Figure 2.14 – Fonctions de RI entre rendements/HL et entre rendements/ROLL.

4.2.4 Réponse impulsionnelle et décomposition de la variance.

La fonction de réponse impulsionnelle est Un outil simple pour l’étude quantitative

de la propagation dynamique des chocs ou innovations. Elle mesure l’effet d’un choc sur
les valeurs courantes et futures des variables endogènes. Toutes les variables sont initia-
lement considérées comme étant potentiellement endogènes. Un choc sur l’ième variable
peut affecter directement cette ième variable, mais il se transmet également à l’ensemble
des autres variables au travers de la structure dynamique du VAR.

Les graphiques 2.14, 2.15 et 2.16 représentent les réponses à des chocs sur les erreurs
des deux variables du modèle VAR : les rendements et la liquidité . L’horizon temporel
est fixé à 10, cet horizon représente le délai nécessaire pour que les variables retrouvent
leurs niveaux de long terme. Au regard des résultats, on tire les conclusions suivantes :

— Réponse des rendements à un choc sur la liquidité : les rendements réagissent fai-
blement et lentement à un choc sur la liquidité. La réaction des rendements est
légèrement plus grande pour le cas des mesures de liquidité basées sur la fourchette

151
 Figure 2.15 – Fonctions de RI entre rendements/CS et entre rendements/Lvolume.

bid ask, par rapport aux mesures liées au volume des transactions. L’effet du choc
s’estompe au bout de 6 périodes avant que les rendements convergent de façon
oscillatoire vers leur valeur d’équilibre.
— Réponse de la liquidité à un choc sur les rendements : la liquidité par contre réagit
différemment aux innovations des rendements. Un choc sur ces derniers se répercute
immédiatement sur la liquidité. L’effet du choc est durable et ne s’estompe pas
même au bout de 10 jours. Notons tout de même que la réactivité de la liquidité est
presque la même quelque soit la mesure de liquidité utilisée.
— Réponse de la liquidité à son propre choc : la liquidité réagit violemment à ses
propres innovations. Un choc sur ces derniers se répercute immédiatement et de
manière brutale sur la liquidité. L’effet du choc est durable et ne s’estompe pas
même au bout de 10 jours. Notons tout de même que la réactivité de la liquidité est
presque la même quelque soit la mesure de liquidité utilisée.

Les fonctions de réponse impulsionnelle indiquent les évolutions directionnelles des

variables d’une part, et l’ampleur de ces déviations d’autre part.

152
 Figure 2.16 – Fonctions de RI entre rendements/A_ADV et entre rendements/LIX.

Cette étude peut être complétée par une analyse de la décomposition de la variance de
l’erreur de prévision. L’idée est de calculer la contribution de chacune des innovations à
la variance de l’erreur. Par exemple, si un choc sur 2,t affecte fortement la variance de
l’erreur sur Y1 , cette variable est considéré comme endogène. A contrario, si un choc sur
2,t n’affecte pas la variance de l’erreur sur Y1 quelque soit l’horizon de prévision alors Y1
peut être considérée comme exogène car elle évolue indépendamment de2,t . On dit que
l’ordre de décomposition s’effectue de la variable supposée être la plus exogène vers la
moins exogène. Les tableaux de la décomposition de la variance entre les rendements et
la liquidité sont donnés en annexes dans les figures 3.22, 3.23 et 3.24.

La décomposition de la variance confirme les résultats sur la causalité et indique une

dissymétrie d’effet. En effet, les variances de l’erreur de prévision des rendements sont
dues en quasi totalité à leurs propres innovations, et ne sont dues aucunement à celles de
la variable liquidité, et ce quelle que soit la mesure de liquidité utilisée.

L’étude menée avait pour but d’analyser la dépendance de court terme entre la liqui-

153
dité, mesurée par six différentes mesures, et les rentabilités du marché. Trois des mesures
de liquidité utilisées sont liées à la fourchette Bid-ask, et les trois autres mesures sont
liées au volume. Après avoir vérifié la stationnarité des variables, nous avons appliqué la
modélisation VAR sur des données de l’indice français CAC 40 en utilisant un historique
de 3131 observations, sur la période 2007-2018 incluant trois périodes de récession : la
crise des Subprimes de 2008, et la crise de la dette de 2011, et plus récemment la récession
de 2016.

