RECHERCHE

Le risque de séquence des rendements

Par Shawn Brayman
Illustration : John Sapsford

Afin de contrer ce risque, le fait de vendre et d’acheter souvent n’est certes pas le meilleur conseil à donner aux investisseurs

En matière de risque de portefeuille, il existe une variété de mesures complexes qui prêtent à confusion comme les coefficients alpha et beta, les ratios de Sharpe, de Sortino, les ratios d’information) et qui sont liés aux rendements historiques et aux indices de référence. Même en ayant les compétences en mathématiques et le logiciel nécessaires pour analyser les produits compris dans le portefeuille d'un client, il existe encore un autre type de risque, soit le risque de séquence des rendements.

Le risque de séquence des rendements renvoie au fait que même en disposant de bons rendements, il se peut que les clients n'atteignent pas leurs objectifs en raison de la séquence dans laquelle surviennent les bons ou les mauvais rendements. Pour contrer ce risque, les conseillers utilisent des analyses informatisées complexes appelées «simulations de Monte Carlo» (ou méthode de Monte Carlo). Un planificateur financier ou un CA peut-il ainsi conseiller ses clients de manière efficace sans devenir un spécialiste du placement?

Le choix des produits

La théorie moderne du portefeuille est bien connue : nous savons que le choix des produits compte pour 2 à 4 % seulement de la variabilité du rendement d’un portefeuille, alors que le choix des catégories d’actifs compte pour 91 %. Malgré la recherche, les médias, les conseillers et les clients demeurent obsédés par le choix des produits, un peu comme si l’on choisissait une à une les briques pour construire une maison, en omettant d’examiner les plans de celle-ci.

Lorsque le rendement moyen d’un portefeuille est de 10 %, entre 0,25 % et 0,50 % du rendement peut être attribuable au choix des produits. Les clients paient généralement des frais de gestion de 1 à 2 % pour que leurs conseillers ou gestionnaires effectuent le choix de produits. Dans l’article «On persistence in mutual fund performance» (Journal of Finance), Mark Carhart montre que les fonds communs de placement dégagent un rendement net annuel d’un niveau anormal de -1,16 %. Cela signifie qu’en moyenne, les gestionnaires ne font pas leurs frais.

La répartition des actifs et le concept de frontière efficiente

La répartition des actifs est le premier élément déterminant du rendement d’un portefeuille. La difficulté consiste à déterminer la composition de l’actif, tâche aussi complexe que le choix des produits. L’approche la plus courante pour déterminer la composition de l’actif consiste à utiliser le concept de frontière efficiente. Les indices historiques et un processus élaboré par le lauréat du prix Nobel, William Sharpe, sont utilisés pour choisir une composition optimale visant à procurer le meilleur rendement possible pour tout niveau de risque ou de volatilité donné.

L’un des problèmes associés au concept de frontière efficiente est qu’il existe de nombreuses périodes possibles de données sur lesquelles fonder les hypothèses. Si on utilise les données des cinq ou des dix dernières années, on obtient une composition optimale recommandée de l’actif différente de celle obtenue en utilisant les données des 20 dernières années. Cette incertitude liée aux séries de données temporelles introduit une erreur d’estimation dans les hypothèses portant sur les marchés financiers.

La recherche montre qu’en raison de cette erreur d’estimation, la frontière efficiente n’est pas aussi «efficiente» lorsqu’elle s’applique «hors échantillon». Victor DeMiguel, Lorenzo Garlappi et Raman Uppal («How inefficient is the 1/N asset-allocation strategy», 31 mai 2005), ont constaté que [TRADUCTION] «[l]a règle de répartition de l’actif "1/N" donne généralement lieu, hors échantillon, à un ratio Sharpe plus élevé, à une valeur d’équivalent certain plus élevée et à une rotation plus faible que les politiques de répartition optimale de l’actif».

Par exemple, si l’on dispose des rendements historiques sur 20 ans, des écarts types et des coefficients de corrélation pour une série de catégories d’actifs, on peut les utiliser pour calculer le portefeuille le plus efficient possible, compte tenu du niveau de risque que l’on est prêt à assumer.

