Calcul covariance d’un porteefeuille
Estimez rapidement la covariance entre deux actifs, la corrélation, puis l’impact direct sur la variance et la volatilité d’un portefeuille à deux lignes. Cet outil est conçu pour les investisseurs, étudiants en finance, analystes et conseillers qui veulent relier la théorie de la diversification à une mesure pratique et exploitable.
Calculateur interactif
Résultats
Entrez vos données puis cliquez sur le bouton pour calculer la covariance, la corrélation et le risque du portefeuille.
- La covariance mesure le sens et l’intensité du mouvement conjoint.
- La corrélation normalise cette relation entre -1 et +1.
- Une covariance faible ou négative peut améliorer la diversification.
Guide expert du calcul de covariance d’un portefeuille
Le calcul de covariance d’un portefeuille est une étape fondamentale de l’analyse du risque en gestion d’actifs. Beaucoup d’investisseurs regardent uniquement le rendement espéré ou la volatilité de chaque ligne prise isolément. Pourtant, un portefeuille ne se comporte pas comme la simple somme de titres indépendants. Deux actifs peuvent être individuellement risqués mais, s’ils n’évoluent pas de la même façon au même moment, leur combinaison peut réduire la volatilité globale. C’est précisément là que la covariance intervient.
En pratique, la covariance sert à mesurer la tendance de deux actifs à varier ensemble. Si deux titres montent et baissent en même temps, la covariance est positive. Si l’un progresse lorsque l’autre recule, elle peut devenir négative. Si leurs mouvements communs sont faibles ou peu structurés, la covariance se rapproche de zéro. Cette information est au cœur de la théorie moderne du portefeuille, car le risque total dépend non seulement du risque propre de chaque actif, mais aussi de la manière dont ils interagissent.
Pourquoi la covariance est-elle si importante ?
Lorsqu’un investisseur construit un portefeuille, il cherche souvent à optimiser un arbitrage entre rendement attendu et risque. Le risque n’est pas seulement la somme des volatilités individuelles. Il dépend aussi de la manière dont les rendements se déplacent ensemble. Une covariance élevée entre deux positions augmente le risque de concentration cachée. À l’inverse, une covariance plus faible aide à amortir les chocs. C’est pour cela qu’un portefeuille d’actions internationales, d’obligations de qualité et parfois d’actifs réels peut être plus stable qu’un portefeuille composé d’actions d’un seul secteur.
La formule ci-dessus correspond à la covariance d’échantillon, la plus couramment utilisée lorsque vous travaillez sur des données historiques observées. On retire la moyenne de chaque série pour mesurer les écarts à la tendance centrale, puis on observe si ces écarts ont tendance à se produire dans le même sens. Si les écarts positifs d’un actif sont associés à des écarts positifs de l’autre, la covariance sera positive. Si les écarts positifs de l’un sont associés à des écarts négatifs de l’autre, la covariance deviendra négative.
Différence entre covariance et corrélation
La covariance est utile, mais elle n’est pas normalisée. Sa valeur dépend donc de l’échelle des rendements. Pour comparer plus facilement des relations entre actifs, les professionnels utilisent souvent la corrélation :
La corrélation varie entre -1 et +1. Une corrélation proche de +1 indique que les actifs bougent presque ensemble. Une corrélation proche de 0 indique l’absence de relation linéaire forte. Une corrélation proche de -1 indique des mouvements en sens opposés. Dans un calcul de portefeuille, la covariance reste néanmoins la donnée directe à utiliser dans la formule de variance.
Formule de variance d’un portefeuille à deux actifs
Pour un portefeuille composé de deux actifs A et B, de poids respectifs wA et wB, la variance totale s’écrit :
Cette formule montre clairement pourquoi la covariance est centrale. Si la covariance est élevée et positive, le troisième terme augmente la variance globale. Si elle est faible, la diversification apporte davantage de bénéfice. Si elle est négative, la réduction du risque peut être très significative. En d’autres termes, la diversification ne consiste pas seulement à multiplier le nombre de lignes, mais à combiner des lignes qui ne réagissent pas de façon identique aux mêmes facteurs économiques.
