Modélisation financière

Présenté par : M. Adlane HAFFAR

ISGP

Plan
• Introduction
• Régression linéaire
• Droite de régression
• Application

2
ISGP

introduction
• La première et seconde partie de ce chapitre est consacrée à la présentation du
modèle de régression linéaire simple, dont la finalité est la réalisation de prévisions
sur une variable à expliquer (endogène) en fonction d’une variable explicative
(exogène).

3
ISGP

introduction
• La troisième et dernière partie du chapitre est consacrée à la présentation et
l’application du modèle de Sharp (dit modèle de marché), qui permet de relier le
rendement d’une action avec le rendement du marché (représenté par l’indice
boursier), en recourant à un modèle de régression linéaire simple.

4
ISGP

Régression linéaire
Nuage de points :
• On considère deux séries statistiques Ri et Rj, observées sur deux actions cotées en
bourse.

5
ISGP

Régression linéaire
• On note
• ri,1, ri,2,…, ri,t les rendements relevés pour la première action.
• rj,1, rj,2,…, rj,t les rendements relevés pour la seconde action.

6
ISGP

Régression linéaire
• Dans un repère orthogonal, on appelle nuage de points, l’ensemble des points :
• M1(ri,1, rj,1), M2(ri,2, rj,2),…, Mt(ri,t, rj,t).
• Ces points sont représentés sur le graphique ci-dessous.

7
ISGP

Régression linéaire

8
ISGP

Régression linéaire
• Le nuage fournit immédiatement des informations de nature qualitatives.
• Ce nuage peut avoir une forme allongée ou curviligne ou parabolique ou très
dispersée.

9
ISGP

Régression linéaire
• Dans le cas où le nuage a une forme allongée au voisinage d’une droite, on cherche
à trouver l’équation de la droite qui passe par le maximum de points, c’est la droite
de régression.

10
ISGP

Régression linéaire

11
ISGP

Régression linéaire
• Pour en tirer des informations plus quantitatives, le tracé met en évidence la
possibilité de reconnaitre graphiquement la relation fonctionnelle entre les deux
variables observées.

12
ISGP

Régression linéaire
Coefficient de détermination :
• Afin de mieux appréhender la relation entre la série financière Ri et la série
financière Rj, on s’intéresse au coefficient de détermination de la série, noté R2.

𝑹𝟐 = 𝝆𝟐 𝑹𝒊 , 𝑹𝒋

• 𝜌 étant le coefficient de corrélation linéaire.

13
ISGP

Régression linéaire
• Le coefficient de corrélation linéaire d’une série statistique de variables Ri et Rj, est
le nombre ρ défini par :

𝑪𝒐𝒗 𝑹𝒊 , 𝑹𝒋
𝝆 𝑹𝒊 , 𝑹𝒋 =
𝝈 𝑹𝒊 𝝈 𝑹𝒋

• Cov(Ri,Rj) étant la covariance.

• σ(Ri) et σ (Rj) sont les écart-types de Ri et Rj.

14
ISGP

Régression linéaire
• Avec :
𝑻
𝟏
𝑪𝒐𝒗 𝑹𝒊 , 𝑹𝒋 ഥ 𝒊 𝑹𝒋,𝒕 − 𝑹
= ෍ 𝑹𝒊,𝒕 − 𝑹 ഥ𝒋
𝑻
𝒕=𝟏
• Où
• 𝑅𝑖,𝑡 : Le rendement de l’actif i à l’instant t.
• 𝑅𝑗,𝑡 : Le rendement de l’actif j à l’instant t.
ത𝑖 : Le rendement moyen de l’actif i.
• 𝑅
ത𝑗 : Le rendement moyen de l’actif j.
• 𝑅

15
ISGP

Régression linéaire
• Et :
𝑻
𝟏
ഥ
𝑽𝒂𝒓 𝑹 = ෍ 𝑹𝒕 − 𝑹 𝟐
𝑻
𝒕=𝟏
𝝈 𝑹 = 𝑽𝒂𝒓 𝑹
• Où
• 𝑅𝑡 : Le rendement de l’actif à l’instant t.
• 𝑇: Le nombre de période.
• ത Le rendement moyen de l’actif.
𝑅:
16
ISGP

Régression linéaire
• Le coefficient de corrélation linéaire

−𝟏 ≤ 𝝆 𝑹𝒊 , 𝑹𝒋 ≤ 𝟏

• Ce coefficient sert à mesurer la qualité d’un ajustement linéaire, si ce dernier est

nul, les séries Ri et Rj sont indépendantes.