Ce qui sort de cette étude c’est une dépendance négative entre les rendements et les
mesures de liquidité. Cependant, l’impact de la liquidité sur les rendements est très faible
voire non significatif quand on utilise les mesures liées au volume des transactions. Nous
avons également constaté une dépendance positive et significative entre les mesures de
liquidité et leurs propres valeurs retardés. Les tests de causalité au sens de Granger ont
débouché sur des résultats mitigés. D’une part, pour les mesures liées à la fourchette Bid-
ask, nous a aussi établi l’existence d’une causalité bidirectionnelle entre les rendements
et la liquidité. La causalité est seulement unidirectionnelle des rendements vers liquidité
quand on utilise les mesures liées au volume. Enfin, nous avons constaté que les rende-
ments réagissent faiblement et lentement à un choc sur la liquidité.

Conclusion
Au travers ce chapitre, nous avons caractérisé la présence du risque de liquidité sur le
marché du CAC 40 et nous avons étudié la relation entre la liquidité et les rendements.
En premier lieu, nous avons discuté des mesures de liquidité proposées jusqu’au là dans
la littérature. La liquidité est une notion à multiples aspects, il est donc peu probable
que nous ayons une seule mesure qui résume tous ses attributs. Nous n’avons de ce fait
présenté que certaines mesures classées en quatre catégories : les mesures relatives à la
fourchette, les mesures relatives au volume, les mesures relatives au prix et les mesures
relatives à l’impact sur le prix. Aucune des mesures présentées ne saisit toutes les dimen-
sions de la liquidité. Un des enjeux de la littérature sur la microstructure des marchés
financiers, est de fournir une mesure universelle de la liquidité.
Nous avons étudié par la suite les propriétés temporelles de la liquidité sur le marché
CAC 40. Nous avons pris pour cela les mesures : Roll, HL, CS, Amihud, ADV et LIX.
La quasi-majorité de ces mesures se sont révélées stationnaires. Plus important encore, la
propriété de la persistance a été décelée. Ceci implique un certain degré de prévisibilité de
la liquidité. La modélisation autoregressive de la liquidité du marché du CAC 40 à travers

154
les processus ARMA et ARFIMA a confirmé la persistance de la liquidité sur le marché
français.
Nous avons par la suite étudié la relation rendements-liquidité. Les résultats attestent de
l’effet de la liquidité sur les rendements, mais ils différent selon la conjoncture économique.
Les tests de causalité au sens de Granger entre les rendements et la liquidité ont débou-
ché sur des résultats mitigés. D’une part, pour les mesures liées à la fourchette Bid-ask,
nous a eu une causalité bidirectionnelle. La causalité est seulement unidirectionnelle des
rendements vers liquidité quand on utilise les mesures liées au volume. Enfin, nous avons
constaté que les rendements réagissent faiblement et lentement à un choc sur la liquidité.

155
Chapitre 3

La gestion du risque de liquidité

Introduction
Dans le second chapitre, nous avons mis en évidence la présence du risque de liquidité
sur le marché français. Cette présence impacte les rendements des actifs financiers. Cet
impact ne se limite pas aux marchés financiers mais peut se propager vers la sphère réelle
comme nous l’avons vu en premier chapitre. Les modèles classiques de gestion de risque ne
tiennent pas souvent compte du risque de liquidité. La prise de conscience de l’importance
de la liquidité suite aux différentes crises financières a poussé à la fois les banques, les
opérateurs de marché et le régulateur à intégrer la composante de la liquidité dans les
modèles de gestion de risque. Le modèle d’évaluation des actifs financiers CAPM suppose
par exemple l’absence de frictions sur les marchés. De la même manière, le modèle de
gestion de portefeuille de Markowitz (1952) [254] n’impose pas de contrainte de liquidité.
Quant à la Value-at-Risk, elle ne tient aucunement du délai de liquidation d’une position.
Différents modèles sont apparus pour considérer la présence des coûts de transactions qui
affectent significativement les valeurs des actifs.
Dans ce chapitre, nous appliquons le modèle LCAPM, le modèle de gestion de portefeuille
avec contrainte de liquidité et le modèle LVaR. L’intérêt est de voir si de telles méthodes
d’intégration de la liquidité permettent de mieux gérer le risque de liquidité.

