Optimiser Votre Portefeuille Financier en 2024 : ETF, Actions, Cryptomonnaies, Obligations et Métaux Précieux

S'intéresser à l'investissement révèle rapidement l'immense variété d'actifs modernes disponibles, ce qui peut être déroutant. Même avec une idée précise des actifs dans lesquels investir, la question demeure : comment répartir notre capital entre ces actifs de manière optimale ? En d'autres termes, comment construire un portefeuille financier équilibré, répondant à nos attentes en termes de gains et de tolérance au risque ?

Pour répondre à cette question primordiale, des méthodes quantitatives ont été développées. En se basant sur les performances passées des actifs, elles analysent et optimisent la répartition des actifs dans un portefeuille. Ces méthodes peuvent viser à maximiser les rendements tout en minimisant le risque, ou tenter de les équilibrer pour répondre au mieux à nos attentes. Aujourd'hui, nous vous présentons quelques-unes des méthodes les plus pertinentes : des techniques traditionnelles éprouvées et des approches modernes basées sur l'intelligence artificielle et le clustering.

Si vous souhaitez visionner comment nous avons traité ce sujet en vidéo, vous la trouverez ci-dessous.

Sélection et Optimisation des Actifs pour un Portefeuille Financier Diversifié

Meilleurs Actifs Financiers pour un Portefeuille Diversifié

La première étape dans la création et l’optimisation d’un portefeuille financier est la sélection d’actifs. Il est crucial de comprendre que l'optimisation de portefeuille ne consiste pas à investir dans des actifs de manière aléatoire ou à rechercher systématiquement ceux qui ont le mieux performé les dernières années. Les performances passées ne garantissent jamais les performances futures.

Pour ces raisons, il est préférable de sélectionner des actifs diversifiés qui nous intéressent, en lesquels nous avons confiance ou que nous voyons un potentiel futur. Ensuite, nous appliquons des méthodes d'optimisation pour déterminer les pourcentages à investir dans chaque actif afin de satisfaire nos attentes en termes de risque et de performance. Voici les actifs que nous avons sélectionnés :

Cryptomonnaies:

Les cryptomonnaies sont des actifs récents mais essentiels pour un portefeuille moderne, à condition qu’elles soient proportionnées à leur nature volatile. Nous sélectionnons des cryptomonnaies majeures :

Bitcoin (BTC): La première et la plus connue des cryptomonnaies.
Ethereum (ETH): Une plateforme décentralisée permettant la création de contrats intelligents.
Ripple (XRP): Conçu pour les paiements et les transferts de fonds internationaux.
Cardano (ADA): Une plateforme de blockchain pour les contrats intelligents, axée sur la sécurité et la scalabilité.
Dogecoin (DOGE): Une cryptomonnaie initialement créée comme une blague, mais qui a gagné en popularité.

ETFs:

Les ETFs (Exchange-Traded Funds) sont indispensables dans un portefeuille diversifié. Ils regroupent un panier d’actions classées par secteur ou localité et offrent une exposition à différents marchés. Nous avons choisi :

SP 500 (SPY): Représente les 500 plus grandes entreprises américaines cotées en bourse.
MSCI World (VWRD.L): Inclut des actions de grandes et moyennes entreprises de 23 pays développés.
CAC 40: Regroupe les 40 plus grandes entreprises françaises cotées.
DAX 40: Comprend les 40 plus grandes entreprises allemandes.
Nikkei 225: Index des 225 plus grandes entreprises japonaises.
World Ex-US: Inclut des actions internationales en excluant les États-Unis.
Emerging Markets: Représente des entreprises situées dans des marchés émergents comme l'Inde, la Chine et le Brésil.
High Dividend: Regroupe des actions avec des rendements de dividendes élevés.
Real Estate: Comprend des actions du secteur immobilier, telles que les REITs (Real Estate Investment Trusts).

Métaux Précieux:

Les métaux précieux sont des actifs de refuge. Ils préservent la valeur en période de volatilité du marché ou de forte inflation. Nous sélectionnons :

Gold: Représente l'or, une valeur refuge traditionnelle.
Silver: Représente l'argent, également utilisé comme valeur refuge et dans l'industrie.

Obligations:

Les obligations sont des actifs peu volatils qui offrent une source de revenu fixe et réduisent le risque global du portefeuille. Nous choisissons :

US Bond: Représente un panier d'obligations américaines.
World Bond: Inclut des obligations du monde entier, à l'exception des États-Unis.
US Treasury: Représente les obligations d'État américaines à long terme.

Pour plus de détails sur les différents types d’actifs modernes et la diversification, vous pouvez consulter notre article.

