L’utilisation d’outils quantitatifs fait la différence. Par exemple, le schéma 5.3 montre l’amélioration du portefeuille de Yale de 1985 à 2005, alors que l’Université a appliqué des techniques d’allocation d’actifs à la gestion du fonds de réserve. Les améliorations de la stabilité des prélèvements et de la préservation du pouvoir d’achat espérées sont intervenues malgré trois augmentations du taux de prélèvement.
Certains observateurs remettent en question la solidité des conclusions basées sur un ensemble d’hypothèses de marché spécifiques aux institutions. Bien que n’étant pas parole d’évangile, l’examen des résultats de portefeuilles gérés en utili-sant l’optimisation à moindre variance donne quelques éléments de réponse.
Parmi les fonds de réserve des colleges et des universités, Yale, Harvard, Princeton et Stanford possèdent un historique particulièrement étendu d’utilisation des outils quantitatifs de gestion de portefeuille. Bien que des différences mineures dans leurs conclusions résultent de variations dans les données utilisées et dans les préférences d’investissement des quatre institutions, des recommandations d’alloca-tions spécifiques ont tendance à être défendues par l’ensemble de leurs hypothèses.
Comme le montre le tableau 5.5, les différentes hypothèses indépendamment bâties concernant les marchés financiers produisent des résultats à peu près similaires.
20 %
05 00
95
90
85
Probabilité d’une baisse de 10% des prélèvements réels sur cinq ans Probabilité que la valeur réelle du fonds de réserve diminue de moitié en cinquante ans 26,5 %
30,0 %
29,5 %
28,5 %
28,0 %
27,5 %
35 % 30 %
25 % 40 %
Schéma 5.3 Yale réduit la volatilité des prélèvements et le risque sur le pouvoir d’achat.
Source : Département des Investissements de Yale.
YaleHarvardPrincetonStanfordMoyenne des quatreMoyenne des universités Actions américaines12 %15 %12 %20 %15 %42 % Obligations américaines4217121120 Actions étrangères151517151615 Performance absolue251225202111 Participations privées17131910154 Actifs tangibles27292023255 Liquidités0–500–12 Rendement espéré6,96,36,96,26,65,5 Déviation standard11,811,712,111,311,413,2 Source : Département des Investissements de l’Université de Yale. Tableau 5.5 Les fonds de réserve des grandes universités suivent des approches d’investissement plus diversifiées. (L’allocation d’actifs ciblée, les rendements espérés et la déviation standard des universités de Yale, Harvard, Princeton et Stanford, comparés à la moyenne des universités, au 30 juin 2006)
L’allocation d’actifs 167
Les fonds de réserve des plus grandes universités suivent des stratégies d’allo-cation d’actifs extrêmement différentes de celles des autres institutions d’enseigne-ment. Yale, Harvard, Princeton et Stanford affichent une diversification beaucoup plus large que celle du fonds de réserve moyen. Les actions domestiques dominent la plupart des portefeuilles de fonds de réserve, s’élevant en moyenne à 42 % des capitaux, alors que les portefeuilles mieux diversifiés des grandes institutions n’engagent que 15 % de leurs avoirs sur les actions domestiques. Celles-ci comptent pour 20 % du portefeuille du fonds de réserve moyen au lieu d’une allocation de 11 % pour Yale, Harvard, Princeton et Stanford. Les participations privées, incluant le capital-risque, les LBO, l’immobilier, l’exploitation forestière, le pétrole et le gaz naturel, qui sont à peine représentées dans le vaste groupe des institutions d’ensei-gnement et ne comptent que pour moins de 10 % des capitaux, jouent un rôle important dans les fonds de réserve de premier plan avec une allocation de 40 %.
Les techniques de modélisation quantitative appliquées avec discipline encouragent les investisseurs à créer des portefeuilles diversifiés.
Les fonds de réserve des plus grandes universités poursuivent des stratégies de rendements plus élevés, ce qui fait que les rendements espérés des fonds dépassent de 1,1 % la moyenne, une différence importante par rapport aux rendements espérés du groupe plus étendu. Bien qu’elles produisent des rendements espérés plus élevés, les niveaux de risque des portefeuilles des grandes universités sont inférieurs à ceux des fonds de réserve moins diversifiés. L’utilisation d’une analyse quantitative rigou-reuse du portefeuille contribue à la construction de portefeuilles à rendement élevé diversifiés.
