Asset Allocation: L’optimisation de portefeuilles dans Direct

© 2011 Morningstar, Inc. All rights reserved.

Johann Cayrouse CSC

2

Qui utilise Morningstar Direct?

3

Dans quel but?

Une nouvelle fonctionnalité intégrée à Morningstar Direct.

Quel est le process ?

× Retenir un ensemble de classes d’actifs sur lesquelles nous construirons une optimisation

× Générer une frontière d’efficience et identifier les portefeuilles optimaux

× Construire des projections sur les portefeuilles obtenus: niveaux de probabilité de leur comportement

Paramétrer les classes d’actifs

× Sélectionner sur une base de 55000 indices les proxys dont les historiques représenteront les classes d’actifs choisies

× Utiliser l’un des groupes d’actifs prédéfinis par Morningstar ou paramétrer vos classes d’actifs.

Paramétrer les « inputs »

Plusieurs lois de distribution de probabilité sont disponibles: × Log-Normal distributions × Truncated Lévy-Flight distributions × Log-T distributions × Johnson distributions × Bootstrap Historical Data

La loi normale

× Distribution de probabilité par défaut × Représentation graphique × Choix entre différentes méthodologies pour estimer les performances attendues : Historique, CAPM, Black Litterman, Building blocks.

Autres lois de distribution de probabilité

× On peut aller plus loin que la loi normale et prendre en compte l’occurrence d’événements extrêmes : Fat Tails, Skewness différent de 0 et Kurtosis (Excess Kurtosis) supérieur à 0.

Paramétrer les données sur lesquelles nous appliquerons la MVO

Calcul des volatilités:

Calcul de la matrice de corrélation:

Calcul des performances attendues:

Plusieurs méthodologies sont disponibles:

× Historique × CAPM × Building Blocks × Black Litterman

Paramétrage:

CAPM :

Le taux sans risque

(historical risk free rate)

Les Benchmarks:

Domestic Equity

Market Portfolio

Black Litterman: Entrez vos propres prévisions en les pondérant par un degré de confiance:

Black Litterman (suite):

Vos vues pourront être relatives:

Définir des contraintes:

Définir des contraintes (suite):

L’optimisation

Time period: February 1990 to May 2010. Source: Xiong, James X. and Thomas Idzorek, “The Impact of Skewness and Fat Tails on the Asset Allocation Decision,” Financial Analysts Journal, March/April 2011, pp. 23-35.

Inclure différentes frontières d’efficience afin de comparer plusieurs modèles de répartition d’actif.

L’optimisation

Tester son portefeuille:

L’optimisation

Quel portefeuille pour la même volatilité ? :

Retrouvez des portefeuilles optimaux par profil d’investissement:

Resampling

MVO pure:

Resampling

MVO + Resampling:

Projections Réaliser des projections de performances prenant en compte:

× L’inflation × Les flux monétaires × Le rebalancement

Projections Paramétrage:

Projections

50% de probabilité de dépasser 500 K après 11 ans

Les avantages de la nouvelle fonctionnalité de Morningstar Direct : Asset Allocation

× Un accès à une base de 55000 indices × Un outil basé sur internet × Un paramétrage souple et hautement personnalisable × Aller au-delà de la Loi Normale: Fat tails × Black Litterman : entrez vos vues × Resampling : envisager plusieurs scenarios sur votre optimisation