Probabilité de perte selon l’horizon d’investissement : guide de modélisation décisionnelle

Les marchés peuvent ressembler à un pile ou face à court terme — et à la gravité à long terme. La difficulté est de quantifier dans quelle mesure cela est vrai.

Ce que « probabilité de perte » signifie réellement

« Probabilité de perte » semble simple : la probabilité que votre investissement vaille moins que ce que vous y avez mis. Dans les modèles de décision, il est utile de la définir précisément car différentes définitions mènent à des conclusions très différentes.

Les définitions courantes incluent :

• Probabilité de perte nominale : la valeur finale est inférieure au principal initial, en ignorant l’inflation et les impôts.
• Probabilité de perte réelle : la valeur finale est inférieure au principal après prise en compte de l’inflation (perte de pouvoir d’achat).
• Probabilité de perte après impôts : la valeur finale est inférieure au principal après impôts, ce qui compte pour les comptes imposables et les horizons courts.
• Probabilité de perte dépendante du chemin : vous « perdez » si vous passez sous un seuil à n’importe quel moment (important pour l’effet de levier, la marge et les besoins de liquidité).
• Probabilité de perte à l’horizon : vous « perdez » seulement si la valeur est inférieure au principal à une date future spécifique (le plus courant dans les projections de retraite et la planification par objectifs).

Pour la plupart des investisseurs, la version pertinente pour la décision est la probabilité de perte à l’horizon : « Si j’investis aujourd’hui et que je dois utiliser l’argent dans X années, quelle est la probabilité d’être en perte ? »

Pourquoi l’horizon temporel change les probabilités

L’horizon temporel change les probabilités pour deux raisons :

1. Capitalisation des rendements attendus : si une classe d’actifs a un rendement attendu positif à long terme, la distribution des résultats se déplace vers le haut avec le temps.
2. Agrégation de la volatilité : les rendements se composent aussi de manière imprévisible ; la variance augmente avec le temps aussi, mais pas de la même façon que la moyenne.

Une façon simple de voir le jeu de forces est la suivante : plus vous restez investi longtemps dans un actif risqué avec un rendement attendu positif, plus vous donnez au « drift » le temps de dominer les chocs aléatoires. Mais cela ne signifie pas que les pertes disparaissent — surtout après inflation, frais et mauvaises séquences de rendements.

Les modèles de décision tentent de transformer cette intuition en chiffres.

La boîte à outils centrale des modèles de décision

Lorsque les analystes estiment la probabilité de perte sur des horizons, ils choisissent généralement parmi quelques approches de modélisation. Chacune porte des hypothèses qui comptent plus que beaucoup ne le réalisent.

1) Analyse historique par fenêtres mobiles

On prend l’histoire — par exemple les rendements mensuels du S&P 500 — et on calcule les résultats pour chaque période mobile d’1 an, chaque période mobile de 5 ans, chaque période mobile de 10 ans, etc. Puis on compte la part des périodes qui ont fini en territoire négatif.

Avantages

• Ancré dans de vrais régimes de marché.
• Inclut crises, reprises et séquences désagréables.

Inconvénients

• Taille d’échantillon limitée pour les horizons longs (il n’y a tout simplement pas beaucoup de périodes non chevauchantes de 30 ans).
• L’histoire inclut un chemin spécifique d’inflation, de valorisations et de régimes de politique.
• Le futur peut ne pas ressembler au passé.

Les résultats par fenêtres mobiles sont souvent les plus convaincants pour les lecteurs car ils paraissent tangibles : « Dans l’histoire, vous avez perdu de l’argent X% du temps sur Y années. » Mais c’est toujours un choix de modèle — qui suppose implicitement que la distribution future ressemble à la distribution historique.

2) Modèles paramétriques (hypothèses normale / lognormale)

Ici vous supposez que les rendements suivent une distribution statistique — souvent normale pour les rendements arithmétiques ou lognormale pour les prix — et vous utilisez la moyenne et la volatilité estimées pour calculer des probabilités.