1 La liquidité dans le modèle d’évaluation des actifs

financiers
Le modèle LCAPM « Liquidity Capital Asset Pricing Model » sert à exprimer les ren-
dements des actifs financiers en termes de risque systématique et de risque de liquidité.

156
Les coefficients du modèle permettent de capter le risque de marché ainsi que les différents
aspects du risque de liquidité. Le but de cette étude est de faire une estimation du modèle
d’évaluation des actifs financiers, en intégrant la composante de la liquidité.

1.1 Revue de littérature sur le LCAPM

Poursuivant les travaux initiaux de Harry Markowitz (1952)[254] sur la diversification
et la théorie moderne du portefeuille, Treynor (1962)[315], Sharpe (1964)[299], Lintner
(1965)[238] et Mossin (1966)[269] ont introduit le modèle d’évaluation des actifs finan-
ciers « CAPM », qui a pour but d’estimer la rentabilité attendue par le marché pour un
actif financier en fonction de son risque systématique non diversifiable. Le modèle CAPM
repose toutefois sur des hypothèses qui ne sont pas vérifiées dans la réalité : l’absence de
coûts de transaction (pas de commission, et pas de fourchette Bid-Ask, pas d’effet de la
taille des transactions sur les prix, les investisseurs ont le même horizon temporel).

Dans la foulée, plusieurs modifications du modèle CAPM ont été proposées avec des
hypothèses moins restrictives. Le modèle zéro-béta de Black et al. (1972)[54] tient compte
de l’impossibilité d’investir au taux d’intérêt sans risque. Lintner (1969)[239] présente un
modèle où les anticipations des investisseurs ne sont pas homogènes. Fama (1970)[135]
examine le cas d’un investisseur dont les choix ne se limitent pas à une seule période.
Fama et French (1992)[136], développent un modèle à trois facteurs pour tenir compte,
en plus du risque systématique, des variables "taille de la firme" et "ratio cours/valeur
comptable" (book-to-market ratio).
Sur la même ligne de recherche, la théorie sur la microstructure vient supporter ces ex-
tensions. Le but étant de tenir compte des limites des modèles standards de la finance,
en incorporant les frictions (coûts d’illiquidité, de transactions et d’asymétrie d’informa-
tions). Du fait de l’importance cruciale que joue la liquidité sur les marchés financiers,
une grande partie des recherches en microstructure se concentre sur l’influence de l’éva-
luation des actifs financiers. Dans ce sens, Amihud et al. (2006)[17] élaborent une revue
de littérature complète sur la relation entre la liquidité et le prix des actifs. Ils montrent
empiriquement que la liquidité a des effets de grande envergure sur les marchés financiers.

Les recherches sur la relation entre les rendements et l’illiquidité ont commencé bien
avant avec Amihud et Mendelson (1986)[13], et Pastor et Stambaugh (2003)[279] qui
examinent les risques de liquidité systématiques. Brennan et Subrahmanyam (1996)[65]
mettent l’accent sur la “prime de liquidité” en étudiant les coûts des transactions classés en
coûts fixes et variables. Leurs résultats affirment l’existence d’une relation concave entre

157
les rendements et la partie variable des coûts de transactions. Jacoby et al. (2000)[199]
développent un modèle inspiré du modèle CAPM pour démontrer que la vraie mesure
du risque systématique est basée sur les rendements “nets” c’est à dire en considérant les
coûts de liquidité. Brennan et al. (1996)[65] utilisent la fourchette bid-ask comme me-
sure de liquidité pour établir la présence d’une relation négative et significative entre les
rendements moyens des actions et leur liquidité. Cette relation témoigne donc de la pré-
sence d’une prime de liquidité dans les prix des actifs. De la même manière, Eleswarapu
(1997)[131] a pu vérifier l’existence d’une prime de liquidité positive pour les actions du
Nasdaq.

