Critères d'un portefeuille "max SWR"

[wapiti99]

Bonjour à tous,

A la suite de la lecture du dernier post de ERN (Can we increase the Safe Withdrawal Rate with Risk Parity? – SWR Series Part 64 - Early Retirement Now), j’essaie tant bien que mal de déterminer quels sont les critères les plus importants pour déterminer quelle allocation devrait permettre de maximiser le Safe Withdrawal Rate à travers tous les cycles de marché possibles.

Problème : rares sont les classes d’actifs à avoir suffisamment d’historique pour connaître tous les cycles de marchés possibles.

Intuitivement, les deux critères les plus importants à mon sens seraient :

• Un UPI le plus élevé possible,
• Un CAGR le plus élevé possible,
• Moins important mais quand même : une réaction positive en cas de pic d’inflation inattendu.

Intuitivement, un portefeuille diversifié devrait afficher un meilleur UPI qu’un portefeuille non diversifié, et donc, offrir un meilleur SWR toutes choses égales par ailleurs.

Pourtant, le peu d’actifs véritablement backtestables fait déjà déjouer mon intuition. Par exemple, un simple portefeuille risk parity Actions / Or (55/45) affiche un SWR sur 30 ans (95%) de 4.3%, contre 5.1% pour un 100% actions. Et ce, alors même que le portefeuille diversifié affiche une meilleure performance, des drawdowns bien moins profonds, et un bien meilleur UPI que le 100% actions.

En même temps, une simulation de Monte Carlo me donne des résultats inverses, avec un SWR légèrement supérieur pour le portefeuille diversifié.

Je m’interroge donc : comment testez vous sérieusement quel portefeuille a le plus de chances de maximiser son SWR ? Quels sont vos critères pour déterminer cela, notamment avec des actifs n’offrant pas assez d’historique ?

[Iridium]

Les 30 dernières années ont été largement (trop??) profitables aux actions. Tes résultats sont donc tout a fait logiques.
Si tu fais une analogie avec Monte-Carlo, on pourrait dire que la réalité des 30 dernières années a été un chemin plutôt chanceux pour les actions.
J’accorderai donc beaucoup plus de crédit aux résultats de tes simulations Monte-Carlo. Ce qui est cohérent, tes résultats plaident pour une diversification.

C’est aussi l’avis de cayas car les rendements des actions du simulateur sont inférieures aux moyennes historiques afin de « contrecarrer » les dernières décennies profitables et revenir sur des moyennes plus « historiques ». ( Pas sur d’être bien clair pour tout le monde )

[wapiti99]

Comme toi j’ai tendance à davantage avoir confiance en une simulation de Monte Carlo… Mais même celle-ci est biaisée : elle ne prend pas (à ma connaissance) en compte le fait que le chemin pris par les actions ait été exceptionnel. Elle se contente de le découper en blocs qu’elle redistribue sur des chemins différents ; mais les performances exceptionnelles sont toujours réutilisées, simplement d’une autre manière.

Pour ceux qui l’ont parcouru, curieux d’avoir votre analyse sur l’article d’ENR, lequel semble toujours aussi farouchement opposé au risk parity !

Can we increase the Safe Withdrawal Rate with Risk Parity? – SWR Series Part 64 - Early Retirement Now

How to « Lie » with Personal Finance - Part 4: Risk Parity - Early Retirement Now

[vincent.p]

C’est le problème structurel des backtests. On a peu d’historique « fiable » sur de nombreuses classes d’actifs. Même sur les actions et obligations de pays développés, les rendements historiques ne nous donnent pas nécessairement une si bonne idée de la distribution des rendements futurs que ça.

Notamment pour les événements qui concentrent le risque de séquence : on n’a pas de dizaines d’occurrences de krach mondial catastrophique comme la Grande Dépression. On est peu léger pour estimer la probabilité et l’ampleur de ces événements dans le futur !

Autrement dit : les estimations de Sharpe, UPI, SWR issus de simulations passées ont des marges d’erreur importantes, rendant l’exercice du backtest assez illusoire pour prédire les valeurs que réaliseront les portefeuilles max Sharpe/UPI/Whatever dans le futur. En tout cas pas pour définir un mix optimal à 5% d’allocation près !

Dès lors, je vois deux philosophies raisonnables :

• Se cantonner aux primes de risque les plus robustes, actions et obligations, et considérer que les SWR réalisées dans le passé sont un bon estimateur des valeurs minimales de SWR qui pourront être obtenues dans le futur. C’est l’approche ex post d’ERN, que je trouve particulièrement utile pour évaluer le risque de séquence.
• Partir du portefeuille de marché actuel, le biaiser lorsqu’on a des éléments ex ante raisonnables pour ce faire, puis ajuster le risque avec du levier. C’est la méthode qu’on applique chez Cayas

Aucune des deux approches n’est Risk Parity : dans les deux cas le fondement méthodologique est la recherche d’un portefeuille efficient. On peut éventuellement dire que la méthode Cayas est plus proche de la philosophie risk parity car même si on considère que les actions et obligations sont les deux pierres angulaires d’un portefeuille, on laisse de la place à d’autres classes d’actifs.

Pourquoi je préfère cette approche ?

Dans tous les cas, les estimateurs qui sous-tendent les décisions d’allocation ont des fourchettes d’erreur larges comme des moissonneuses batteuses^[1] et il faut vivre avec cette dure réalité :

Rendements annualisés glissants des grandes actions US (avec des données qui remontent au XIXème siècle) :

Et pour les obligations US :

Même sur un horizon de 50 ans, les actions ont offert un rendement net d’inflation qui varie du simple à plus du double. Les obligations, c’est entre nada sur 50 ans, jusqu’à mieux que la performance annualisée moyenne des actions sur 50 ans.

Le portefeuille optimal a une tronche assez différente selon les hypothèses que l’on prend !

An ajoutant d’autres classes d’actifs, pour lesquelles on a des éléments solides pour évaluer qu’il s’agit de bons diversifiants (relativement peu corrélés ou mieux, convexes) et en rééquilibrant, on tempère le risque d’avoir tout misé sur un seul cheval qui va claudiquer pendant 50 ans.

---

1. un très gros râteau ↩︎