Les fondements théoriques du modèle de moyenne-variance

Le modèle de moyenne-variance, élaboré par Harry Markowitz en 1952, constitue un pilier fondamental de la théorie financière moderne. Il offre un cadre conceptuel permettant aux investisseurs d'allouer leurs actifs afin d'optimiser les rendements tout en minimisant le risque. Au cœur de ce modèle se trouve un équilibre entre deux objectifs concurrents : maximiser les rendements attendus et minimiser la variance, qui représente le degré d'incertitude ou de volatilité des futurs retours d'un investissement. Cette base théorique sous-tend les pratiques de gestion de portefeuille, l'évaluation des risques et les stratégies d'allocation d'actifs. La beauté du modèle réside dans sa capacité à quantifier le compromis entre risque et rendement, offrant une lentille mathématique à travers laquelle les investisseurs peuvent évaluer les portefeuilles optimaux. Toutefois, son applicabilité est limitée par des hypothèses telles que l'homogénéité du risque et l'efficacité du marché, ce qui restreint son utilité dans la réalité. Cet article explore les fondements théoriques du modèle de moyenne-variance, en se concentrant sur ses composants clés, son cadre mathématique et ses implications pour la prise de décision financière.

La notion de moyenne

Dans le modèle de moyenne-variance, la moyenne désigne le rendement attendu d'un actif ou d'un portefeuille. Il s'agit d'une mesure statistique représentant le rendement moyen qu'un investisseur peut anticiper sur une longue période. La moyenne est calculée comme la moyenne pondérée des rendements individuels des actifs, où les poids correspondent à la proportion du capital allouée à chaque actif. Par exemple, si un investisseur affecte 60 % de son portefeuille à l'Action A, ayant un rendement attendu de 12 %, et 40 % à l'Action B, avec un rendement attendu de 8 %, le rendement moyen du portefeuille serait :
$$
\text{Moyenne} = 0,6 \times 12% + 0,4 \times 8% = 10%.
$$
La moyenne sert de référence pour évaluer la performance des investissements. Les investisseurs visent à maximiser la moyenne tout en minimisant la variance, qui capture la dispersion des retours autour de la moyenne. Une moyenne plus élevée indique une perspective plus optimiste, mais il est essentiel de considérer le risque associé. Le modèle suppose que les rendements sont distribués normalement, ce qui simplifie le calcul des probabilités et des valeurs attendues. Cependant, les preuves empiriques révèlent souvent des distributions à queues grasses, mettant en cause les hypothèses du modèle.

La notion de variance

La variance mesure la dispersion des retours autour de la moyenne, quantifiant la volatilité d'un investissement. Elle est calculée comme la moyenne des écarts au carré entre chaque retour et le rendement moyen. Prenons l'exemple d'un actif dont les retours sont de 10 %, 12 %, 14 % et 16 % sur quatre périodes ; la variance serait :
$$
\text{Variance} = \frac{(10-12)^2 + (12-12)^2 + (14-12)^2 + (16-12)^2}{4} = 3.
$$
Une variance plus élevée indique une plus grande incertitude et un risque accru, tandis qu'une variance plus faible suggère une stabilité accrue. Le modèle de moyenne-variance traite la variance comme un proxy du risque, en supposant que les investisseurs sont averses au risque et cherchent à minimiser leur exposition aux fluctuations des rendements. Cette hypothèse est cruciale pour l'optimisation du portefeuille, car elle permet aux investisseurs de compenser entre les rendements attendus et le risque. Toutefois, le modèle ne prend pas en compte les relations non linéaires ou les anomalies de marché, telles que le regroupement des retours extrêmes, qui peuvent affecter les résultats dans la réalité.

