse: Mesurer les Risques
Mesure & Analyse: Mesurer les RisquesMesure & Analyse: Mesurer les Risques
Mesure & Analyse: Mesurer les Risques
 
Webinar modeles predictifs juin 2021
Webinar modeles predictifs juin 2021Webinar modeles predictifs juin 2021
Webinar modeles predictifs juin 2021
 
La gestion des risques
La gestion des risquesLa gestion des risques
La gestion des risques
 
L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...
L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...
L’identification, l’analyse et l’évaluation des risques selon l’ISO 31000 : l...
 
cours de Gestion des risques - demarche
cours de Gestion des risques - demarchecours de Gestion des risques - demarche
cours de Gestion des risques - demarche
 
Sûreté de Fonctionnement
Sûreté de FonctionnementSûreté de Fonctionnement
Sûreté de Fonctionnement
 
Problématique qualité sous solvailité 2
Problématique qualité sous solvailité 2Problématique qualité sous solvailité 2
Problématique qualité sous solvailité 2
 
[Gestion des risques et conformite] mettre en place une demarche erm
[Gestion des risques et conformite] mettre en place une demarche erm[Gestion des risques et conformite] mettre en place une demarche erm
[Gestion des risques et conformite] mettre en place une demarche erm
 
Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?
Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?
Quel Cadre opérationnel cohérent pour la gestion des risques opérationnels?
 
Risque achat , scm
Risque achat , scmRisque achat , scm
Risque achat , scm
 
MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...
MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...
MATINÉE PMI : La gestion des risques de sécurité de l'information dans les pr...
 
management-risques-projet
 management-risques-projet  management-risques-projet
management-risques-projet
 
DataWerhouse : Données de qualité
DataWerhouse : Données de qualitéDataWerhouse : Données de qualité
DataWerhouse : Données de qualité
 
Gestion des risques
Gestion des risquesGestion des risques
Gestion des risques
 

Similaire à Herve balloux analyses risk and investment

Herve balloux applied data science
Herve balloux  applied data scienceHerve balloux  applied data science
Herve balloux applied data scienceHerveBalloux
 
Présentation Quanteam - cabinet de conseil en Banque Finance Assurance
Présentation Quanteam -  cabinet de conseil en Banque Finance AssurancePrésentation Quanteam -  cabinet de conseil en Banque Finance Assurance
Présentation Quanteam - cabinet de conseil en Banque Finance AssuranceAlban Jarry
 
Solvency 2 : De la réglementation à la pratique
Solvency 2 : De la réglementation à la pratiqueSolvency 2 : De la réglementation à la pratique
Solvency 2 : De la réglementation à la pratiqueR&A - Risk & Analysis
 
Le six sigma : ça marche
Le six sigma : ça marcheLe six sigma : ça marche
Le six sigma : ça marcheLaurent
 
Présentation de la méthodologie 6 Sigma
Présentation de la méthodologie 6 SigmaPrésentation de la méthodologie 6 Sigma
Présentation de la méthodologie 6 Sigmaformation
 
Présentation du Six Sigma
Présentation du Six SigmaPrésentation du Six Sigma
Présentation du Six Sigmafabrice
 
Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...
Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...
Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...XL Groupe
 
Herve balloux finance et organisation
Herve balloux finance et organisationHerve balloux finance et organisation
Herve balloux finance et organisationHerveBalloux
 
Socio Data Management présente son outil de simulation prédictive au Printemp...
Socio Data Management présente son outil de simulation prédictive au Printemp...Socio Data Management présente son outil de simulation prédictive au Printemp...
Socio Data Management présente son outil de simulation prédictive au Printemp...Socio Data Management
 
Alteryx - Axys Webinar Prediction du risque et Potentiel client
Alteryx - Axys Webinar Prediction du risque et Potentiel clientAlteryx - Axys Webinar Prediction du risque et Potentiel client
Alteryx - Axys Webinar Prediction du risque et Potentiel clientAxys
 
Présentation de la solution Strategeex
Présentation de la solution StrategeexPrésentation de la solution Strategeex
Présentation de la solution StrategeexVisiativ
 
Etude comparative iso 9001 vs iso 27001.ppt
Etude comparative  iso 9001 vs iso 27001.pptEtude comparative  iso 9001 vs iso 27001.ppt
Etude comparative iso 9001 vs iso 27001.pptKhouloud Errachedi
 