Les nombreux travaux qui attestent la présence d’une prime de liquidité sur les mar-
chés, ont poussé les chercheurs à intégrer la liquidité dans les modèles d’évaluation des
actifs financiers. Dans ce sens, Chan et Faff (2003)[83] examinent le rôle de la liquidité
dans la valorisation d’un actif. Liu (2006)[240] compare un modèle à deux facteurs (risque
de marché et risque de liquidité) avec le modèle Fama-French (à trois facteurs). Son mo-
dèle semble avoir une explication plus précise des rendements. Hearn et al. (2010)[177]
examinent l’influence de la taille de la firme et de sa liquidité dans l’évaluation de ses
actifs. Leur étude menée sur certains pays émergents conclut que ces facteurs ont un effet
significatif. Chai et al. (2010)[79] mènent la même étude sur le marché financier australien.
Leurs résultats stipulent que le facteur liquidité n’a qu’un effet marginal sur les rende-
ments sur marché australien.

Acharya et Pedersen (2005)[3] proposent une version inconditionnelle du LCAPM (li-

quidity CAPM ) dans laquelle les excès de rendement d’un titre incluent non seulement
une prime de risque de marché (ou la prime de risque du modèle standard CAPM), mais
aussi trois nouvelles primes de risque de liquidité. Ensuite, les auteurs testent empiri-
quement le LCAPM sur toutes les actions du New York Stock Exchange (NYSE) et de
l’American Stock Exchange (AMEX) sur la période 1962-1999, et constatent que le "bêta
net", qui combine le bêta du risque de marché et les trois bêtas du risque de liquidité, est
significatif et que le LCAPM présente une qualité d’ajustement (R2 ) supérieure à celle
du CAPM standard. Une autre variante de ce modèle est le modèle développé par Liu
(2006)[240]. Suivant les travaux pionniers de Acharya et Pedersen (2005)[3], Lam et Tam
(2011)[220] et Narayan et Zheng (2010)[274] vérifient que la liquidité est évaluée sur le
marché de Hong Kong et chinois. Martínez et al. (2005)[258] tirent de leur étude la même
conclusion pour le marché espagnol.
Acharya et al. (2013)[4] démontrent que le risque de liquidité conditionnel est évalué.
Liang et Wei (2012)[236] examinent 21 marchés développés et rapportent que seuls trois
marchés (la France, l’Irlande et le Japon) présentent une prime de risque de liquidité

158
significative. En revanche, Dalgaard (2009)[110] n’a trouvé aucune preuve permettant de
conclure que le niveau de liquidité a un impact significatif sur les valeurs des titres au Da-
nemark entre 1987 et 2008. Plus récemment, Kazumori et al. (2019)[210] et Holden et Nam
(2018)[185] appliquent le modèle d’acharya Pedersen (2005)[3] sur le marché Japonais et
sur le NASDAQ, et obtiennent des résultats mitigés.

1.2 Le modèle CAPM avec liquidité

Nous venons de voir que les chercheurs admettent que les rendements des actifs finan-
ciers doivent intégrer une prime de liquidité. L’approche traditionnelle consiste à consi-
dérer une prime de liquidité statique qui affecte le rendement des actifs. En outre, la
plupart du temps, on considère que le risque de liquidité est lié au niveau d’illiquidité de
l’actif, et non à la dynamique de la liquidité. Or, comme l’affirme Persaud (2003)[283] :
"le principal défi n’est pas le niveau moyen de la liquidité financière... mais sa variabilité
et son incertitude". Le LCAPM apporte une réponse à ce défi car il établit un cadre dans
lequel le niveau de liquidité ainsi que la variabilité ont un impact sur le prix des actifs.
Acharya et Pederson (2005)[3] s’intéressent à la manière dont le rendement espéré d’un
actif dépend de son coût d’illiquidité relatif, défini comme :

Ci,t
ci,t = ,
Pi,t−1

de son rendement du marché, et de la liquidité (ou illiquidité) relative du marché

définie par : P
Si Ci,t
cm,t = P i
i Si Pi,t−1

Pour déterminer les prix d’équilibre, le LCAPM s’appuie sur le modèle traditionnel
du CAPM dans lequel les agents maximisent leur utilité espérée sous une contrainte de
richesse dans un cadre thèorique sans frictions. En réécrivant le CAPM à un bêta en
rendement net, c’est à dire en tenant compte des couts d’illiquidité, on obtient un CAPM
ajusté en fonction de la liquidité. La version conditionnelle du LCAPM considère que les
variables sont conditionnées par l’information disponible en t. Elle s’écrit de la manière
suivante :