Une simplification classique : si les rendements annuels sont IID (indépendants et identiquement distribués) avec une moyenne μ et une volatilité σ, alors sur T années la moyenne s’échelonne comme μT et la volatilité comme σ√T (pour l’agrégation arithmétique). Sous capitalisation lognormale, on travaille avec les rendements logarithmiques.

Avantages

• Mathématiques transparentes.
• Facile de calculer des probabilités pour n’importe quel horizon.

Inconvénients

• Les rendements financiers ont des queues épaisses, de l’asymétrie et des changements de régime.
• Les corrélations montent en flèche en période de crise.
• Les hypothèses IID sous-estiment les effets de séquence et le risque de krach.

Si vous avez déjà vu un joli graphique où la probabilité de perte décroît doucement avec le temps, il provient souvent d’un modèle paramétrique. Les marchés réels sont plus désordonnés.

3) Simulation Monte Carlo (avec caractéristiques réalistes)

Les modèles Monte Carlo génèrent des milliers de trajectoires de rendements plausibles. La qualité des résultats dépend de ce que vous y mettez :

• Queues épaisses (par ex. distribution t)
• Regroupement de la volatilité (comportement de type GARCH)
• Commutation de régimes (périodes calmes vs périodes de crise)
• Rendements attendus variant dans le temps (modèles sensibles aux valorisations)
• Pics de corrélation lors des baisses
• Modèle d’inflation pour la probabilité de perte réelle

Avantages

• Flexible et peut incorporer la dépendance au chemin.
• Mieux adapté aux modèles de décision basés sur des objectifs (fonds d’études, dépenses de retraite).

Inconvénients

• Facile de construire une simulation qui a l’air sophistiquée mais qui intègre des hypothèses optimistes.
• Les résultats peuvent être sensibles aux paramètres d’entrée (μ, σ, épaisseur des queues, règles de rééquilibrage).

En pratique, une bonne Monte Carlo ne donne pas « la réponse ». Elle donne une plage et met en évidence quelles hypothèses font varier cette plage.

Horizons courts : pourquoi les pertes sont fréquentes et ressenties personnellement

Sur des jours, des semaines et même un an, les marchés sont dominés par le bruit, les titres d’actualité, la liquidité et des attentes changeantes. Même pour des indices d’actions larges avec un rendement attendu positif à long terme, la probabilité de perte sur un horizon d’un an peut être inconfortablement élevée dans de nombreux régimes.

Implications pour les modèles de décision à court terme :

• Les liquidités et les obligations court terme de haute qualité gagnent souvent sur la probabilité de perte, même si elles perdent en croissance à long terme.
• Les coûts de transaction, les spreads et les impôts peuvent transformer une situation « plate » en une situation « en baisse », surtout pour des opérations fréquentes.
• La capacité de risque compte plus que la tolérance au risque : si vous devez accéder à l’argent bientôt, vous n’avez peut-être pas la capacité d’endurer une baisse.

Une façon pratique de modéliser cela est de définir un « plancher requis » à l’horizon : par exemple, « J’ai besoin d’au moins 95 % de mon principal dans 12 mois. » Cela transforme le choix de portefeuille en un problème d’optimisation contraint : maximiser le rendement attendu sous la contrainte de probabilité de plancher.

Horizons moyens : le champ de bataille du risque de séquence

La fenêtre 3–10 ans est celle où vivent beaucoup d’objectifs réels : acomptes pour une maison, transitions de carrière, création d’entreprise ou financement des études. C’est aussi là que les personnes se font fouetter : assez long pour s’attendre à ce que les marchés « fonctionnent », assez court pour qu’une seule mauvaise séquence puisse dominer.

Le risque de séquence n’est pas seulement un concept de retraite. C’est toute situation où des rendements négatifs précoces réduisent votre capacité à vous redresser d’ici le moment où vous avez besoin de l’argent.