Technicien ne _de_la_qualite___210_heures
Technicien ne _de_la_qualite___210_heuresTechnicien ne _de_la_qualite___210_heures
Technicien ne _de_la_qualite___210_heuresStéphanie GUILLOUX
 
Catalogue de formations - SLPV analytics
Catalogue de formations  - SLPV analyticsCatalogue de formations  - SLPV analytics
Catalogue de formations - SLPV analyticsAntoine Moreau
 
Jeu des indicateurs et kpi
Jeu des indicateurs et kpiJeu des indicateurs et kpi
Jeu des indicateurs et kpiCIPE
 
Herve balloux approche six sigma
Herve balloux approche six sigmaHerve balloux approche six sigma
Herve balloux approche six sigmaHerveBalloux
 
La boite a_outils_de_l_excellence_operationnelle_presentation minitab
La boite a_outils_de_l_excellence_operationnelle_presentation minitabLa boite a_outils_de_l_excellence_operationnelle_presentation minitab
La boite a_outils_de_l_excellence_operationnelle_presentation minitabMinitab, LLC
 
les Fondamentaux de l'audit interne
les Fondamentaux de l'audit interneles Fondamentaux de l'audit interne
les Fondamentaux de l'audit interneYoussef Bensafi
 

Similaire à Herve balloux analyses risk and investment (20)

Herve balloux applied data science
Herve balloux  applied data scienceHerve balloux  applied data science
Herve balloux applied data science
 
Présentation Quanteam - cabinet de conseil en Banque Finance Assurance
Présentation Quanteam -  cabinet de conseil en Banque Finance AssurancePrésentation Quanteam -  cabinet de conseil en Banque Finance Assurance
Présentation Quanteam - cabinet de conseil en Banque Finance Assurance
 
Solvency 2 : De la réglementation à la pratique
Solvency 2 : De la réglementation à la pratiqueSolvency 2 : De la réglementation à la pratique
Solvency 2 : De la réglementation à la pratique
 
Cours Mgt Hd Strat Swot Projets
Cours Mgt Hd Strat   Swot   ProjetsCours Mgt Hd Strat   Swot   Projets
Cours Mgt Hd Strat Swot Projets
 
Le six sigma : ça marche
Le six sigma : ça marcheLe six sigma : ça marche
Le six sigma : ça marche
 
Présentation de la méthodologie 6 Sigma
Présentation de la méthodologie 6 SigmaPrésentation de la méthodologie 6 Sigma
Présentation de la méthodologie 6 Sigma
 
Présentation du Six Sigma
Présentation du Six SigmaPrésentation du Six Sigma
Présentation du Six Sigma
 
Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...
Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...
Réussissez votre transformation Lean grâce à un diagnostic 360° de votre entr...
 
Herve balloux finance et organisation
Herve balloux finance et organisationHerve balloux finance et organisation
Herve balloux finance et organisation
 
Présentation CNP Assurances - Projet indicateurs
Présentation CNP Assurances - Projet indicateursPrésentation CNP Assurances - Projet indicateurs
Présentation CNP Assurances - Projet indicateurs
 
Socio Data Management présente son outil de simulation prédictive au Printemp...
Socio Data Management présente son outil de simulation prédictive au Printemp...Socio Data Management présente son outil de simulation prédictive au Printemp...
Socio Data Management présente son outil de simulation prédictive au Printemp...
 
Alteryx - Axys Webinar Prediction du risque et Potentiel client
Alteryx - Axys Webinar Prediction du risque et Potentiel clientAlteryx - Axys Webinar Prediction du risque et Potentiel client
Alteryx - Axys Webinar Prediction du risque et Potentiel client
 
Présentation de la solution Strategeex
Présentation de la solution StrategeexPrésentation de la solution Strategeex
Présentation de la solution Strategeex
 
Etude comparative iso 9001 vs iso 27001.ppt
Etude comparative  iso 9001 vs iso 27001.pptEtude comparative  iso 9001 vs iso 27001.ppt
Etude comparative iso 9001 vs iso 27001.ppt
 
Technicien ne _de_la_qualite___210_heures
Technicien ne _de_la_qualite___210_heuresTechnicien ne _de_la_qualite___210_heures
Technicien ne _de_la_qualite___210_heures
 