Comment utiliser ce calculateur
- Saisissez deux séries de rendements historiques sur la même période.
- Entrez les poids souhaités pour chaque actif.
- Choisissez la fréquence d’observation : journalière, hebdomadaire ou mensuelle.
- Cliquez sur le bouton de calcul.
- Analysez la covariance, la corrélation, les variances individuelles et la volatilité du portefeuille.
Le graphique en dispersion permet d’aller plus loin qu’un simple chiffre. Visuellement, si les points suivent une trajectoire ascendante, la relation est plutôt positive. Si le nuage descend, la relation est négative. Si les points sont très dispersés sans forme évidente, la relation linéaire est faible. Cette visualisation est souvent plus intuitive pour détecter l’effet diversification.
Interprétation pratique des résultats
- Covariance positive élevée : les deux actifs réagissent souvent dans le même sens. Le gain de diversification est limité.
- Covariance proche de zéro : les mouvements communs sont faibles. Le portefeuille devient plus robuste face aux variations d’un seul segment.
- Covariance négative : lorsqu’un actif baisse, l’autre a tendance à mieux résister. C’est la situation la plus favorable à la réduction de risque.
Il faut toutefois rappeler qu’une covariance historique n’est pas une garantie pour l’avenir. Les relations entre actifs changent selon les régimes économiques, les cycles monétaires, les épisodes d’inflation, les crises de liquidité ou les chocs géopolitiques. En période de stress, certaines corrélations ont tendance à converger à la hausse, ce qui réduit le bénéfice de diversification précisément au moment où les investisseurs en ont le plus besoin.
Tableau comparatif : ordre de grandeur de corrélations historiques entre grandes classes d’actifs
| Couple d’actifs | Corrélation historique de long terme | Lecture pratique |
|---|---|---|
| Actions américaines et obligations du Trésor US de long terme | Environ -0,20 à +0,20 selon les régimes de taux | Souvent diversifiant, mais relation instable selon inflation et politique monétaire |
| Actions américaines grandes capitalisations et petites capitalisations | Souvent supérieure à +0,75 | Bonne diversification sectorielle, mais sensibilité commune au marché actions |
| Actions américaines et immobilier coté | Souvent entre +0,50 et +0,75 | Peut améliorer le rendement, mais le risque reste lié au cycle économique |
| Actions américaines et matières premières larges | Souvent entre 0,00 et +0,30 sur long terme | Diversification possible, surtout lors de certains chocs inflationnistes |
Ordres de grandeur synthétisés à partir de travaux académiques et de séries macro-financières publiques. Les corrélations changent sensiblement selon l’horizon temporel, la fréquence de mesure et la période étudiée.
Données macro et diversification : quelques statistiques utiles
La covariance n’est pas seulement une question mathématique. Elle évolue avec le contexte macro-financier. Par exemple, quand l’inflation est basse et stable, les obligations souveraines de qualité ont souvent joué un rôle de stabilisateur face aux actions. En revanche, lorsque les banques centrales remontent fortement leurs taux pour combattre l’inflation, actions et obligations peuvent baisser simultanément, ce qui augmente la covariance positive entre ces compartiments.
| Indicateur public | Statistique récente ou de référence | Impact potentiel sur la covariance |
|---|---|---|
| Taux des Fed Funds | Cycle de hausse rapide de 2022 à 2023, plus de 500 points de base cumulés | Peut rapprocher les comportements des actions et obligations à court terme |
| Inflation CPI aux États-Unis | Pic supérieur à 9 % en glissement annuel en 2022 | Les actifs sensibles aux taux ont souvent subi des chocs simultanés |
| Rendement du Treasury 10 ans | Passage d’environ 1,5 % fin 2021 à plus de 4 % à plusieurs moments de 2023 | Rend les matrices de covariance très dépendantes du régime de taux |
| Volatilité actions | Indice VIX fréquemment au-dessus de 30 lors d’épisodes de stress | En phase de panique, les corrélations intra-actions montent souvent fortement |
Ces statistiques publiques illustrent comment le régime macro-économique influence la covariance observée entre actifs. Sources possibles de suivi : FRED, Réserve fédérale, BLS et données de marché publiques.