CONCLUSION
Basées sur les principes philosophiques de l’orientation vers les actions et de la diversification, les décisions d’allocation d’actifs fournissent le cadre dans lequel sont créés des portefeuilles d’investissement efficients. Dans un monde plein d’incer-titudes, placer les objectifs de la politique d’allocation au centre du processus d’investissement apporte une bonne dose de stabilité aux fonds investis.
Les descriptions purement statistiques de différentes alternatives d’allocation d’actifs n’apportent pas grande aide aux décideurs. Le processus d’optimisation à moindre variance de Markowitz, largement utilisé, fournit un ensemble de porte-feuilles efficients, entièrement fondés sur deux paramètres : le rendement espéré moyen et le risque attendu (sous forme de déviation standard). Les théoriciens
identifient des portefeuilles optimums en spécifiant une fonction d’utilité à l’insti-tution qui produit un point de tangence avec la frontière d’efficience. Même dans le cas improbable où l’approche théorique s’avérerait utile, les décideurs se demande-raient comment le portefeuille choisi interagirait avec la politique de prélèvement de l’institution.
Un bon nombre de problèmes inhérents à la plupart des applications de l’analyse de moindre variance limitent sa capacité à évaluer les portefeuilles. L’incorporation de considérations qualitatives sensées dans le processus d’allocation d’actifs repré-sente un facteur essentiel à la formulation de conclusions pertinentes. Le jugement avisé joue un rôle important dans la sélection et la définition des classes d’actifs, aussi bien que dans la construction d’un ensemble d’hypothèses concernant les marchés financiers. La combinaison d’outils quantitatifs efficaces et de décisions qualitatives sensées fournit un point de départ pour les décisions d’allocation d’actifs.
L’utilisation de simulations pour tester les portefeuilles créés par l’optimisation à moindre variance permet une évaluation de l’efficience des politiques d’investis-sement et de prélèvement sur des horizons de temps appropriés. En employant les mêmes hypothèses concernant les marchés financiers utilisées dans l’analyse de moindre variance, les simulations permettent l’observation de périodes plus étendues et celle de l’interaction entre les politiques d’investissement et de prélèvement, ainsi que la traduction des caractéristiques des marchés et du portefeuille en critères quantitatifs pertinents pour les décideurs.
L’incapacité à atteindre les objectifs d’investissement définit le niveau de risque du portefeuille de la façon la plus fondamentale. Les objectifs, et les risques qui en découlent, doivent être décrits d’une manière qui permette aux administrateurs de comprendre les avantages et les inconvénients des différents portefeuilles. En évaluant les portefeuilles en termes de probabilités de maintenir le pouvoir d’achat et l’apport d’un flux financier stable au budget, les administrateurs comprennent et choisissent entre des alternatives définies par un ensemble de critères directement en relation avec les objectifs de l’institution.
Les portefeuilles générés par une combinaison d’optimisation à moindre variance et de simulation tournée vers l’avenir souffrent d’un certain nombre de limites.
Les résultats dépendent d’hypothèses concernant les rendements futurs, les risques encourus et les corrélations. Comme des estimations précises des rendements sont à peu près sûres de s’avérer fausses, le plus grand avantage de l’analyse vient de l’évaluation plus facile des interrelations. Si la qualité des hypothèses concernant les rendements et les risques associés aux marchés représentait la seule difficulté, les conclusions proposées par l’analyse quantitative seraient alors solides.
L’allocation d’actifs 169
Mais des problèmes plus sérieux viennent de l’instabilité des caractéristiques de risque et de corrélation des classes d’actifs. La tendance des actifs risqués à se mouvoir dans la même direction durant les périodes de crise diminue l’avantage de la diversification, au moins à court terme. Les questions concernant la nature de la distribution des rendements des titres et la stabilité des relations entre les classes d’actifs posent de grandes difficultés à la modélisation quantitative de l’allocation d’actifs. Néanmoins, le processus de quantification de l’analyse d’un portefeuille apporte la discipline qui manque à des approches moins rigoureuses de la construc-tion de portefeuille.
Un processus de construction systématique et quantitative du portefeuille se situe au cœur de l’activité de gestion de portefeuille, fournissant un cadre et une discipline au sein desquels les jugements qualitatifs viennent améliorer les décisions. En recon-naissant et en affirmant le rôle central des objectifs de la politique d’allocation d’actifs, les gestionnaires de fonds se tournent vers l’outil de gestion le plus puissant.
Enfin, un travail bien pensé d’allocation d’actifs fournit la base de la construction d’un programme d’investissement réussi.
171