Catalogue de formations - SLPV analytics
Catalogue de formations  - SLPV analyticsCatalogue de formations  - SLPV analytics
Catalogue de formations - SLPV analytics
 
Jeu des indicateurs et kpi
Jeu des indicateurs et kpiJeu des indicateurs et kpi
Jeu des indicateurs et kpi
 
Herve balloux approche six sigma
Herve balloux approche six sigmaHerve balloux approche six sigma
Herve balloux approche six sigma
 
La boite a_outils_de_l_excellence_operationnelle_presentation minitab
La boite a_outils_de_l_excellence_operationnelle_presentation minitabLa boite a_outils_de_l_excellence_operationnelle_presentation minitab
La boite a_outils_de_l_excellence_operationnelle_presentation minitab
 
les Fondamentaux de l'audit interne
les Fondamentaux de l'audit interneles Fondamentaux de l'audit interne
les Fondamentaux de l'audit interne
 

Plus de HerveBalloux

Herve balloux methodes de modelisation marketing
Herve balloux methodes de modelisation marketingHerve balloux methodes de modelisation marketing
Herve balloux methodes de modelisation marketingHerveBalloux
 
Herve balloux approche benchmarking
Herve balloux approche  benchmarkingHerve balloux approche  benchmarking
Herve balloux approche benchmarkingHerveBalloux
 
Herve balloux optimisation strategie marketing
Herve balloux optimisation strategie marketingHerve balloux optimisation strategie marketing
Herve balloux optimisation strategie marketingHerveBalloux
 
Herve balloux datamining
Herve balloux dataminingHerve balloux datamining
Herve balloux dataminingHerveBalloux
 
Herve balloux strategie erp
Herve balloux strategie erpHerve balloux strategie erp
Herve balloux strategie erpHerveBalloux
 
Herve balloux strategie et si
Herve balloux strategie et siHerve balloux strategie et si
Herve balloux strategie et siHerveBalloux
 
Herve balloux analyses marche alimentaire
Herve balloux analyses marche alimentaireHerve balloux analyses marche alimentaire
Herve balloux analyses marche alimentaireHerveBalloux
 
Herve balloux approche reengineering
Herve balloux approche reengineeringHerve balloux approche reengineering
Herve balloux approche reengineeringHerveBalloux
 
Herve balloux analyse strategique
Herve balloux analyse strategiqueHerve balloux analyse strategique
Herve balloux analyse strategiqueHerveBalloux
 

Plus de HerveBalloux (9)

Herve balloux methodes de modelisation marketing
Herve balloux methodes de modelisation marketingHerve balloux methodes de modelisation marketing
Herve balloux methodes de modelisation marketing
 
Herve balloux approche benchmarking
Herve balloux approche  benchmarkingHerve balloux approche  benchmarking
Herve balloux approche benchmarking
 
Herve balloux optimisation strategie marketing
Herve balloux optimisation strategie marketingHerve balloux optimisation strategie marketing
Herve balloux optimisation strategie marketing
 
Herve balloux datamining
Herve balloux dataminingHerve balloux datamining
Herve balloux datamining
 
Herve balloux strategie erp
Herve balloux strategie erpHerve balloux strategie erp
Herve balloux strategie erp
 
Herve balloux strategie et si
Herve balloux strategie et siHerve balloux strategie et si
Herve balloux strategie et si
 
Herve balloux analyses marche alimentaire
Herve balloux analyses marche alimentaireHerve balloux analyses marche alimentaire
Herve balloux analyses marche alimentaire
 
Herve balloux approche reengineering
Herve balloux approche reengineeringHerve balloux approche reengineering
Herve balloux approche reengineering
 
Herve balloux analyse strategique
Herve balloux analyse strategiqueHerve balloux analyse strategique
Herve balloux analyse strategique
 