Mais un an plus tard (c’est-à-dire la 21e année, qui est hors échantillon), on pourrait constater que la «composition optimale» n’était pas le meilleur choix et qu’il aurait été préférable de diviser les actifs de manière égale entre les catégories d’actifs dont on dispose. Concrètement, une approche «1/N» signifie que si l’on dispose de deux catégories d’actifs à revenu fixe et de quatre catégories d’actions, une répartition simple sera vraisemblablement plus efficace que des séries d’analyses élaborées.

Pour obtenir un portefeuille «modéré» composé de 40 % de titres à revenu fixe et de 60 % d’actions, on n’a qu’à mettre 20 % de ses placements dans chacune des deux catégories de titres à revenu fixe et 15 % dans chacune des quatre catégories d’actions. Non seulement cette approche est-elle plus simple et plus facile à gérer, mais elle fonctionne bien et élimine les questions sur le choix d’une période de référence plutôt qu’une autre et aux raisons de ce choix. Victor DeMiguel a aussi constaté que trois facteurs font en sorte que le calcul au moyen du concept de frontière efficiente donne de moins bons résultats que les approches fondées sur l’approche «1/N» : la brièveté de la période des données sur lesquelles reposent les hypothèses; la faible volatilité des actifs individuels ou des catégories d’actifs; le nombre élevé de catégories d’actifs.

Si la volatilité annuelle des catégories d’actifs est de 20 % et qu’il y a quatre catégories d’actifs à optimiser, il faut disposer de données sur 50 ans pour que le concept de la frontière efficace donne d’aussi bons résultats que la stratégie «1/N».

Si on augmentait le nombre de catégories d’actifs (ou de placements) de quatre à 100, il faudrait que la fenêtre d’estimations ou les séries de données portent sur plus de 1 000 ans. Certains conseillers soulèvent ces problèmes pour discréditer la théorie moderne du portefeuille et revenir à la méthode du choix des produits.

Malheureusement, ils confondent l’utilisation de la répartition de l’actif en tant que principal déterminant du risque et du rendement, et l’utilisation de données historiques en vue de choisir une composition optimale de catégories d’actifs au moyen du concept de frontière efficiente.

Les conseillers incluent un avis de non-responsabilité sur les documents, semblable au suivant : «Les rendements passés ne sont pas garants des rendements futurs», et ils sont ensuite étonnés de constater que l’utilisation des données historiques n’a pas été efficace pour optimiser le portefeuille…

Alors, qu’est-ce que tout cela nous apprend sur les approches utilisant un grand nombre de produits de placement individuels assortis d’une brève période de données historiques et y appliquant le concept de la frontière efficiente? Rien ne vaut des programmes informatiques élaborés et de jolis graphiques pour impressionner, mais selon les recherches, il semble qu’il serait difficile de trouver une approche moins efficace que celle de la frontière efficiente afin de bâtir un portefeuille pour un client.

En pratique, la plupart des praticiens utilisent le modèle de la frontière efficiente comme point de départ et usent ensuite de jugement et de réflexion pour ajuster le portefeuille efficient afin d’obtenir un degré accru de diversification entre toutes les catégories d’actifs. Il s’agit d’une méthode hybride entre celle de la frontière efficace et l’approche «1/N». Pourrait-il y avoir des combinaisons plus efficientes? Sans aucun doute. Avons-nous des indications selon lesquelles il existe une manière cohérente de les déterminer? Apparemment, non.

Risque de séquence des rendements

Il y a un mouvement croissant en faveur de l’utilisation de la méthode de Monte Carlo, méthode statistique qui permet de générer des rendements aléatoires à partir d’hypothèses liées aux marchés financiers (rendement et écart type du portefeuille) et qui ne s’appuie pas sur un taux fixe unique de rendements pour l’établissement de prévisions.

La méthode de Monte Carlo se heurte aux mêmes limites en ce qui concerne l’erreur d’estimation liée aux hypothèses portant sur les marchés financiers. On fait valoir que les rendements aléatoires générés par la méthode de Monte Carlo reflètent plus fidèlement la réalité.
Néanmoins, bien qu’il puisse y avoir deux séquences de rendements ayant exactement la même moyenne géométrique ou le même taux de rendement composé, le client peut obtenir des résultats très différents selon l’ordre dans lequel ces rendements surviennent. Le moment auquel on utilise les fonds a également une incidence sur le résultat.