17
 ISGP

Régression linéaire
Illustration :
• On dispose d’observations mensuelles sur les taux de rendement d’une action
cotées à la bourse de Londres, et celui de l’indice boursier FTSE100, durant
l’exercice 2023.
DATE 01/02/2023 01/03/2023 01/04/2023 01/05/2023 01/06/2023 01/07/2023 01/08/2023 01/09/2023 01/10/2023 01/11/2023 01/12/2023
DPLM.L (Ri) 0,019048 0,010065 - 0,044128 0,128816 - 0,015831 0,085121 - 0,032119 - 0,041481 - 0,053928 0,178747 0,069254
FTSE100 (RM) 0,023627 - 0,030568 - 0,010940 - 0,124919 0,043866 0,158120 - 0,007995 - 0,001240 - 0,003104 0,100872 0,029977

18
ISGP

Régression linéaire
• L’évolution graphique est illustrée ci-dessous :

Rendements mensuels (DPLM.L & FTSE100)

0,200000

0,150000

0,100000

0,050000

-
04/05/2023
05/12/2022

24/01/2023

15/03/2023

23/06/2023

12/08/2023

01/10/2023

20/11/2023

09/01/2024
-0,050000

-0,100000

-0,150000
DPLM.L (Ri) FTSE100 (RM)
19
ISGP

Régression linéaire
• À partir de ces observations, on commence par le calcul des rendements moyens :

𝑻
𝟏
ഥ𝒊 =
𝑹 ෍ 𝑹𝒊,𝒕
𝑻
𝒕=𝟏
𝟎, 𝟑𝟎𝟑𝟓𝟔𝟒
ഥ𝒊
𝑹 =
𝟏𝟏
ഥ𝒊
𝑹 = 𝟎, 𝟎𝟐𝟕𝟓𝟗𝟕

20
ISGP

Régression linéaire
• À partir de ces observations, on commence par le calcul des rendements moyens :

𝑻
𝟏
ഥ𝑴 =
𝑹 ෍ 𝑹𝑴,𝒕
𝑻
𝒕=𝟏
𝟎, 𝟏𝟕𝟕𝟔𝟗𝟕
ഥ
𝑹𝑴 =
𝟏𝟏
ഥ 𝑴 = 𝟎, 𝟎𝟏𝟔𝟏𝟓𝟒
𝑹

21
ISGP

Régression linéaire
• Puis on procède au calcul des variances et écart-types :
𝑻
𝟏 𝟐
𝑽𝒂𝒓 𝑹𝒊 ഥ𝒊
= ෍ 𝑹𝒊,𝒕 − 𝑹
𝑻
𝒕=𝟏
𝟎, 𝟎𝟔𝟎𝟓𝟑𝟏
𝑽𝒂𝒓 𝑹𝒊 =
𝟏𝟏
𝑽𝒂𝒓 𝑹𝒊 = 𝟎, 𝟎𝟎𝟓𝟓𝟎𝟑
𝝈 𝑹𝒊 = 𝟎, 𝟎𝟎𝟓𝟓𝟎𝟑
𝝈 𝑹𝒊 = 𝟎, 𝟎𝟕𝟒𝟏𝟖𝟏

22
ISGP

Régression linéaire
• Puis on procède au calcul des variances et écart-types :
𝑻
𝟏 𝟐
𝑽𝒂𝒓 𝑹𝑴 ഥ𝑴
= ෍ 𝑹𝑴,𝒕 − 𝑹
𝑻
𝒕=𝟏
𝟎, 𝟎𝟓𝟐𝟒𝟐𝟏
𝑽𝒂𝒓 𝑹𝑴 =
𝟏𝟏
𝑽𝒂𝒓 𝑹𝑴 = 𝟎, 𝟎𝟎𝟒𝟕𝟔𝟔
𝝈 𝑹𝑴 = 𝟎, 𝟎𝟎𝟒𝟕𝟔𝟔
𝝈 𝑹𝑴 = 𝟎, 𝟎𝟔𝟗𝟎𝟑𝟑

