Investing.ad Publie le
- 15 min read
Comment la variance et l'écart-type façonnent les résultats des investissements dans le monde réel
La volatilité n’est pas qu’un spectacle sur un graphique — c’est des mathématiques qui changent votre destination.
Variance vs. Standard Deviation : les deux mesures derrière le « risque »
En investissement, on utilise souvent le mot « risque » pour parler du mouvement des prix. Deux statistiques étroitement liées mesurent combien les rendements sont dispersés :
- Variance (σ²) : la moyenne des carrés des écarts par rapport au rendement moyen.
- Standard deviation (σ) : la racine carrée de la variance ; elle s’exprime dans les mêmes unités que les rendements (p. ex. %), donc elle est plus facile à interpréter.
Si les rendements sur une période sont ( r_1, r_2, …, r_n ) et que la moyenne est ( \bar{r} ), alors :
[ \sigma^2 = \frac{1}{n}\sum_{i=1}^n (r_i - \bar{r})^2 \quad\text{and}\quad \sigma = \sqrt{\sigma^2} ]
En pratique, les analystes utilisent souvent les formules d’échantillon (division par (n-1)) plutôt que les formules de population (division par (n)), mais l’idée centrale reste la même : à quel point les rendements oscillent autour de la moyenne.
Pourquoi élever les écarts au carré ?
Si l’on ne mettait pas les écarts au carré, les écarts positifs et négatifs s’annuleraient. Le carré fait deux choses :
- Il rend tous les écarts positifs.
- Il pénalise davantage les écarts importants, ce qui correspond à la façon dont les investisseurs perçoivent les grandes surprises — surtout les baisses.
La variance est le moteur brut ; l’écart-type est l’indicateur sur le tableau de bord.
Traduire l’écart-type en intuition
Supposons qu’un actif ait un rendement moyen mensuel de 1 % et un écart-type mensuel de 5 %. Cela ne signifie pas que le rendement sera chaque mois entre -4 % et +6 %. Cela signifie que la distribution des rendements tend à avoir cette dispersion.
Si les rendements suivaient une loi normale (souvent une approximation grossière), alors :
- Environ 68 % des mois tomberaient dans ( \mu \pm 1\sigma ) → approximativement -4 % à +6 %
- Environ 95 % dans ( \mu \pm 2\sigma ) → approximativement -9 % à +11 %
- Environ 99,7 % dans ( \mu \pm 3\sigma ) → approximativement -14 % à +16 %
Les marchés ne sont pas parfaitement normaux — queues épaisses et asymétries sont fréquentes — mais ce modèle mental aide à comprendre ce que signifie « un σ mensuel de 5 % » dans la vie réelle.
Annualiser la volatilité (avec précaution)
Une conversion courante est :
[ \sigma_{\text{annual}} \approx \sigma_{\text{period}} \sqrt{k} ]
où (k) est le nombre de périodes dans une année (12 pour le mensuel, ~252 pour les jours de bourse). Cette règle de la racine carrée repose sur des hypothèses (indépendance, variance stable), mais elle est largement utilisée.
Exemple : σ mensuel de 5 % implique σ annuel ≈ (0.05\sqrt{12} \approx 17.3%).
Ces 17 % ne constituent pas une prévision du rendement de l’année suivante ; c’est une mesure de la dispersion typique des résultats possibles.
Premier grand effet : la volatilité altère la capitalisation
Une vérité discrète mais sévère : un chemin de rendements volatile réduit la croissance composée à long terme, même si la moyenne des rendements paraît correcte.
On parle souvent de la pénalité de volatilité (ou de l’écart entre la moyenne arithmétique et la moyenne géométrique). La moyenne arithmétique est la simple moyenne des rendements ; la moyenne géométrique est celle que votre capital expérimente réellement au fil du temps.
Considérez un exemple sur deux ans :
- Année 1 : +50 %
- Année 2 : -50 %
Moyenne arithmétique = (50% + -50%)/2 = 0 %
Mais $100 → $150 → $75. La valeur finale a baissé de 25 %. La moyenne géométrique est négative.