Le compromis risque-rendement

Le modèle de moyenne-variance postule que les investisseurs doivent équilibrer le rendement attendu d'un investissement avec son risque associé. Ce compromis est souvent visualisé à l'aide de la frontière efficiente, un concept introduit par Markowitz. La frontière efficiente représente l'ensemble des portefeuilles offrant le rendement maximal pour un niveau donné de risque ou le risque minimal pour un niveau donné de rendement. Les investisseurs sont encouragés à choisir des portefeuilles le long de cette frontière, car ils optimisent leurs rendements ajustés au risque. Le modèle suppose que les investisseurs possèdent une tolérance au risque et sont indifférents à l'allocation spécifique des actifs, se concentrant plutôt sur le profil global risque-rendement.

Le compromis entre risque et rendement est influencé par des facteurs tels que la corrélation entre les actifs, la liquidité des investissements et la fonction d'utilité de l'investisseur. Par exemple, les actifs à faible corrélation (comme les actions et les obligations) peuvent diversifier efficacement le risque, réduisant ainsi la variance globale du portefeuille. À l'inverse, les actifs fortement corrélés peuvent entraîner une volatilité accrue. Le modèle suppose également que les investisseurs sont averses au risque, ce qui signifie qu'ils préfèrent des portefeuilles avec une variance plus faible, même si ceux-ci offrent légèrement moins de rendements. Cette hypothèse est fondamentale pour l'utilité du modèle, car elle simplifie le processus complexe de prise de décision des investisseurs dans la réalité.

L'optimisation du portefeuille

L'optimisation du portefeuille est le processus de sélection du mélange optimal d'actifs pour maximiser les rendements tout en minimisant le risque. Le modèle de moyenne-variance fournit un cadre mathématique pour cette tâche, en utilisant les principes suivants :

Diversification : En combinant des actifs à faible corrélation, les investisseurs peuvent réduire la variance globale du portefeuille.
Compromis risque-rendement : Le modèle met l'accent sur la relation inverse entre risque et rendement, guidant les investisseurs à équilibrer leur exposition aux actifs volatils avec des actifs plus stables.
Frontière efficiente : La frontière efficiente est dérivée en résolvant un problème d'optimisation contraint, où l'objectif est de maximiser les rendements pour un niveau donné de risque ou de minimiser le risque pour un niveau donné de rendement.

Le processus d'optimisation implique généralement la résolution d'un problème de programmation quadratique, où la fonction objectif est de maximiser le ratio de Sharpe (rendement ajusté au risque) tout en minimisant la variance du portefeuille. Cela nécessite de déterminer les poids optimaux de chaque actif dans le portefeuille. Par exemple, si un investisseur dispose de trois actifs avec des rendements attendus de 10 %, 12 % et 8 %, et des variances de 2, 3 et 1, les poids optimaux seraient déterminés en résolvant les équations suivantes :
$$
\text{Maximiser} \quad \frac{R_p}{\sigma_p}
$$
$$
\text{Sous réserve de} \quad \sum w_i = 1 \quad \text{et} \quad \sum w_i \sigma_i^2 = \sigma_p^2.
$$
La solution consiste à trouver les poids qui maximisent le ratio de Sharpe, qui est une mesure du rendement excédentaire par unité de risque. Ce processus est intensif en calcul et nécessite souvent des méthodes numériques, telles que l'approche de Markowitz, pour dériver le portefeuille optimal.

Cadre mathématique

Le modèle de moyenne-variance est ancré mathématiquement dans l'algèbre linéaire et la théorie des probabilités. Les équations clés impliquent le calcul des rendements attendus, des variances individuelles et de la matrice de covariance des actifs. La covariance mesure la manière dont les retours de deux actifs évoluent simultanément, ce qui est essentiel pour déterminer l'impact de la diversification. Le modèle repose sur la loi des grands nombres et la distribution normale pour simplifier les calculs, bien que des critiques soulignent que les marchés financiers réels présentent souvent des caractéristiques plus complexes. Malgré ces limites, le modèle de moyenne-variance demeure une référence indispensable pour comprendre la structure théorique de l'investissement moderne et pour développer des outils plus sophistiqués comme le modèle CAPM ou l'option pricing.