Herve balloux analyses risk and investment

  • 1. Présentation de nos domaines de compétences ANALYSE DES RISQUES HerveBalloux@gmail.com
  • 2. 2 OPTRAT Management ConsultingSHervé Balloux 1 2 Introduction Analyse des risques - crédit - investissement Sommaire
  • 4. 4 OPTRAT Management ConsultingSHervé Balloux Introduction (1/2) STRATOP aide les Directions Générales de groupes internationaux à définir et mettre en œuvre leurs stratégies de développement. Nous intervenons dans les domaines de l’analyse et de l’amélioration des performances opérationnelles, financières et commerciales et accompagnons nos clients jusqu’à la mise en place de systèmes d’information. Nos consultants, issus de cabinets internationaux, ont acquis une grande expérience des secteurs dans lesquels nous intervenons : - services financiers (assurance, banque commerciale, crédit à la consommation), - produits de grande consommation et distribution, - autres services et entreprises industrielles. Nos démarches sont structurées selon une approche qualitative et quantitative des problématiques.
  • 5. 5 OPTRAT Management ConsultingSHervé Balloux Introduction (2/2) Grâce à notre collaboration permanente avec des écoles de management de renom, dont l’INSEAD et l’ESCP, dans le domaine de l’enseignement et de la recherche, nous mettons en œuvre des méthodologies et des outils spécifiques d’aide à la décision qui intègrent les développements les plus récents en matière de management : - systèmes de gestion du risque dans la banque (risque de crédit, risque opérationnel) dans la cadre de la réglementation Bâle II . identification des facteurs de risque . modélisation statistique (scores, probabilité de survenance du risque…) - stratégie d’acquisition : . évaluation opérationnelle . intégration - reengineering, ABM, six sigma, benchmarking : . reconfiguration des processus . qualité de service et productivité - stratégie et analyses marketing : . allocation de ressources marketing . évaluation des attentes client - développement d’outils d’aide à la décision : . bases de données client (assurance, distribution) . modélisation (prévision des ventes, productivité)
  • 6. 6 OPTRAT Management ConsultingSHervé Balloux 1 2 Introduction 3 Présentation des associés 4 Références Analyse des risques - crédit - investissement
  • 7. 7 OPTRAT Management ConsultingSHervé Balloux ➢ sélectionner les prospects ou les clients en fonction de leur risque Objectif d’un système de score (1/3)
  • 8. 8 OPTRAT Management ConsultingSHervé Balloux Le taux de défaillance est beaucoup plus élevé dans les tranches de score les plus basses. Il décroît exponentiellement avec l’amélioration du risque ➢ prédire le risque de défaillance et tarifer en fonction du risque Objectif d’un système de score (2/3)
  • 9. 9 OPTRAT Management ConsultingSHervé Balloux 0% 5% 10% 15% 20% 25% 30% 0 10 20 30 40 50 60 70 80 90 100 Taux de défaillance SCORE : Les individus avec un score de 10 ont 4% de chance d’être en défaut sur les 12 prochains mois. Objectif d’un système de score (3/3) ➢ prédire le risque de défaillance et tarifer en fonction du risque
  • 10. 10 OPTRAT Management ConsultingSHervé Balloux Préparation du projet Evaluation de l’existant Adaptation des scores Mise en place du système de scores (hors périmètre du projet)• identification des scores cibles • identification des scores existants • évaluation de l’offre des scores génériques • identification des scores spécifiques à développer • préparation des phases ultérieures 1 2.1 • évaluation des techniques • évaluation des outils d’analyse Sélection des scores Adaptation des scores Constitution des échantillons Analyse des données • définition des échantillons • collecte des données • ajustement des données • validation des échantillons • évaluation des fournisseurs • évaluation des scores • négociation et choix • recette des échantillons et transfert des données sur le logiciel d'analyse • analyse des données • validation et interprétation des résultats • documentation technique des modèles 3.1 2.2 3.2 2.3 3.3 SCORES EXISTANTS SCORES GENERIQUES SCORES SPECIFIQUES Démarche pour la mise en place d’un système de scores