Les mathématiques dépendent du chemin parce que pertes et gains ne s’« annulent » pas de manière symétrique. Une perte de -50 % exige un gain de +100 % pour revenir au point de départ. L’écart-type résume cette instabilité.
Une approximation utile de la relation entre la moyenne arithmétique ((\mu)), la variance ((\sigma^2)) et le taux de croissance géométrique ((g)) pour de petits rendements est :
[ g \approx \mu - \frac{1}{2}\sigma^2 ]
Ce n’est pas parfait, mais cela illustre le point clé : à moyenne de rendement constante, une variance plus élevée tend à réduire la croissance composée.
Pourquoi les investisseurs doivent s’en soucier
Deux fonds peuvent avoir la même moyenne de rendement, et pourtant celui avec le moindre écart-type peut produire un patrimoine final plus élevé sur de longues périodes. Ce n’est pas de « l’argent gratuit ». C’est la mathématique de la capitalisation multiplicative.
Deuxième grand effet : l’écart-type façonne les retraits typiques
Les investisseurs ne vivent pas la variance ; ils vivent des drawdowns, des appels de marge, la panique et le regret. L’écart-type n’est pas directement égal au drawdown, mais il influence la fréquence à laquelle apparaissent de fortes pertes.
Si les rendements sont volatils, la probabilité d’observer une série de périodes négatives augmente. Cela importe parce que :
- Des besoins en liquidités peuvent forcer des ventes à de mauvais moments.
- Les erreurs comportementales se multiplient quand la volatilité est élevée.
- Les portefeuilles peuvent devenir mécaniquement fragiles si l’effet de levier est présent.
Un portefeuille avec un écart-type annuel de 15 % se comporte différemment d’un portefeuille à 30 % :
- Le portefeuille à 30 % est plus susceptible d’expérimenter des baisses fréquentes à deux chiffres.
- Son « pire année » sur une décennie sera probablement bien pire.
- Les récupérations peuvent prendre plus de temps simplement parce que des trous plus profonds exigent plus de temps.
L’écart-type est un outil brut, mais il est souvent le premier chiffre qui vous indique si un investissement convient à votre tolérance et à votre horizon.
La variance dans les portefeuilles : ce n’est pas qu’une affaire d’actifs individuels
La vraie puissance de la variance apparaît dans la mathématique du portefeuille. La variance d’un portefeuille dépend de :
- La variance de chaque actif (sa volatilité individuelle)
- La corrélation entre les actifs (comment ils bougent ensemble)
- Les pondérations attribuées à chaque actif
Pour un portefeuille à deux actifs avec des poids (w_1) et (w_2), des volatilités (\sigma_1) et (\sigma_2), et une corrélation (\rho_{12}), la variance du portefeuille est :
[ \sigma_p^2 = w_1^2\sigma_1^2 + w_2^2\sigma_2^2 + 2w_1w_2\sigma_1\sigma_2\rho_{12} ]
C’est dans le terme de corrélation que vit la diversification.
Diversification : réduire la variance sans réduire le rendement attendu
Si (\rho_{12}) est inférieure à 1, l’écart-type du portefeuille peut être inférieur à la moyenne pondérée des écarts-types individuels. Si la corrélation est faible ou négative, la réduction peut être significative.
C’est pourquoi un portefeuille composé de deux actifs « risqués » peut être moins risqué que chacun pris séparément — à condition qu’ils ne dansent pas sur la même musique.
La corrélation n’est pas constante
En période calme, les corrélations entre actions et obligations peuvent sembler favorables. En période de stress, les corrélations peuvent monter. Donc quand la variance de portefeuille est calculée à partir de corrélations historiques, le résultat peut être optimiste.
Cela ne rend pas la formule inutile — cela en fait un outil qui doit être employé avec jugement.
