Octobre 2026 · Document de travail
Les ETF comme facteurs : un module transparent de simulation de crise pour les portefeuilles des particuliers
Titre original : ETFs as Factors: A Transparent Crisis-Simulation Module for Household Portfolios
Les plateformes institutionnelles font tourner leurs scénarios sur des milliers de facteurs, les plateformes grand public montrent des éventails de simulations. Nous proposons un objet intermédiaire, sur lequel un particulier peut agir : chaque ligne du portefeuille est décrite comme un panier de 17 ETF de référence, exactement pour un ETF, par une régression contrainte pour un fonds actif. Sur 211 lignes de quatre univers réels, ce panier explique en médiane 78 % des variations (81 % pour les ETF, 76 % pour les fonds actifs, 39 % pour les actions en direct).
Estimées avant chaque crise, les expositions prévoient la perte des portefeuilles à 1,5 point près en médiane pour le Covid 2020 et à 1,4 point pour la hausse des taux de 2022. Traduits en chocs de facteurs, les scénarios des superviseurs (CERS et AEAPP 2024, CERS et ABE 2025, Réserve fédérale 2025) coûteraient aux portefeuilles optimisés une perte médiane de 35 à 43 % sur un an, deux à trois fois leur cible de perte. Un test inversé montre que la perte acceptée par le client correspond à une année agitée ordinaire, plus proche du Covid 2020 et de 2008 que de 2022. Le volet facteurs se reconstruit à partir de séries publiques, sans coût de licence.
Octobre 2026 · Document de travail
Scénarios de crise pour les portefeuilles des particuliers : une revue des méthodes, des données et de la présentation
Titre original : Crisis Scenarios for Household Portfolios: A Review of Methods, Data and Disclosure, from Institutional Risk Platforms to Retail Robo-Advice
Les scénarios de crise sont passés des bilans des banques aux écrans des épargnants : chaque particulier européen voit un scénario de tension dans son document d'informations clés, et son conseiller doit lui demander la perte qu'il accepte. Cette revue organise ce que l'on sait pour construire, alimenter et expliquer ces scénarios : cinq familles de méthodes (rejeu historique, scénarios hypothétiques cohérents, test inversé, modèles de régimes, génération et rééchantillonnage), trois façons de propager un choc aux lignes d'un portefeuille, les mesures de diversification censées anticiper les pertes, les scénarios des superviseurs de 2024 et 2025, les données utilisables sans licence, et ce que l'on sait de la façon de montrer une perte à un particulier.
Le papier compagnon sur les ETF comme facteurs sert d'exemple chiffré de ce qu'un objet transparent peut faire, et de ce qu'il ne peut pas faire. La revue se conclut sur huit problèmes ouverts, des covariances de crise estimées sur une poignée d'épisodes aux études de compréhension des scénarios auprès des épargnants, que personne n'a encore menées.
Juillet 2026 · Document de travail
La distribution derrière le chiffre : estimer, tester et garantir l'incertitude d'une perte extrême
Titre original : The Distribution Behind the Number: Estimating, Stressing, Guaranteeing and Backtesting the Sampling Distribution of Path-Based Drawdown Risk
La perte extrême d'un portefeuille (le CDaR, moyenne des pires baisses depuis un plus haut) est estimée sur une seule trajectoire, puis annoncée et utilisée comme une contrainte, comme si c'était la vérité. Dans un environnement calibré sur des menus de fonds réels, le CDaR à 95 % sur dix ans d'un même portefeuille va de 8,6 % à 33,8 % d'une trajectoire plausible à l'autre (du premier au dernier décile) : l'unité d'information est la crise, pas l'année.
Le papier assemble et teste une chaîne qui rend l'annonce honnête : un rééchantillonnage qui tire la fréquence et la sévérité des crises, une queue de distribution dont la forme est partagée entre univers, une couche de contrôle qui corrige l'annonce quand la réalité s'en écarte (après un changement de régime, elle tient 88,1 % de couverture pour 90 % visés, contre 82,9 % pour une annonce figée), et un protocole complet de confrontation à la réalité pour la production. Il chiffre aussi le prix de cette honnêteté en rendement attendu.
Juillet 2026 · Document de travail
De la corrélation à la chute commune : la dépendance extrême dans les menus de fonds des particuliers
Titre original : From Correlation to Co-Crash: Tail Dependence in Retail Fund Menus. Measurement, Communication, and Drawdown-Aware Optimization
Le chiffre de dépendance qui arrive au client est une corrélation, une moyenne dominée par les semaines ordinaires, qui ne dit presque rien des quelques semaines qui détruisent un portefeuille. Sur les menus complets de trois univers d'assurance-vie et de compte-titres français (67, 89 et 96 fonds, 2012-2026), la dépendance gaussienne est rejetée partout, les fonds baissent ensemble plus qu'ils ne montent ensemble, et pendant les 10 % pires semaines d'un portefeuille diversifié, 54 à 59 % de ses lignes sont aussi dans leurs 10 % pires semaines, contre 5 % en temps calme.
Le papier définit la corrélation de crise, lisible comme une probabilité de chute commune : calculée sur 2012-2019, elle classe les pertes extrêmes de 2019-2026 avec une corrélation de rang de 0,74 à 0,88. Pour simuler des pertes, la façon de rééchantillonner le temps compte bien plus que le choix du modèle de dépendance. La conclusion pratique : pour le risque extrême, la promesse honnête faite à un client est une probabilité avec une fourchette, jamais un chiffre seul.
Juillet 2026 · Document de travail
La corrélation de crise : un indicateur de chute commune qu'un particulier peut lire
Titre original : Crisis Correlation: A Copula-Based Co-Crash Indicator that Retail Investors Can Actually Read
Deux paires de fonds de même corrélation affichée, entre 0,4 et 0,6, peuvent avoir une dépendance dans les baisses allant de 0,21 à 0,52. Ce papier propose la corrélation de crise : la dépendance moyenne des lignes d'un portefeuille dans les baisses extrêmes, ramenée à une échelle de 0 % (des lignes indépendantes) à 100 % (des lignes qui chutent toujours ensemble).
Son estimateur, un compromis entre l'observé et un modèle, n'est jamais le pire hors échantillon ; son affichage par bandes (faible, moyenne, forte) ne prétend jamais à plus de précision que l'estimation n'en a. Calculée sur sept ans, elle classe les pertes extrêmes des sept années suivantes avec une corrélation de rang de 0,74 à 0,88. Pour classer des portefeuilles d'un même univers, la corrélation moyenne porte l'essentiel du même signal : l'intérêt de l'indicateur est d'être calibré et explicable. Il est en production sur Ploovers, avec ses règles d'affichage.