Bon nombre d’investisseurs ont fait la douloureuse expérience de l’influence de ces facteurs en 2001 et en 2002, quand la mauvaise performance des marchés boursiers a eu pour effet de retarder le moment de leur retraite ou a forcé certains d’entre eux à retourner au travail. Leurs bas de laine ont été gravement affectés par les piètres rendements d’alors. Combiné aux dépenses nécessaires au soutien de leur mode de vie de retraités, cela a fait en sorte qu’un grand nombre se sont inquiétés de manquer d’argent plus tôt que prévu.

Examinons trois scénarios. Un client place 100 000 $ et a pour objectif de retirer 39 689 $ par année. Il obtient un rendement de 9,26 % chaque année et il ne lui reste rien après trois ans. Si le client avait obtenu un rendement de -25 % la première année, puis de 35 % les deux années suivantes, le rendement composé aurait été de 11 %, mais il manquerait tout de même 28 914 $. Le rendement d'ensemble serait meilleur, mais la situation financière, pire.

Si le même client avait obtenu un rendement positif de 35 % la première année, puis de 0 % et de -15 %, respectivement, les deuxième et troisième années, il aurait eu un rendement composé de seulement 4,7 %, mais aurait encore 7 591 $ en banque après trois ans.

Ces scénarios, qui utilisent des rendements aléatoires, montrent que le risque de séquence des rendements est réel. Cela amène à penser qu’il est nécessaire d’utiliser une approche fondée sur la méthode de Monte Carlo ou une méthode semblable pour analyser ce type de risque.

Le tableau  à la page 49 montre les résultats de 10 000 simulations effectuées au moyen de la méthode de Monte Carlo, et pour lesquelles un rendement de 9,26 % constituait le seuil d’équilibre algorithmique pour un client. Il est clair qu’il y a des scénarios de succès qui comportent des rendements plus faibles et des scénarios d’échec qui comportent des rendements plus élevés.

Une moyenne géométrique (telle que celle de 9,26 % ci-dessus) est un rendement composé et elle reflète le taux par rapport auquel il y a 50 % de probabilités que le rendement soit plus élevé ou 50 % de probabilités qu’il soit moins élevé. Si le rendement cible correspond à ce dont le client a besoin pour atteindre son objectif, il a alors 50 % de chances de réussir ou 50 % de risques de ne pas atteindre l’objectif. Comment deux méthodes statistiques fondées sur les mêmes hypothèses liées aux marchés financiers peuvent-elles produire des résultats fondamentalement différents? Elles ne le peuvent pas. (Brayman, «Beyond Monte Carlo: An algorithmic replacement for a misunderstood practice», Journal of Financial Planning, décembre 2007.)

La méthode de Monte Carlo donne les mêmes résultats d’ensemble, mais au lieu de montrer que si le client obtient un rendement moins élevé, il échoue, et s’il obtient un rendement plus élevé, il réussit, elle peut également montrer (mais elle le ne fait habituellement pas) que le client peut être malchanceux et échouer même en obtenant des rendements plus élevés, ou peut être chanceux et réussir même avec des rendements moins élevés.

L’élément clé est que la probabilité générale est la même, soit 50/50, et que les choses peuvent simplement ne pas se produire de la manière que l’on suppose. Donc, un client peut être chanceux ou malchanceux selon le moment de sa retraite et les cycles du marché, mais il n’existe actuellement aucune méthode pour prédire les mauvaises séquences. Il n’existe pas non plus d’indications de l’existence de méthodes permettant de réduire le risque de séquence des rendements d’un portefeuille. Il est possible d’acheter certains produits assortis d’une protection contre la baisse des rendements, mais moyennant des frais élevés et, par conséquent, des rendements plus faibles. L’incidence de rendements moins élevés sur le plan d’investissement doit également être prise en compte.

De gros risques pour des clients réels

Si l’enjeu n’a pas trait au choix des produits ou à la composition de l’actif, quel est le plus grand facteur de risque, pour les clients, rattaché au placement de leur argent? Pourquoi n’obtiennent-ils pas des rendements raisonnables? Un certain nombre d’études fournissent la réponse.

