Groupe d’études et de recherche en analyse des décisions

Optimisation de portefeuille, incertitude des données, et robustesse

Michel Denault Professeur agrégé, Département de sciences de la décision, HEC Montréal, Canada

L'optimisation de portefeuilles est un thème central en finance quantitative depuis 50 ans: on cherche essentiellement à trouver un bon compromis entre le risque et le rendement.

De l'approche classique "espérance vs variance" de Markowitz, on est assez récemment passé à des mesures de risques reposant sur les quantiles (valeur-à-risque et variantes), mais aussi à des modèles robustes qui tiennent explicitement compte des incertitudes sur les données financières (Goldfarb et Iyengar, M.O.R.2003, El Ghaoui, Oks et Oustry, O.R.2003)

Ce travail, réalisé conjointement avec l'étudiant de M.Sc.(ing.fin.) Simon-Carl Dunberry, compare les deux approches robustes mentionnées sur une base commune et démontre l'avantage qu'elles présentent sur une approche non-robuste.