Le cœur du modèle Black-Litterman est de renoncer à suivre aveuglément les données historiques en intégrant les vues subjectives de l’investisseur. Moins de fiabilité sur les données passées permet des portefeuilles plus prospectifs et fournit une approche structurée pour inclure les vues subjectives.
Black-Litterman n’est pas une révolution et s’appuie sur le modèle classique d’optimisation de la moyenne-variance (MVO) – introduit pour la première fois par Markowitz – et sur le modèle d’évaluation des actifs financiers CAPM. Il intègre les vues propres de l’investisseur comme entrées dans le processus d’optimisation du portefeuille. Si un investisseur n’a pas d’opinion sur le marché et considère que le marché est efficient, le portefeuille devra correspondre à l’équilibre du marché. Par conséquent, un investisseur sans opinion sur le marché devrait suivre le marché et adopter une stratégie passive: les rendements attendus seront égaux aux rendements du marché.
Il est impossible d’anticiper des événements tels que le krach boursier résultant de la pandémie de coronavirus sur la base des données passées. Lorsque ces événements se produisent, l’ajustement en temps réel du positionnement du portefeuille en fonction de l’opinion de l’investisseur est essentiel pour faire face aux événements imprévus. En cas d’ajustement ou si l’investisseur a ses propres opinions, le portefeuille s’écartera du portefeuille du marché. Si les investisseurs ont peu confiance en leurs opinions, l’écart sera mineur et les rendements attendus qui en résulteront seront proches de ceux du marché. Lorsque les investisseurs ont une plus grande confiance dans leurs opinions, les rendements attendus résultants s’écarteront fortement des rendements attendus du marché.
En pratique, les investisseurs génèrent des opinions en appliquant différentes techniques. Ils peuvent simplement effectuer une évaluation avec les informations dont ils disposent ; à partir de 1991, bon nombre des premières applications des économistes de Goldman Sachs, Black et Litterman (d’où le modèle BL), étaient générées par des humains. Les investisseurs peuvent également utiliser des cadres plus sophistiqués (techniques quantitatives basées sur des modèles économétriques ou de Machine Learning) pour produire des opinions.
En conclusion, le modèle BL fournit une approche structurée pour exprimer des opinions subjectives et éviter une dépendance mécanique aux données historiques rétrospectives. Les ajustements ad hoc basés sur des opinions subjectives sont dangereux en cas de panique mais justifiés en cas d’anomalies du marché. Les investisseurs éviteront de vendre en cas de krach boursier et préféreront attendre une sortie ; ils essaieront d’adopter une vision à contre-courant et d’utiliser une baisse de marché comme point d’entrée si leurs propres liquidités financières le permettent. En général, une bonne façon d’appliquer le modèle pour un investisseur individuel est de considérer le marché mondial actuel (poids important des États-Unis) comme point de départ et de le comparer à la situation attendue à long terme (par exemple, plus de poids attendu en Asie dans 20-30 ans). Le résultat de cette analyse vous permettra d’ajouter des points de vue subjectifs entre les géographies ou les monnaies afin de déterminer une allocation d’actifs cible.
Réflexions complémentaires pour les lecteurs intéressés :
L’inclusion de statistiques bayésiennes dans le processus d’optimisation de portefeuille a conduit à trois principales lacunes du modèle original de Black-Litterman :
- L’hypothèse de normalité : Les événements extrêmes (positifs et négatifs) tels que les cygnes noirs ne sont pas pris en compte par l’hypothèse de normalité, car ils apparaissent plus souvent que ne l’implique le modèle Black-Litterman ;
- La linéarité est également supposée, mais de nombreuses stratégies d’investissement, par exemple par l’utilisation d’options, expriment des vues non linéaires ;
- La base du modèle BL (MVO et CAPM) s’applique à un portefeuille bien diversifié. En tant que tel, le modèle est moins utile en dehors des portefeuilles largement diversifiés.
Pour remédier aux lacunes du modèle BL original, diverses améliorations ont été apportées afin d’aligner le modèle BL sur les processus d’investissement réels :
- Les modèles Black-Litterman-Bayes (BLB) et multi-périodes se concentrent sur le niveau attendu après coût des valeurs de portefeuille par le biais de prévisions multi-périodes : L’augmentation de l’incertitude des prévisions est mise en balance avec les coûts excessifs de négoce ;
- Dans le modèle BL de base, les opinions des investisseurs sont exprimées sous la forme d’un portefeuille de titres et ne sont pas directement applicables aux opinions des facteurs. Basée sur la théorie des prix d’arbitrage (APT), la variante factorielle du modèle BL considère les titres dont les rendements sont supérieurs au taux sans risque et se concentre sur les facteurs qui expliquent tous les co-mouvements des rendements des titres ;
- Le modèle robuste de Black-Litterman (rBL) intègre explicitement l’incertitude des investisseurs. Le niveau de confiance déterminé par l’investisseur est basé sur des distributions antérieures en fonction des erreurs. En cas de confiance moindre dans la qualité des estimations, la distribution ex ante s’élargit.
Black–Litterman and Beyond: The Bayesian Paradigm in Investment Management, The Journal of Portfolio Management, Volume 47, Issue 5, 2021, Petter N. Kolm, Gordon Ritter, Joseph Simonian
Guide Finances 