La plus célèbre d’entre elles a porté sur le fonds Magellan aux États-Unis. Ce fonds avait dégagé un rendement composé de 12,5 % sur 25 ans, mais les investisseurs dans les faits n’ont obtenu qu’un rendement composé de 2,5  %, compte tenu des apports et des retraits historiques réels.

Les investisseurs s’empressaient de vendre lorsque le fonds perdait de la valeur (après coup) et ils attendaient jusqu’à ce qu’il ait récupéré pour décider qu’il était sécuritaire d’y investir à nouveau. Ils achetaient lorsque le marché était élevé et vendaient lorsqu’il était bas. Le chercheur Dalbar a suivi ce processus au moyen d’une série d’études commencées en 1993 et se poursuivant toujours.

Les conclusions de ces études demeurent constantes :

• les marchés boursiers ont dégagé en moyenne des rendements de 12 % alors que les investisseurs obtiennent pour leur part des rendements d’environ 3 %, soit le quart du rendement du marché;
• les investisseurs adoptant une stratégie d’achat à long terme ont de meilleurs rendements sur dix ans, dans une proportion de 3 pour 1, que l’investisseur moyen;
• la seule chose que les investisseurs ont à faire est de conserver leurs placements pour obtenir de bons rendements.

C’est le fait d’acheter et de vendre constamment qui constitue le plus grand risque pour les investisseurs, et non pas le choix des produits, les modèles élaborés de frontière efficiente, ou encore la séquence des rendements qu’ils obtiennent. Concrètement, les clients peuvent obtenir des résultats 400 % meilleurs que l’investisseur moyen lorsqu’ils conservent leurs placements et laissent leur argent «tranquille».

Qui peut le mieux faire face à ce risque?

Nous avons déterminé que :

• le fait de choisir des produits particuliers n’améliore pas de façon importante le rendement, et que lorsqu’on déduit les frais du rendement, celui-ci est habituellement moindre;
• les analyses élaborées de la frontière efficiente pourraient bien ne pas valoir davantage que la simple approche consistant à ne pas mettre «tous ses œufs dans le même panier»;
• le risque de séquence des rendements fait simplement partie du risque normal lié au placement. Il est lié au fait que les marchés sont favorables ou défavorables au moment où l’on veut prendre sa retraite;
• le plus grand risque de portefeuille que court un client est de constamment acheter et vendre des produits, soit entrer sur le marché et en ressortir.

Malheureusement, encourager la stabilité dans le comportement des clients en matière de placements n’est pas une activité rentable pour bon nombre de vendeurs de produits de placement et de conseillers.

Ils cherchent plutôt des raisons d’amener un client à leur transférer des produits ou de l’argent confiés à d’autres conseillers. Bien souvent, ils sont même rémunérés pour convaincre les clients de transférer leur argent d’un produit vers un autre qu’ils vendent. Le marché encourage les clients à changer leurs placements en créant de la peur et de l’incertitude, deux sentiments que le grand public épouse beaucoup trop facilement.

Il y a deux catégories de professionnels qui, en raison de leurs obligations fiduciaires et déontologiques, devraient toujours avoir le meilleur intérêt du client en tête : les comptables et les planificateurs financiers professionnels. Même des professionnels peuvent trouver difficile de résister au «bruit» des marchés, à la publicité des principaux vendeurs de produits, aux croyances de leurs collègues et aux peurs de leurs clients.

Les CA et les planificateurs financiers demeurent les meilleures personnes pour aider les clients à atteindre leurs objectifs en se concentrant sur des portefeuilles raisonnables et diversifiés, et en les encourageant à ne pas tenir compte du «bruit» sur le marché et à laisser leur portefeuille «faire ce qu’il a à faire».

---

Shawn Brayman est fondateur et président de PlanPlus Inc., entreprise spécialisée en logiciels de planification financière et en formation dans le domaine.

Ian Davidson, M.B.A., CFP, CA, RFP, vice-président, Gestion de capital Assante ltée, est responsable de cette rubrique.

---

  Droits d’auteur | Protection des renseignements personnels | ICCA