  • 11. 11 OPTRAT Management ConsultingSHervé Balloux Constitution des échantillons pour le développement des scores spécifiques • choix/définition des échantillons de construction et de validation - pour certains domaines où il existe peu de données, l’échantillon pourra représenter la population - l’échantillon de construction doit être différent de l’échantillon de validation - les échantillons pourraient être choisis, plus en fonction de la disponibilité des données (plate- forme informatique…) que de critères purement statistiques (aléatoire/représentatif) • collecte des données (données élémentaires ou transformées ?) - variables à modéliser - variables explicatives - historiques (longs pour les crédits à moyen et long terme) • ajustement des données - estimation pour les données non disponibles ? - modification pour les données manquant de fiabilité ? • validation des échantillons
  • 12. 12 OPTRAT Management ConsultingSHervé Balloux Analyse des données pour le développement des scores spécifiques • recette par l’équipe d’analyse des échantillons • transfert des données sur le logiciel d'analyse statistique (SAS ?) • réalisation des analyses - choix techniques de modélisation des scores . statistiques descriptives (moyenne, écart type…) . statistiques multi variées (régression logistique, analyse de variance, analyse discriminante…) . … - transformation des données - réalisations des analyses - choix des meilleurs modèles ? • validation et interprétation des résultats - test de la qualité des modèles sur la base des échantillons de validation - interprétation des coefficients des modèles • documentation technique des modèles SAS institute
  • 13. 13 OPTRAT Management ConsultingSHervé Balloux Processus de modélisation : régression logistique Préparation de l’analyse • sélection des variables - analyse univariable à partir d’une liste déterminée à priori - stepwise (Pr, Pe) - … • discrétisation des variables continues • codification des variables à créer (variables correspondant aux modalités des variables continues « discrétisées ») 1 Modèle multivariable principal Modèle multivariable final • tests • ROC •Indice de Gini • inclusion des variables retenues lors de l’analyse univariable (p < 0,25 ?) • sélection finale sur la base des tests de signification statistique des coefficients du modèle multivariable(p <0,05 ?) • analyse de l’interaction entre les variables du modèle principal (« variables croisées ») -une par une -stepwise • sélection finale sur la base des tests de signification statistique des coefficients du modèle multivariable (p <0,05 ?) 2 3 Evaluation de la performance du modèle 4 ➢ Il existe différentes techniques de prévision du risque comme l’analyse discriminante, la régression logistique ou les réseaux de neurones ➢ La régression logistique nécessite moins d’hypothèses, par rapport aux autres techniques linéaires, pour un pouvoir prédictif similaire
  • 14. 14 OPTRAT Management ConsultingSHervé Balloux Date de prise en compte des caractéristiques clients Période d’observation du défaut temps t + 12 moist ➢ Score d’octroi ou prospect : mesure du risque d’un prospect contractant un engagement ➢ Approche par produit ➢ Défaut modélisé : 90 jours d’impayés consécutifs sur crédits / engagements Mise en place d’un système de scores Bâle II : Définition et période d’observation du défaut pour un score d’octroi
  • 15. 15 OPTRAT Management ConsultingSHervé Balloux Période d’observation du compte Période d’observation du défaut temps t + 12 mois nov 2002 t nov 2001 t + 3 mois fév 2002 t + 6 mois mai 2002 t + 9 mois août 2002 t + 15 mois janv 2002 ? Mise en place d’un système de scores Bâle II : Définition et période d’observation du défaut pour un score de comportement ➢ Score de comportement ou client : mesure du risque d’un client contractant ou ayant contracté un engagement ➢ Approche par client : principe de la contagion - consolidation des risques au niveau client ➢ Défaut modélisé : 90 jours d’impayés consécutifs sur crédits ou compte de dépôt en infraction pendant au moins 90 jours ou oppositions graves
  • 16. 16 OPTRAT Management ConsultingSHervé Balloux Calcul de l’importance des variables dans la note de score M M M M M M M