Outils de modélisation décisionnelle qui conviennent à cet horizon :

• Glide paths : réduire progressivement le risque à l’approche de l’échéance.
• Règles de rééquilibrage dynamiques : rééquilibrer en profitant des baisses, mais avec des garde-fous pour éviter de « attraper un couteau qui tombe ».
• Planchers probabilistes : « Maintenir la probabilité de perte sous 20 % à 5 ans », recalculé annuellement.

Un point sous-apprécié : la diversification aide plus à certains horizons qu’à d’autres. Sur des horizons moyens, ajouter des actifs moins corrélés peut réduire la dispersion des résultats — et cela réduit la probabilité de perte — sans sacrifier complètement le rendement attendu.

_{Photo by Markus Winkler on Unsplash}

Horizons longs : pourquoi « le temps diversifie » est vrai — et incomplet

Pour les actions larges, l’histoire à long terme est que les rendements attendus positifs tendent à dominer. Historiquement, la fréquence des pertes nominales diminue souvent à mesure que l’horizon s’allonge. Beaucoup d’investisseurs interprètent cela comme « les actions sont sûres si vous attendez assez longtemps. »

Le point de vue des modèles de décision est plus prudent :

1. L’horizon long réduit la probabilité de perte nominale, pas nécessairement la perte réelle. L’inflation peut transformer discrètement un gain nominal en une perte en pouvoir d’achat.
2. La valorisation à l’entrée compte plus que ce que l’on admet. Acheter à des valorisations extrêmes peut augmenter la probabilité de perte à long terme comparé à l’achat à des valorisations déprimées.
3. Le risque de régime ne disparaît pas. Guerres, changements de politique, crises de la dette et ralentissements structurels peuvent remodeler les rendements pendant des décennies.
4. Votre horizon n’est pas toujours ce que vous pensez. Un « horizon de 30 ans » est souvent une chaîne d’horizons plus courts parce que la vie impose des retraits, des réallocations ou des pertes d’emploi à des moments inopportuns.

Les horizons longs offrent néanmoins un avantage puissant : la capacité de supporter des baisses intermédiaires sans être forcé de vendre. En termes de décision, l’horizon temporel est en partie un proxy pour le risque de contrainte de liquidité.

Transformer les horizons en modèle de décision : étapes essentielles

Un modèle utile ne se contente pas de produire une courbe. Il relie la probabilité de perte à un choix : allocation d’actifs, taux de contribution, assurance ou flexibilité des dépenses.

Étape 1 : Spécifier l’objectif et la définition de la perte

Formulez-le comme un contrat :

• « Dans 7 ans, j’ai besoin d’au moins 120 000 $ pour un acompte. »
• « Dans 20 ans, je veux 90 % de chances de battre l’inflation de 2 % annualisé. »
• « Au cours des 3 prochaines années, je ne peux pas tolérer plus de 15 % de baisse à n’importe quel moment. »

Chaque énoncé implique un calcul de probabilité différent.

Étape 2 : Choisir l’univers investissable (et les contraintes)

Un modèle doit refléter ce que vous pouvez réellement détenir :

• Fonds indiciels d’actions
• Bons du Trésor/billets
• Obligations investment-grade
• Obligations protégées contre l’inflation
• Équivalents de trésorerie
• Alternatives (seulement si vous pouvez les modéliser honnêtement)

Les contraintes peuvent inclure :

• Allocation maximale en actions
• Pas d’effet de levier
• Réserve minimale de liquidités
• Fréquence de rééquilibrage

Étape 3 : Modéliser les moteurs de rendement en accord avec l’horizon

• Pour les horizons courts, les frais et les impôts pèsent lourd ; la volatilité domine les résultats.
• Pour les horizons moyens, les corrélations et la dynamique des baisses importent.
• Pour les horizons longs, l’inflation et la sensibilité aux valorisations deviennent décisives.

