Portefeuille ETF au mercredi 20 décembre 2017: Reparlons de corrélation

Comment représenter la corrélation ?

Dans ce blog, nous avons déjà parlé du fait que nous exploitons les corrélations des actifs de notre portefeuille ETF pour construire des portefeuilles efficients. Comme les méthodes d'investissement passives basées sur les ETF sont légions, ce qui est plutôt une bonne chose dans l'ensemble, on voit souvent des gens tenter de construire eux-même leur portefeuille.Souvent ces portefeuilles ne sont pas diversifiés.L'erreur la plus courante, c'est de combiner dans un portefeuille un ETF MSCI World et un ETF S&P 500. Or, le MSCI World contient plus de 55% d'actions US, il n'y a aucun gain de diversification.
Le fait que les titres de l'ETF US soit imbriqués dans l'ETF World constitue le cas le plus simple de dépendance entre deux ETF, à savoir la causalité. Mais il existe d'autre forme de dépendance, comme la similarité des économies entre deux nations ou blocs géographiques, par exemple entre l'Inde et la Chine. Les corrélations explicitent les liens de similitude entre différents titres. Ce qu'on veut c'est des titres performants par eux-même, peu risqués, et qui ont des sources de rendements distinctes, de sorte que quand l'un des titres à un passage à vide cela n'affecte pas les autres titres.
On pourrait donner une matrice de corrélation comme celle donnée en en-tête de cet article, mais la lecture de ce type de matrice porte à confusion. Heureusement, comme je  l'ai déjà dit, je calcule tous les jours, une optimisation Hierarchical Risk Parity (HRP). Cette optimisation tire son nom de la technique de clustering hiérarchique de la matrice de corrélation qu'elle utilise. En effet, il est possible de transformer une matrice de corrélation en un arbre. Ce que nous allons faire tout de suite:

Sous cette représentation, les relations entre les ETF qui constituent notre portefeuille sont éclairées:

• Dans la partie verte du graphique ci-dessus, on voit les ETF dont les variations sont corrélés avec un facteur de risque US. On y trouve sans surprise le dow, le S&P et le Nasdaq, mais comme on l'avait évoqué plus haut, le MSCI World.
• Dans la partie rose du graphique, on retrouve le facteur de risque Pétrole/Energie avec l'ETF sectoriel idoine, mais aussi le TSX canadien et la Russie.
• Dans la partie bleue, les économies asiatiques Chine, Hang Seng et Inde.
• Dans la partie jaune, les économies Européénes avec le Stoxx 60 et le CAC.
• Dans la partie grise, on retrouve les safe haven, ce sont les actifs qui sont décorrélés des actions à savoir la dette euro et les actifs minier liés  l'or (MSCI ACWI Gold).
• Finalement, dans les parties blanches, on retrouve les orphelins, c'est à dire les titres qui n'ont pas pu se grouper avec d'autres titres, et qui sont des axes d’investissement distincts. On y retrouve le Stoxx 600 Basic Ressources qui est proche des actions européennes, mais qui introduit une orientation matière première. L'Amundi Eastern Europe (CE9) un marché émergent, et finalement un pays d'Amérique du Sud, le brésil dont l'instabilité politique et économique le place à part.

Dans tous les cas, notre algorithme va donner une fraction d'allocation de plus aux actifs décorrélés de autres (le produit croisé), mais uniquement si la performance de l'actif le justifie. Si comme l'or les performances sont abyssales, alors même avec l'effet diversification nous passerons cet investissement.

Météo des marchés

Hier, malgré un démarrage plutôt encourageant dans la foulée du vote américain sur la réforme fiscale, les  marchés ont fait une pause. Le MSCI World a perdu -0.3% et notre portefeuille aussi. avec une performance hier soir à 0.397%. Ce matin, les marchés asiatiques sont en ordre dispersé, avec la Chine et Hong kong en berne mais proches de l'équilibre , et le Japon en hausse. Tandis que la reforme fiscale américaine, a passé le congrès , puis le sénat, puis a repassé la congrès et le sénat... pour bientôt finir sur le bureau de Trump.

Allocation cible

Pour plus d'informations, merci de se reporter à notre méthodologie. Cet indicateur agrège les préférences des algorithmes Momentum, Machine Learning, MDP, CLA et HRP report

Performance du portefeuille

Performance de l'allocation cible mise à jour mensuellement par rapport au MSCI WLD ( par proxy avec l'etf: Lyxor WLD)report

Prédiction ML sur un horizon 20 jours

Les chiffres affichés pour l’exercice de Machine Learning sont à comprendre comme des prévisions de rendement à 20 jours.report
Les valeurs privilégiées par cet algorithme sont: Lyxor China Enterprise (HSCEI) ETF (ASI), Lyxor S&P 500 ETF (SP5), Amundi ETF MSCI Eastern Europe ex Russia ETF (CE9)

Score Momentum

Les chiffres affichés pour l’exercice de Momentum sont à comprendre comme un score, qui ne correspond pas à des rendements prévisionnels ou des poids de portefeuilles. Ce score permet juste d’obtenir un ordre de préférence des investissement.report
Les valeurs privilégiées par cet algorithme sont: Lyxor Stoxx Europe 600 Basic Resources ETF (BRE), Lyxor Dow Jones Industrial Average ETF (DJE), Lyxor Russia (Dow Jones Russia GDR) ETF (RUS)

Portefeuille optimisé HRP

Pour cet exercice, les chiffres affichés sont à comprendre comme des poids d’un portefeuille hypothétique. La somme des poids individuelles est égale à 1. Les poids négatifs sont des shorts.report
Les valeurs privilégiées par cet algorithme sont: Lyxor EUROMTS 15+Y Investment Grade (DR) ETF (MTF), Lyxor S&P 500 ETF (SP5), Lyxor Nasdaq-100 ETF (UST)

Il y a un mois...

En faisant tourner l'algorithme de ML dans le passé, il est possible de comparer les rendements prédits (uniquement pour le ML) il y a un mois avec les rendements réels réalisés par les marchés sur les 20 jours écoulés depuis.


Disclaimer : Ce message ne constitue pas un conseil d’investissement. J’invite chaque lecteur à construire des portefeuilles équilibrés correspondant à leur préférence de risque si possible avec l’aide d’un professionnel. En particulier, je n’offre aucune garantie que les prévisions construites se révèlent conforme à l’évolution des marchés.