  • 17. 17 OPTRAT Management ConsultingSHervé Balloux Grille de score 40.456078-0.275295Classe 44 00.000000-0.731374Classe 33 131.3099720.578598Classe 22 70.7313740.000000Classe 11D 484.9974494.997449>556 343.4800283.480028]39;55]5 202.0564262.056426]16;39]4 80.8295550.829555]8;16]3 30.2749010.274901]3;8]2 00.0000000.000000<=31C 00.000000-2.729623>1245 20.178540-2.551083]87;124]4 90.904907-1.824716]34;87]3 191.923192-0.806432]0;34]2 262.7296230.000000<=01B 00.000000-1.293691<0 ou >1803 30.333581-0.960110]105;180]2 131.2936910.000000[0;105]1A Notes Score Normées Coeffs_positifsCoeffs_RegressionLibéllésModalitesVariables
  • 18. 18 OPTRAT Management ConsultingSHervé Balloux AR : Accuracy Ratio 0% 20% 40% 60% 80% 100% 0% 20% 40% 60% 80% 100% % de la population totale %mauvais La surface représente 63% celle de la prédiction parfaite Modèle parfait Modèle Mesures de performance du score (1/3) Sélectionner 30 % des cas les moins bien scorés permet de sélectionner près de 80 % des défaillants.
  • 19. 19 OPTRAT Management ConsultingSHervé Balloux Tranche de score % cumulé des défaillants % cumulé de la population 0 0% 0,00% 5 38,00% 5,50% 10 55,30% 13,00% 15 67,10% 20,80% 20 74,00% 25,60% 25 78,70% 31,00% 30 81,20% 35,70% 35 84,90% 40,70% 40 87,40% 47,10% 45 89,20% 52,60% 50 92,50% 57,80% 55 94,30% 64,10% 60 94,90% 67,70% 65 96,50% 72,70% 70 96,90% 75,70% 75 97,70% 80,10% 80 98,30% 85,10% 85 99,30% 88,60% 90 99,50% 91,90% 95 100,00% 96,30% 100 100,00% 100,00% AR : Exemple de calcul Mesures de performance du score (2/3) Sélectionner 40,7 % des cas les moins bien scorés permet de sélectionner près de 85 % des défaillants.
  • 20. 20 OPTRAT Management ConsultingSHervé Balloux M Sélectionner 80 % des cas les mieux scorés permet de ne sélectionner que 28% des défaillants. Autrement dit, 72 % des défaillants figurent parmi les 20% de scores les plus faibles. On peut sélectionner 70 % des défaillants (parmi les scores les plus faibles) en n’éliminant que 10 % des non défaillants. ROC GINI Mesures de performance du score (3/3)
  • 21. 21 OPTRAT Management ConsultingSHervé Balloux Produits IMMO 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00% 0 1 2 3 4 5 6 7 Produits CONSO 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00% 0 1 2 3 4 5 6 7 Mise en place d’un système de scores Bâle II : Evaluation de la perte en cas de défaut
  • 23. 23 OPTRAT Management ConsultingSHervé Balloux Problématique • chaque investisseur peut avoir un profil de risque spécifique ➢ identifier des investissements correspondant au profil de risque des investisseurs Par exemple, de nombreux investisseurs privilégient aujourd’hui une gestion dissymétrique de leurs avoirs : une certaine préservation du capital en période de baisse de marché avec un objectif de rendement plus régulier, d’où la croissance des hedge funds répondant aux attentes de ces investisseurs
  • 24. 24 OPTRAT Management ConsultingSHervé Balloux Ratio Sharpe • ratio introduit en 1966 évaluant la performance moyenne d’un portefeuille par rapport à sa volatilité • calcul du rendement additionnel à celui d’un investissement sans risque (bon du trésor) • le ratio est égal au rendement additionnel moyen divisé par son écart type • l’hypothèse sous-jacente de l’utilisation du ratio Sharpe est la normalité des rendements au cours du temps • le ratio Sharpe évalue la probabilité de baisse et de hausse autour du rendement moyen de manière identique
  • 25. 25 OPTRAT Management ConsultingSHervé Balloux Autres mesures de performance (1/2) Mesure des caractéristiques de la distribution des rendements (moyenne, écart type, asymétrie, aplatissement…) • les investisseurs enclins à la prudence préfèrent des rendements positifs et réguliers (positive skewness et low kurtosis) plutôt que des rendements pouvant être négatifs et irréguliers (negative skewness et high kurtosis) - le coefficient d’asymétrie (skewness) traduit le caractère asymétrique de la distribution - un coefficient d’aplatissement (kurtosis) élevé traduit une fréquence élevée de rendements extrêmes (> kurtosis de la distribution normale qui est égal à 3) 0 .1.2.3.4 Fraction 0 .5 1 1.5 rendement 0 .5 1 1.5 rendement 0 5 10 15 20 25 temps rendement ------------------------------------------------------------- Percentiles Smallest 1% .3 .3 5% .4 .4 10% .5 .5 Obs 24 25% .6 .5 Sum of Wgt. 24 50% .8 Mean .8708333 Largest Std. Dev. .3303215 75% 1.1 1.2 90% 1.4 1.4 Variance .1091123 95% 1.4 1.4 Skewness .20355 99% 1.5 1.5 Kurtosis 2.169618