Variance et écart-type dans la performance ajustée du risque
Les investisseurs se préoccupent des rendements, mais aussi de ce qu’ils ont dû endurer pour les obtenir. L’écart-type est un dénominateur commun dans plusieurs métriques de performance.
Ratio de Sharpe : la jauge classique basée sur la volatilité
Le Sharpe ratio compare le rendement excédentaire à l’écart-type :
[ \text{Sharpe} = \frac{R_p - R_f}{\sigma_p} ]
- (R_p) : rendement du portefeuille
- (R_f) : taux sans risque (souvent le rendement d’un bon du Trésor à court terme)
- (\sigma_p) : écart-type des rendements du portefeuille
Un Sharpe plus élevé suggère plus de rendement par unité de volatilité. La limite : l’écart-type traite de la même façon la volatilité positive et la volatilité négative, alors que les investisseurs détestent habituellement seulement la volatilité négative.
Ratio de Sortino : se concentrer sur la déviation négative
Le Sortino ratio remplace l’écart-type par la déviation négative — la volatilité sous un rendement cible. C’est une réponse à la critique selon laquelle l’écart-type pénalise les bonnes surprises.
Pour autant, l’écart-type reste le proxy de risque le plus courant parce qu’il est simple, mathématiquement commode et intégré à la théorie moderne du portefeuille.
Photo by PiggyBank on Unsplash
Sequence of Returns : même moyenne, résultat différent
La variance et l’écart-type décrivent la dispersion, mais les investisseurs réels font aussi face au timing. Quand surviennent des retraits — retraite, frais de scolarité, apport pour une maison — l’ordre des rendements devient déterminant.
Deux portefeuilles peuvent afficher des rendements moyens et des écarts-types identiques sur une décennie, mais produire des patrimoines finaux différents si l’un subit des pertes tôt puis des gains, tandis que l’autre gagne d’abord puis perd.
C’est le risque de séquence des rendements, et c’est une des raisons pour lesquelles la volatilité compte davantage quand :
- Vous retirez de l’argent (phase de décumulation)
- Votre horizon est court
- Vous utilisez de l’effet de levier
- Votre plan exige des flux de trésorerie à des moments précis
La variance ne « cause » pas le risque de séquence, mais un écart-type plus élevé rend les séquences extrêmes plus probables.
Une loupe pratique : « Jusqu’où ça peut empirer avant que ça s’améliore ? »
Les investisseurs sous-estiment souvent combien de temps la récupération peut prendre après une forte baisse. Quand la volatilité est élevée, attendez-vous à des drawdowns profonds plus fréquents, et donc à des périodes de récupération plus longues — surtout si les rendements ne montrent pas une forte tendance haussière.
L’écart-type ne prédit pas le prochain marché baissier, mais il façonne la distribution des trajectoires possibles de votre portefeuille.
Écart-type et tarification du risque
Dans la tarification d’actifs de base, les investisseurs demandent une compensation pour supporter le risque. Tous les risques ne sont pas valorisés de la même façon, mais la volatilité constitue souvent un point de départ pour la communication du risque par les institutions et les fonds.
- Sur les marchés d’options, la volatilité implicite est en pratique un prix de la variabilité future attendue.
- Dans les contraintes de portefeuille, des limites de volatilité dictent souvent la taille des positions.
- Dans les budgets de risque, les contributions à la variance guident l’allocation de capital.
La variance n’est pas que descriptive ; elle devient un régulateur de ce que les investisseurs peuvent détenir.
Taille des positions : ajustement à la volatilité
Beaucoup de stratégies systématiques pratiquent une forme de ciblage de la volatilité : elles réduisent l’exposition quand la volatilité augmente et l’augmentent quand elle baisse.
Dans une forme simplifiée, une stratégie peut fixer un poids proportionnel à :
[ w \propto \frac{1}{\sigma} ]
Implication claire : l’écart-type n’est pas seulement observé ; il modifie activement le comportement de trading, ce qui peut rétroagir sur la dynamique des marchés.