23
ISGP

Régression linéaire
• On calcul à présent la covariance :

𝑻
𝟏
𝑪𝒐𝒗 𝑹𝒊 , 𝑹𝑴 ഥ 𝒊 𝑹𝑴,𝒕 − 𝑹
= ෍ 𝑹𝒊,𝒕 − 𝑹 ഥ𝑴
𝑻
𝒕=𝟏
𝟎, 𝟎𝟏𝟐𝟗𝟕𝟔
𝑪𝒐𝒗 𝑹𝒊 , 𝑹𝑴 =
𝟏𝟏
𝑪𝒐𝒗 𝑹𝒊 , 𝑹𝑴 = 𝟎, 𝟎𝟎𝟏𝟏𝟕𝟗

24
ISGP

Régression linéaire
• On dispose à présent de l’ensemble des éléments permettant de calculer le
coefficient de corrélation :
𝑪𝒐𝒗 𝑹𝒊 , 𝑹𝑴
𝝆 𝑹𝒊 , 𝑹𝑴 =
𝝈 𝑹𝒊 𝝈 𝑹𝑴
𝟎, 𝟎𝟎𝟏𝟏𝟕𝟗
𝝆 𝑹𝒊 , 𝑹𝑴 =
𝟎, 𝟎𝟕𝟒𝟏𝟖𝟏 ∙ 𝟎, 𝟎𝟔𝟗𝟎𝟑𝟑
𝝆 𝑹𝒊 , 𝑹𝑴 = 𝟎, 𝟐𝟑𝟎𝟑𝟔𝟖

25
ISGP

Régression linéaire
• Enfin, on déduit la valeur du coefficient de détermination :

𝑹𝟐 = 𝝆𝟐 𝑹𝒊 , 𝑹𝑴
𝑹𝟐 = 𝟎, 𝟐𝟑𝟎𝟑𝟔𝟖 𝟐
𝑹𝟐 = 𝟎, 𝟎𝟓𝟑𝟎𝟔𝟗

26
ISGP

Droite de régression
• Compte tenu des difficultés inhérentes à la mise en application du modèle de
Markowitz, Sharpe a proposé une approche simplifiée connue sous le nom de
modèle de marché.

27
ISGP

Droite de régression
• Le principe de Sharpe est un principe strictement empirique, qui ne fait aucune
hypothèse particulière sur le marché ni sur les investisseurs.
• Ce modèle simplifié issu du modèle moyenne-variance est dit « modèle de marché ».

28
ISGP

Droite de régression
• Ce modèle établit une relation linéaire entre le rendement d’une action i et le
rendement du marché, de fait, ce modèle stipule que les fluctuations des cours d’un
actif sont dues à l’influence du marché en général et à des causes purement
spécifiques à chacune des sociétés considérées.

29
ISGP

Droite de régression
• Le modèle de marché est en fait un modèle de régression linéaire simple, où les
variations des rentabilités des actifs dépendent linéairement de facteurs communs à
l’ensemble du marché qui sont représentés par un indice de marché.

30
ISGP

Droite de régression
• Le modèle de Sharpe s’écrit donc :

𝑹𝒊𝒕 = 𝜶𝒊 + 𝜷𝒊 𝑹𝑴𝒕 + 𝜺𝒊𝒕

• Où
• 𝑅𝑖𝑡 : Le rendement de l’actif i sur la période t.
• 𝑅𝑀𝑡 : Le rendement du marché sur la période t.
• 𝜀𝑖𝑡 : Le rendement résiduel à la période t, sachant que
𝑬 𝜺𝒊𝒕 = 𝟎, 𝑪𝒐𝒗 𝜺𝒊𝒕 , 𝜺𝒋𝒕 = 𝟎 𝒆𝒕 𝑪𝒐𝒗 𝜺𝒊𝒕 , 𝑹𝑴𝒕 = 𝟎

31
ISGP

Droite de régression
• α𝑖 : La valeur espérée de 𝑅𝑖𝑡 lorsque 𝑅𝑀𝑡 est nulle.
• 𝛽𝑖 : La pente de la droite de régression, ce paramètre est propre à chaque actif i,
mesure l’influence du marché sur l’actif i.