  • 26. 26 OPTRAT Management ConsultingSHervé Balloux Autres mesures de performance (2/2) Mesure des caractéristiques de la distribution des rendements (Omega) • la valeur omega calcule le ratio des rendements au-dessus et en dessous du seuil de perte pondérés par leur probabilité de survenance : c’est le ratio de gains sur pertes pondéré par leur probabilité de survenance • l’objectif est de maximiser la valeur d’omega pour chaque seuil de perte. Il permet de hiérarchiser les portefeuilles en fonction des seuils de perte considérés par les investisseurs. 0 .2.4.6.8 1 cum 0 .5 1 1.5 rendement r : seuil de perte pour l’investisseur I2 I1 Ω (r) = ∫r b (1-F(x))dx / ∫a r F(x)dx • F : distribution cumulée des rendements • [a,b] : intervalle des rendements F(x)
  • 27. 27 OPTRAT Management ConsultingSHervé Balloux • l'utilisation de la théorie du CAPM (Capital Asset Pricing Model) pour la rémunération de l’investisseur : coût Beta (risque systématique) taux de rémunération sans risque (RF) • coût du capital (société i) = RF + Betai x (RM - RF) avec RM rémunération du marché, Betai = cov (Ri,RM) / var (RM) et Ri rémunération des actionnaires de la société i ==> seul le risque systématique est rémunéré pour l'actionnaire (puisqu'il ne peut pas être diversifié) rémunération du risque pour les actionnaires (SML : security market line) • • • société A société C (risque sous évalué) société D • société B (risque non systématique important) Stratégie long terme : CAPM
  • 28. 28 OPTRAT Management ConsultingSHervé Balloux • des méthodes de calcul plus anciennes (modèle Gordon ) : - coût = D1 / P0 + G avec D1 dividendes versés en année 1 et P0 prix marché du capital en début d'année 1 et G taux de croissance constant des dividendes et des bénéfices au cours du temps . G estimé à partir des données historiques (séries chronologiques des bénéfices par action) Bt = B0 x (1 + G)t ===> 1+ G = (Bt / B0)1/t ou Log Bt = Log B0 + t x Log (1 + G) . G = b x ROE avec b taux de rétention des bénéfices ((B - D) / B)) et ROE "return on equity" (bénéfices après impôt / fonds propres) B1 = B0 + (b x B0) x ROE = B0 x (1 + G) . G évalué par les analystes financiers / experts • des méthodes de calcul plus modernes (APM) : - APM (Arbitrage Pricing Model) est un modèle multivariable qui calcule le coût du capital, comme une fonction prenant en compte la sensibilité de chaque société à plusieurs facteurs fondamentaux du fonctionnement de l'économie (et non pas seulement la sensibilité à l'évolution globale du marché des actions) . coût = RF + Beta1x (RF1 - RF) + Beta2 x (RF2 - RF) + ... avec Beta1 sensibilité de l'action au facteur 1 et RF1 le rendement du portefeuille qui reproduit l'évolution du facteur 1 . exemples de facteurs : l'indice de la production industrielle, le taux d'intérêt réel à court terme, le taux d'inflation, le risque de banqueroute mesurée par la différence de rémunération des obligations long terme cotées Aaa et Baa ... Stratégie long terme : Gordon et APM
  • 29. 29 OPTRAT Management ConsultingSHervé Balloux Stratégie long terme : les méthodes les plus récentes Mesure de la performance relative d’un actif par rapport à un autre (modèles de Fama et French) • évaluation sur la base de séries chronologiques longues (10 ans) ➢ déterminer si la performance d’un investissement est supérieure à la performance rémunérant le risque ➢ identifier des niches d’arbitrage • Rt = α + β1 * RMRFt + β2 * SMBt + β3 * HMLt + β4 * Momentumt + εt - Rt : excess return to some asset (risk free rate treasury bills for example) in month t - RMRFt : value weighted market return minus the risk free rate at month t - SMBt : (Small Minus Big) - month t returns on zero-investment factor-mimicking portfolios designed to capture size effects (difference, each month, between the simple average of returns on small and big stock portfolios with same weighted average book-to- market equity)) - HMLt : (High Minus Low) - month t returns on zero-investment factor-mimicking portfolios designed to capture book-to-market effects (difference, each month, between the simple average of returns on high book- to-market and low book- to- market with same weighted average size) - Momentum : month t returns on zero-investment factor-mimicking portfolios designed to capture momentum effects