Le rôle caché de la variance dans le rééquilibrage
Le rééquilibrage semble ordonné — vendre ce qui a monté, acheter ce qui a baissé. En coulisses, la variance contrôle la fréquence et l’ampleur du dérèglement des pondérations.
- Les actifs à forte variance dérivent davantage : quelques mois forts peuvent gonfler leur poids dans le portefeuille.
- Rééquilibrer des gagnants à forte variance vers des retardataires à faible variance peut réduire la variance du portefeuille au fil du temps.
- Mais un rééquilibrage fréquent augmente les coûts et les impôts, ce qui complique le tableau théorique.
Il existe aussi un phénomène appelé volatility pumping (plus exactement : bonus de rééquilibrage) qui peut apparaître quand on rééquilibre entre des actifs avec suffisamment de volatilité et une faible corrélation. L’idée : acheter après des baisses et vendre après des hausses peut ajouter un rendement marginal dans certaines conditions.
Ce n’est pas garanti, et cela peut être noyé par les tendances, la hausse des corrélations ou les coûts de transaction. Pourtant, la possibilité existe parce que la variance crée les oscillations que le rééquilibrage peut exploiter.
Quand l’écart-type induit en erreur : queues épaisses, asymétrie et changements de régime
L’écart-type fonctionne mieux quand les rendements sont à peu près symétriques et pas dominés par des désastres rares. Les marchés réels violent souvent ces hypothèses.
Queues épaisses : des événements extrêmes plus fréquents que le modèle « normal »
Les rendements actions tendent à avoir des queues épaisses, ce qui signifie que les mouvements importants surviennent plus souvent que ne le prévoit une distribution normale. Dans ce contexte :
- Les « événements à 3 sigma » ne sont pas aussi rares que le modèle normal le prétend.
- L’écart-type sous-estime le risque de queue à moins d’être accompagné de tests de résistance.
Asymétrie : le haut et le bas ne se répondent pas symétriquement
Beaucoup de stratégies ont des paiements asymétriques. La vente d’options, les carry trades et certaines stratégies de crédit peuvent afficher un faible écart-type la plupart du temps — jusqu’au moment où un crash survient. Elles peuvent sembler stables jusqu’à ce qu’elles ne le soient plus.
Un faible écart-type peut masquer une distribution dangereuse. Le chiffre ne ment pas ; il ne dit juste pas toute l’histoire.
Changements de régime : la volatilité s’agrège
La volatilité a tendance à s’agréger — périodes calmes suivies de périodes turbulentes. Cela signifie que la volatilité estimée sur l’année passée peut être sans rapport avec celle du trimestre suivant.
C’est pourquoi la gestion des risques utilise souvent :
- Des fenêtres glissantes (pour mettre à jour σ)
- Des modèles de type GARCH (pour prévoir la volatilité)
- Des périodes de stress (pour voir jusqu’où σ peut monter)
- Des analyses de scénario (pour imaginer des ruptures de corrélation)
L’écart-type est un point de départ, pas une garantie.
Comment les investisseurs utilisent réellement la variance et l’écart-type
Dans la prise de décision réelle, les statistiques de volatilité apparaissent à trois endroits : attentes, contraintes et comportement.
1) Fixer des attentes pour une détention
Si un ETF a un écart-type annuel de 20 %, vous ne devriez pas être surpris par un mouvement de -10 % à -15 % sur un mauvais trimestre. La statistique ne rend pas le mouvement agréable, mais elle le rend prévisible en esprit.
Les investisseurs explosent souvent non pas parce que le risque était inconnu, mais parce qu’il a été ignoré.
2) Construire des garde-fous
Beaucoup de portefeuilles incluent des limites explicites ou implicites de volatilité :
- Un retraité peut préférer un portefeuille conçu pour un écart-type plus faible.
- Une fondation (endowment) peut accepter un σ plus élevé mais exiger une forte liquidité.
- Un investisseur levéragé doit garder σ assez bas pour éviter la liquidation forcée.
La variance devient un paramètre de conception.