Comment Optimiser un Portefeuille Financier

Comment se déroule l’optimisation de portefeuille en pratique? Tout d’abord, ce ne sont pas des calculs que l’on fait à la main, mais bien algorithmiquement. Tous les calculs et les graphiques que nous allons discuter ont été réalisés par notre code Python, disponible en open source ici. Vous pouvez l'utiliser facilement pour faire votre propre analyse avec vos choix d’actifs. Pour comprendre son utilisation, nous vous invitons à visionner cette vidéo. Ce code utilise Yahoo Finance pour télécharger les données historiques des actifs, et pour effectuer les calculs d’optimisation, une librairie très puissante : Riskfolio.

L'optimisation de portefeuille commence par la collecte des données historiques des prix des actifs. Ces données sont fondamentales pour calculer les rendements passés, donc l’évolution du prix d’une période à une autre. Nous considérons des rendements journaliers, et les volatilités (risques) passées, mais surtout les corrélations entre les différents actifs. Cet aspect est central pour l’optimisation d’un portefeuille.

Avantages du Clustering IA et Visualisation des Actifs Financiers

Avec l’IA, et notamment la méthode de clustering (apprentissage non supervisé), il est possible de visualiser la nature de ces actifs très simplement. Par exemple, sans décrire à un seul moment à l'algorithme ce que les actifs représentent réellement, il a été capable de les regrouper par type, simplement en analysant les rendements, la volatilité et les corrélations des actifs. Vous pouvez le voir dans le graphique ci-dessous, chaque actif a été regroupé parfaitement avec une région et couleur attribuée à chaque classe d’actifs.

Vous pouvez aussi demander à cet algorithme d’illustrer les corrélations entre les actifs sous forme de “heatmap”. Vous pouvez ainsi voir comment les actifs se corrèlent entre eux et notamment comment les actifs de la même classe se regroupent entre eux et forment ces carrés de forte corrélation dans le graphique ci-dessous. Sur les bords, vous pouvez observer les dendogrammes, qui sont les arbres de regroupement d’actifs que la méthode de clustering a générés pour réaliser sa représentation en groupes d’actifs.

Optimisation Classique de Portefeuille Financier et Théorie de Markowitz

Maintenant que nous avons correctement choisi nos actifs et compris leur nature, entrons dans le vif du sujet. Comment trouver les proportions de chacun pour créer le portefeuille qui nous satisfait le plus en termes de risques/rendement ? Pour répondre à cela, nous allons explorer plusieurs méthodes qui mettent en avant des choix différents pour créer le portefeuille, explorant ainsi un bon panel de possibilités.

Portefeuille Optimal avec le Sharpe Ratio et la Théorie de Markowitz

Le Sharpe Ratio est une métrique pour quantifier le rapport rendements/risque très utilisée en finance. Plus le Sharpe Ratio est élevé, meilleur est le rendement ajusté au risque du portefeuille. L'optimisation du portefeuille en utilisant le Sharpe Ratio est une méthode classique (sans IA) et basée sur la théorie moderne du portefeuille de Markowitz. Cette théorie est historiquement le fondement de l’optimisation de portefeuille financier.

En exécutant notre code pour obtenir le portefeuille avec le meilleur Sharpe Ratio, nous obtenons la distribution ci-dessous.

Vous pouvez ainsi voir que la plus grosse partie est prise par l’or avec 36.7%. C’est en effet un actif très stable qui vient faire contrepoids aux autres actifs du portefeuille plus risqués. En opposition, les cryptomonnaies amènent beaucoup de rendement, mais au vu de leur volatilité, leur proportion est très faible. Les autres actifs majeurs sont deux ETF et le World Bond (obligations).

En comparant la contribution de chaque actif au risque total du portefeuille, on se rend compte que cette petite fraction de DOGE contribue beaucoup au risque à cause de la forte volatilité de l’actif, environ 4.5% (voir graphique ci-dessous). Alors que les grosses proportions de gold ou SP500 contribuent chacune à environ 2.5%.

Notez aussi que cette optimisation a sélectionné seulement une partie très réduite de nos actifs de départ, l'algorithme a jugé que ceux-ci étaient plus avantageux en termes de risque/rendement par rapport à leurs homologues qui sous-performent. Ces derniers sont considérés à un pourcentage quasi nul, tous regroupés dans la rubrique “others”.

Frontière Efficiente pour des Portefeuilles Financiers Optimaux

Cependant, avec ce portefeuille en main, nous savons qu’il a le meilleur Sharpe Ratio. Mais si nous souhaitons choisir des portefeuilles avec plus ou moins de rendement selon notre tolérance au risque, comment faire?

Nous pouvons utiliser le concept de frontière efficiente introduit par Markowitz. Nous générons aléatoirement des centaines de portefeuilles et, pour un risque donné, nous sélectionnons celui qui offre le meilleur rendement, c’est le portefeuille optimal. Le graphique ci-dessous illustre cette courbe des portefeuilles optimaux en fonction du risque. L’étoile symbolise notre portefeuille précédent obtenu en maximisant le Sharpe Ratio.