Vous n’avez pas besoin d’un modèle de thèse, mais il faut de la cohérence. Par exemple, si vous supposez une inflation stable de 2 % pour toujours tout en supposant un comportement d’actions digne d’une crise, votre probabilité de perte réelle sera faussée.

Étape 4 : Évaluer la probabilité de perte et la courbe des compromis

Au lieu d’un portefeuille unique, vous voulez une frontière efficace dans l’espace des probabilités :

• Portefeuille A : 10 % de probabilité de perte à 5 ans, faible potentiel haussier
• Portefeuille B : 20 % de probabilité de perte à 5 ans, potentiel haussier plus élevé
• Portefeuille C : 35 % de probabilité de perte à 5 ans, potentiel haussier beaucoup plus élevé

Une fois que vous voyez la courbe, le choix devient plus clair : vous sélectionnez combien de probabilité de perte vous êtes prêt à « payer » pour une richesse espérée plus élevée.

Une façon concrète de penser les horizons : trois problèmes de « perte » différents

L’investisseur à 1 an : minimiser le risque de déception

Un investisseur à un an ressent souvent la perte comme un dommage émotionnel et du regret, pas une ruine financière. Néanmoins, le modèle est simple :

• Se concentrer sur la volatilité, le risque de queue et les résultats après impôts.
• Mettre l’accent sur la préservation du capital.
• Éviter les stratégies qui dépendent d’une réversion moyenne arrivant à l’heure prévue.

En pratique, cet investisseur bénéficie de règles explicites :

• « Si la date d’objectif est fixe, réduire l’exposition aux actions. »
• « Si j’insiste pour être exposé aux actions, dimensionner cette exposition pour qu’une mauvaise année ne brise pas le plan. »

L’investisseur à 5 ans : minimiser le risque d’échec d’objectif

Pour un objectif à cinq ans, la douleur est de rater un achat ou de retarder un événement de vie. Ici le modèle devrait intégrer :

• La probabilité de terminer en dessous de la valeur cible requise
• La probabilité d’être en dessous de l’objectif aux années 3–4 (si la flexibilité existe)
• Les règles de rééquilibrage et les calendriers de contribution

Ajouter des contributions (lissage des achats) peut réduire la probabilité de perte par rapport à un versement unique, mais introduit aussi un piège comportemental : les gens arrêtent les contributions pendant les baisses, ce qui transforme un avantage théorique en désavantage réel.

L’investisseur à 30 ans : minimiser le déficit de pouvoir d’achat

Pour un horizon long, les pertes nominales deviennent moins intéressantes que les résultats réels. La « perte » de cet investisseur peut être de ne pas augmenter suffisamment le pouvoir d’achat pour financer les dépenses de retraite.

Le modèle devrait inclure :

• Scénarios d’inflation (y compris des périodes d’inflation « collante »)
• Rendements réels, pas seulement nominaux
• Risque de longévité (votre horizon peut être de 40 ans, pas de 30)
• Risque de séquence près de la retraite, même si l’horizon est long aujourd’hui

C’est pourquoi les stratégies à date cible réduisent souvent l’exposition aux actions à l’approche de la retraite : ce n’est pas parce que les actions deviennent soudainement « mauvaises », mais parce que votre horizon effectif se raccourcit lorsque les retraits approchent.

Produits et instruments qui façonnent la probabilité de perte (et les petits caractères)

Beaucoup d’outils sont vendus comme réduisant le risque de baisse. Certains le font réellement ; d’autres déplacent simplement le risque vers des frais, des plafonds ou de la complexité. Dans une optique de modèle de décision, chaque outil change la distribution des résultats.

1. Treasury Bills
   La dette gouvernementale à court terme est la référence pour minimiser la probabilité de perte nominale sur des horizons courts. Les principaux risques sont le risque de réinvestissement (les taux changent) et l’érosion du pouvoir d’achat par l’inflation.