32
ISGP

Droite de régression
• Les coefficients α𝑖 𝑒𝑡 𝛽𝑖 de la droite s’obtiennent par régression linéaire des
rendements du marché sur les rendements d’un actif pour une même période. La
méthode utilisée est celle des moindres carrés ordinaires.

33
ISGP

Droite de régression
• Le coefficient bêta mesure la sensibilité du rendement du titre i aux mouvements
du marché, ça formule est donnée par :
𝑪𝒐𝒗 𝑹𝒊𝒕 , 𝑹𝑴𝒕
෡
𝜷𝒊 =
𝑽𝒂𝒓 𝑹𝑴𝒕
• C𝑜𝑣 𝑅𝑖𝑡 , 𝑅𝑀𝑡 : La covariance entre le rendement du titre i et du marché à l’instant
t.
• V𝑎𝑟 𝑅𝑀𝑡 : La variance des rendements du marché à l’instant t.

34
ISGP

Droite de régression
• L’interprétation des valeurs du coefficient bêta :
• Un bêta nul indique que l’investissement est sans risque.
• Un bêta > 1 (titre offensif) : une variation de l’indice du marché implique une
variation plus importante du cours de l’action.
• Un bêta < 1 (titre défensif) : une variation de l’indice du marché implique une
variation moins importante du cours de l’action.

35
ISGP

Droite de régression
• Grâce au coefficient bêta, on réduit grandement le nombre de calculs à effectuer.
En effet, au lieu d’avoir à estimer des milliers de coefficients de corrélation, on
estime le coefficient bêta de chacun des titres. Ce qui mène à simplifier le modèle
de Markowitz.

36
ISGP

Droite de régression
• Le coefficient béta du précédent exemple est de :

𝑪𝒐𝒗 𝑹𝒊𝒕 , 𝑹𝑴𝒕

෡𝒊 =
𝜷
𝑽𝒂𝒓 𝑹𝑴𝒕
𝟎, 𝟎𝟎𝟏𝟏𝟕𝟗
෡𝒊
𝜷 =
𝟎, 𝟎𝟎𝟒𝟕𝟔𝟔
෡𝒊
𝜷 = 𝟎, 𝟐𝟒𝟕𝟓𝟒𝟕

37
ISGP

Droite de régression
• Le coefficient alpha du précédent exemple est de :

ෝ𝒊 = 𝑹
𝜶 ഥ𝒊 − 𝜷෡𝒊 ∙ 𝑹
ഥ𝑴
ෝ 𝒊 = 𝟎, 𝟎𝟐𝟕𝟓𝟗𝟕 − 𝟎, 𝟐𝟒𝟕𝟓𝟒𝟕 ∙ 𝟎, 𝟎𝟏𝟔𝟏𝟓𝟒
𝜶
ෝ 𝒊 = 𝟎, 𝟎𝟐𝟑𝟓𝟗𝟖
𝜶

38
ISGP

Droite de régression
• La droite de régression sera alors la suivante :

𝑹𝒊𝒕 = 𝟎, 𝟎𝟐𝟑𝟓𝟗𝟖 + 𝟎, 𝟐𝟒𝟕𝟓𝟒𝟕 ∙ 𝑹𝑴𝒕

39
ISGP

Droite de régression
• Le nuage de points et la droite de régression seront comme suit :
0,200000

0,150000

0,100000

0,050000

-
-0,150000 -0,100000 -0,050000 - 0,050000 0,100000 0,150000 0,200000
-0,050000

-0,100000
DPLM.L (Ri) DROITE Linéaire (DROITE)

40