3) Éviter le piège de la « fausse précision »
Il est facile de calculer un écart-type avec deux décimales et de se sentir scientifique. Mais les entrées — historique des rendements, choix de fenêtre, fréquence des données — modifient le résultat.
La bonne mentalité : les estimations de volatilité sont des plages utiles, pas des constantes sacrées.
## Tools Investors Use to Monitor Volatility
Vous n’avez pas besoin d’une infrastructure institutionnelle pour suivre l’écart-type et la variance. Mais les outils diffèrent par la façon dont ils présentent les calculs et par la facilité à comparer les actifs.
- Portfolio Visualizer
- Morningstar Portfolio Tools
- Yahoo Finance Historical Data
- TradingView Volatility Indicators
- Excel or Google Sheets (STDEV functions)
Ces outils peuvent calculer des valeurs légèrement différentes selon la source de données, la fréquence (quotidienne vs mensuelle) et selon qu’ils utilisent les formules d’échantillon ou de population. La direction de l’information importe généralement plus que le troisième chiffre après la virgule.
Une démonstration concrète : deux fonds avec la même moyenne de rendement
Imaginez que le Fonds A et le Fonds B affichent tous deux en moyenne 8 % par an sur un long échantillon. La différence :
- Le Fonds A a un écart-type annuel de 10 %
- Le Fonds B a un écart-type annuel de 25 %
Sur le papier, les deux « rapportent 8 % ». Dans les résultats réels :
- Le Fonds B est plus susceptible de subir des drawdowns profonds qui interrompent la capitalisation.
- Le Fonds B est plus susceptible de déclencher des erreurs comportementales chez les investisseurs (vendre bas, acheter tard).
- Le Fonds B peut nécessiter un horizon plus long pour que son rendement attendu devienne significatif.
- Le Fonds A peut produire un rendement géométrique supérieur si la pénalité de volatilité domine.
C’est là que la variance cesse d’être un concept académique. Elle détermine qui reste investi, qui capitule et qui capture effectivement le rendement annoncé.
Ce qu’il faut surveiller au-delà de l’écart-type (tout en le respectant)
L’écart-type est une mesure propre et compacte de la dispersion, mais il fonctionne mieux quand il est accompagné d’autres regards :
- Max drawdown : « quelle a été la plus forte chute du pic au creux ? »
- Downside deviation : « quelle est la volatilité du côté négatif ? »
- Value at Risk (VaR) et Expected Shortfall : « quelle peut être l’ampleur des pires jours ? »
- Corrélation en situation de stress : « les diversifiants diversifient-ils encore quand c’est nécessaire ? »
- Liquidité et gap risk : « les prix peuvent-ils sauter au-delà de mon stop ? »
Même quand vous allez au-delà, l’écart-type reste fondamental parce qu’une grande partie de la construction de portefeuille commence par la matrice variance-covariance. C’est la grammaire de la diversification.
La conclusion en termes mathématiques : la dispersion façonne le destin
La variance et l’écart-type influencent les résultats d’investissement par plusieurs canaux simultanément :
- Ils modifient la croissance composée via la pénalité de volatilité.
- Ils modifient la fréquence et la profondeur des drawdowns, ce qui affecte la capacité réelle à rester investi.
- Ils façonnent le risque de portefeuille par la covariance et la corrélation, permettant la diversification.
- Ils définissent les mesures ajustées du risque comme le Sharpe et informent les contraintes.
- Ils altèrent le risque de séquence quand le temps et les flux de trésorerie importent.
Investir est par nature incertain. Mais la dispersion des résultats possibles — la variance autour de votre attente — fait souvent la différence entre un plan qui fonctionne sur le papier et un plan qui survit à la réalité.
Liens externes
Expected Value, Variance & Standard Deviation | CFA® Notes Standard Deviation, Probability, and Risk When Making Investment … Standard Deviation Formula: How to Calculate and Interpret Standard Deviation Formula and Uses, vs. Variance - Investopedia Measuring investment risk using standard deviation in finance