Erreurs fréquentes dans le calcul de covariance
- Mélanger des fréquences différentes : comparer un rendement mensuel avec une série journalière produit un résultat incohérent.
- Utiliser des périodes non alignées : les observations doivent correspondre aux mêmes dates.
- Confondre prix et rendements : la covariance se calcule sur des rendements, pas sur des niveaux de prix bruts.
- Oublier l’effet d’échantillon : sur un nombre limité d’observations, le résultat peut être instable.
- Supposer une relation constante : la covariance varie dans le temps et peut se renverser lors d’un changement de régime économique.
Faut-il annualiser la covariance ?
Oui, dans de nombreux cas, annualiser la covariance et la variance permet de comparer des portefeuilles sur une base commune. Si vos rendements sont mensuels, vous pouvez multiplier la covariance et la variance par 12. Si vos rendements sont hebdomadaires, la multiplication se fait par 52. Pour des rendements journaliers, on utilise souvent 252 séances de bourse. La volatilité annualisée est ensuite obtenue en prenant la racine carrée de la variance annualisée.
Notre calculateur vous permet d’indiquer la fréquence afin d’afficher des mesures annualisées plus faciles à interpréter. Cela est particulièrement utile pour comparer différents portefeuilles ou pour intégrer ces métriques dans un cadre de gestion du risque plus large.
Quand la covariance devient-elle insuffisante ?
La covariance est un outil essentiel, mais elle repose sur une relation linéaire moyenne. Elle ne capture pas toujours la totalité du risque. En finance réelle, certaines distributions de rendements présentent des asymétries, des queues épaisses et des ruptures de régime. Dans ce cas, il peut être utile de compléter l’analyse avec des mesures comme la Value at Risk, l’Expected Shortfall, les tests de stress et des corrélations conditionnelles. Malgré cela, la covariance reste la pierre angulaire de l’optimisation de portefeuille classique.
Sources académiques et institutionnelles recommandées
Pour approfondir le sujet, vous pouvez consulter des ressources institutionnelles et académiques de grande qualité. Voici quelques liens utiles vers des domaines gouvernementaux ou universitaires :
- Investor.gov – Diversification
- Federal Reserve Economic Data (FRED) – séries macro-financières publiques
- NYU Stern – ressources sur le risque, le coût du capital et l’analyse financière
Exemple simple d’interprétation
Supposons un portefeuille composé à 60 % d’actions mondiales et à 40 % d’obligations de qualité. Si les actions ont une volatilité individuelle élevée mais que leur covariance avec les obligations est faible, la volatilité totale du portefeuille sera souvent inférieure à la moyenne pondérée des volatilités isolées. C’est la démonstration concrète que la diversification repose sur la relation entre les actifs, et non uniquement sur le nombre de positions détenues.
À l’inverse, un portefeuille concentré sur plusieurs titres technologiques peut donner l’illusion de la diversification parce qu’il contient plusieurs lignes. Pourtant, si leurs rendements sont fortement corrélés et présentent une covariance positive importante, le risque de portefeuille restera élevé. On parle alors parfois de fausse diversification.
Conclusion
Le calcul de covariance d’un portefeuille est l’un des fondements de l’investissement moderne. Il permet de transformer une intuition simple, celle de la diversification, en mesure quantitative exploitable. Comprendre la covariance, c’est mieux comprendre pourquoi certains portefeuilles résistent mieux que d’autres, pourquoi la combinaison d’actifs compte davantage que l’analyse ligne par ligne, et pourquoi le contexte macro-économique modifie profondément le risque observé.
Utilisez le calculateur ci-dessus pour tester différents couples d’actifs, différents poids et différentes fréquences de données. Plus vous comparez les résultats, plus vous développez une lecture fine du risque de portefeuille. En pratique, un bon investisseur ne se contente pas de chercher des rendements élevés : il cherche des rendements qui interagissent intelligemment entre eux.