Pour en savoir plus sur les méthodes d'optimisation classique et la théorie de Markowitz, consultez notre article détaillé sur le sujet.

Optimisation de Portefeuille Financier avec l’Intelligence Artificielle

Optimisation par Parité de Risque Hiérarchique (HRP) : Une Approche IA pour les Actifs Financiers

La Parité de Risque Hiérarchique est une méthode d'optimisation de portefeuille qui utilise le clustering hiérarchique pour trouver les distributions optimales d’actifs dans un portefeuille financier. C’est une méthode d’IA particulièrement efficace pour gérer des actifs avec de fortes corrélations et volatilité, comme les actifs en bourses et les cryptomonnaies, souvent moins bien pris en compte par des méthodes plus classiques (plus de détails ici).

Un algorithme de Parité de Risque Hiérarchique commence par mesurer à quel point les mouvements de prix de différents actifs se ressemblent, en utilisant leurs corrélations. Ensuite, il regroupe les actifs qui se comportent de manière similaire. Le risque est réparti de manière égale entre ces groupes, puis entre les actifs à l'intérieur de chaque groupe. Enfin, les poids des actifs dans le portefeuille sont calculés en tenant compte de cette structure hiérarchique et de la répartition du risque.

En effectuant l’optimisation avec cette méthode sur nos actifs grâce à notre code, nous obtenons désormais un portefeuille, comme le montre le graphique ci-dessous, qui donne cette fois une part non négligeable à bien plus de nos actifs.

Conceptuellement, l’algorithme a cherché les proportions de chaque actif telles que chaque actif contribue de manière égale au risque total du portefeuille et que tous les actifs soient présents dans le portefeuille. Ainsi, si nous regardons la contribution au risque ci-dessous, nous voyons que dans notre cas, les proportions de chaque actif sont telles qu'ils contribuent tous à 0.4% au risque total du portefeuille.

De façon logique, avec cette méthode, nous observons que les actifs qui se retrouvent en plus grande proportion sont effectivement les plus stables, tels que les obligations. Plus l’actif est volatile, plus sa proportion est faible.

Méthode Nested Clustered Optimization pour un Portefeuille Financier Optimal

Vous vous demandez peut-être ce qu'il en est si l'on souhaite allier les processus de clustering que nous avons vus avec une optimisation sur le Sharpe Ratio. La Nested Clustered Optimization est justement une méthode hybride qui fait exactement cela. Voici ce que cela donne pour notre portefeuille :

Sans surprise, ce sont des proportions qui ressemblent au premier portefeuille que nous avons présenté, obtenu par la maximisation du Sharpe Ratio. Mais ici, nous voyons que les contributions majeures (>10%) sont moindres au total. L’algorithme a davantage tiré profit des rendements des cryptomonnaies. La même analyse se reflète dans la contribution des actifs au risque illustrée ci-dessous. On peut noter aussi que maintenant les contributions sont légèrement plus équilibrées qu’avec la maximisation du Sharpe Ratio simple.

Performances Portefeuille Financier Optimisé et Stratégies de Trading

Pour conclure, il est légitime de se demander quelles auraient été les performances d’un tel portefeuille. En d'autres termes, si nous avions acheté ces actifs en respectant ces proportions il y a quelques années, quelles auraient été les performances au cours du temps et combien aurions-nous fait en profits aujourd’hui. Voici un graphique qui résume cela.

Vous pouvez observer que sur les six dernières années, ce portefeuille aurait généré une performance de +125%, passant de 100% à 225%. Le drawdown, ou perte maximale en valeur, a été légèrement supérieur à 20%, et survient durant la période du crash du COVID.

Ce type d’évolution de performance est remarquable pour un portefeuille d’investissement passif, sans méthode de trading appliquée ni rebalancing d’actifs. Le faible drawdown de 20% pendant des périodes de crise démontre l'efficacité de cette approche dans la protection du capital, tout en offrant une croissance substantielle sur le long terme. La composition du portefeuille, incluant une proportion significative d'or et une allocation diversifiée entre actions, obligations et cryptomonnaies, a permis de tirer parti des performances positives de ces actifs tout en minimisant l'impact des fluctuations négatives.

Enfin, nous voulons mentionner que l’utilisation de ce type de méthode d’optimisation ne se limite pas aux portefeuilles d’investissement. En effet, si vous utilisez des stratégies de trading ou des bots de trading, vous vous demandez certainement souvent combien de fonds de votre capital total vous devriez attribuer à tel ou tel actif ou cryptomonnaie et pour telle ou telle stratégie. Vous pouvez utiliser ces méthodes dans ce contexte en remplaçant les prix historiques des actifs par les performances passées d’un actif activement tradé avec une stratégie (backtest). Ces méthodes d’optimisation vous donneront une indication de la manière de répartir vos fonds selon vos critères.