Covt (ri,t+1 −ci,t+1 ,rm,t+1 −cm,t+1 )

Et (ri,t+1 − ci,t+1 ) = rf + Et (rm,t+1 − cm,t+1 − rf ). V art (rm,t+1 −cm,t+1 )
(3.1)

Où r est le rendement de l’actif sans risque. Le modèle comporte, en plus de la com-

159
posante de risque de marché, trois termes de covariance qui sont liés aux coûts de tran-
sactions 1 :

Cov (r
t i,t+1 m,t+1 ,r ) Cov (c
t i,t+1 m,t+1 ,c )
Et (ri,t+1 ) = rf +Et (ci,t+1 ) + λt V art (rm,t+1 −cm,t+1 )
+ λt V art (rm,t+1 −cm,t+1 )
Cov (r ,c
t i,t+1 m,t+1 ) Cov (c ,r
t i,t+1 m,t+1 ) (3.2)
−λt V art (rm,t+1 −cm,t+1 )
− λt V art (r m,t+1 −cm,t+1 )

La prime de risque est donnée par :

λt = E(λt ) = E(rm,t − cm,t − rf ) (3.3)

Et (ci,t+1 ) est le coût de transaction espéré, évoqué par Amihud et Mendelson (1986) 2 ,
qui accroît le rendement requis car les investisseurs demandent une compensation pour
l’achat d’un actif avec des coûts de transaction associés.

Comme dans le CAPM standard, le rendement requis d’un actif augmente linéaire-
ment avec le bêta du marché, c’est-à-dire la covariance entre le rendement de l’actif et le
rendement du marché. Ce modèle fait apparaître trois facteurs de risque supplémentaires
qui peuvent être considérés comme trois formes de risques de liquidité. Ces trois facteurs
sont :
1. Covt (ci,t+1 , cm,t+1 ) : En vertu de ce premier facteur de risque, le rendement requis
augmente avec la covariance entre l’illiquidité de l’actif et l’illiquidité du marché car les
investisseurs demandent à être récompensés pour la détention d’un titre qui devient illi-
quide lorsque le marché manque de liquidité.
Ce facteur de risque découle de la présence des facteurs communs de liquidité (commo-
nality in liquidity) qui varient dans le temps. L’effet commun de la liquidité est décrit
par Chordia et al. (2000)[92] et Hasbrouck et Seppi (2000)[173]. Ces auteurs constatent
que l’illiquidité de la plupart des actions est positivement liée à l’illiquidité du marché, de
sorte que le rendement requis devrait être augmenté par l’effet de la liquidité commune.
Brockman et Chung (2002)[68] concluent à l’existence de facteurs communs de liquidité
à la bourse de Hong Kong. Hasbrouck et Seppi (2001)[173] se servent de l’analyse en
composantes principales (ACP) pour identifier ces facteurs communs de la liquidité.
En général, les facteurs communs de la liquidité sont des événements (krach boursier par
1. On peut démontrer que la covariance Covt (ri,t+1 − ci,t+1 , rm,t+1 − cm,t+1 ) peut se réécrire comme :

Covt (.) = E [(ri,t+1 − ci,t+1 )(rm,t+1 − cm,t+1 )] − E [ri,t+1 − ci,t+1 ] E [rm,t+1 − cm,t+1 ]
= E [ri,t+1 rm,t+1 + ci,t+1 cm,t+1 − ri,t+1 cm,t+1 − rm,t+1 ci,t+1 ] − (E [ri,t+1 ] − E [ci,t+1 ]).(E [rm,t+1 ] − E [cm,t+1 ])
= Covt (ri,t+1 rm,t+1 ) + Covt (ci,t+1 − cm,t+1 ) − Covt (ri,t+1 − cm,t+1 ) − Covt (rm,t+1 − ci,t+1 )

2. Amihud et Mendelson (1986) étudient la valorisation des actifs en considérant les coûts d’illiqui-
dité comme une caractéristique et Acharya et Pederson (2005)[3] étudient la valorisation du "risque"
d’illiquidité. Voir Holden et Nam (2019)[185] pour la distinction entre les deux modèles.

160