2. Investment-Grade Bond Funds
   Ils peuvent réduire la volatilité par rapport aux actions, mais ne sont pas « à l’épreuve des pertes », surtout sur des horizons courts quand les taux montent. La duration compte : plus la duration est longue, plus la sensibilité aux variations de rendement est grande.

3. Inflation-Protected Securities (TIPS)
   Souvent utilisées pour réduire la probabilité de perte réelle, particulièrement pour des horizons moyens à longs. Elles fluctuent toujours en prix, mais l’ajustement pour l’inflation peut ancrer le pouvoir d’achat dans le temps.

4. Balanced Index Funds (60/40 style)
   Une approche classique de réduction de volatilité. La probabilité de perte sur différents horizons dépend fortement du comportement des obligations ; lors des chocs inflationnistes, les deux composantes peuvent souffrir ensemble.

5. Target-Date Funds
   Ils encodent une glide path, adressant directement le risque lié à l’horizon. L’essentiel est de savoir si la glide path correspond à votre réalité de dépenses et de retraits, pas à l’année de retraite générique du fonds.

6. Protective Put Strategy (Options Hedge)
   Peut réduire fortement les résultats de type queue gauche sur un horizon défini, mais le coût attendu est réel. En termes de modèle de décision, vous achetez une probabilité de perte plus faible avec un coût sur le rendement attendu.

7. Fixed Indexed Annuities
   Souvent présentées comme « pas de baisse avec un potentiel de hausse ». La réalité des modèles de décision est que la baisse est limitée par conception, tandis que le potentiel de hausse est plafonné par des taux de participation, des marges et des plafonds. Les contraintes de liquidité et les termes de crédit importent.

Les variables cachées qui déplacent la probabilité de perte plus que le « temps »

L’horizon temporel est puissant, mais ce n’est pas le seul levier. Plusieurs variables peuvent l’emporter sur l’effet d’horizon.

Valorisation de départ et rendement attendu

Si les rendements attendus sont plus faibles (parce que les valorisations sont élevées, ou la croissance plus faible), la probabilité de perte à long terme augmente. Les modèles qui supposent une prime de risque action historique constante peuvent sous-estimer le risque dans des régimes de valorations tendues.

Frais et frictions

Un frais annuel de 1 % semble petit, mais il se capitalise. Sur de longues périodes, il peut transformer un gain réel marginal en une perte réelle. Les modèles de décision doivent traiter les frais comme un rendement négatif certain, pas comme une note de bas de page.

Régime d’inflation

L’inflation est le saboteur discret. Même si la probabilité de perte nominale diminue avec l’horizon, la probabilité de perte réelle peut rester obstinément élevée lors de décennies d’inflation élevée. Si votre objectif est le pouvoir d’achat, modéliser l’inflation n’est pas optionnel.

Vente comportementale

L’horizon statistique optimal est sans valeur si vous vendez par panique au mauvais moment. Un modèle de décision réaliste inclut une contrainte comportementale : l’investisseur peut-il réellement tenir pendant une baisse de 40 % ? Si non, le modèle devrait réduire l’exposition aux actions ou ajouter des couvertures explicites.

Risque de change (pour les investisseurs globaux)

Si vos dépenses futures sont dans une devise mais que vos investissements sont dans plusieurs devises, les taux de change créent une autre couche de risque dépendant de l’horizon. Sur de longues périodes, les devises peuvent revenir vers leur moyenne — ou rester mal ajustées pendant de longues périodes. Dans tous les cas, elles ajoutent de la dispersion.

Construire une « courbe de probabilité de perte » que vous pouvez réellement utiliser

Si vous voulez un artefact actionnable, c’est ceci : pour chaque portefeuille candidat, tracez la probabilité de perte à plusieurs horizons (1, 3, 5, 10, 20 ans), sous définitions nominale et réelle. Ajoutez ensuite un second ensemble de courbes pour des régimes « mauvais mais plausibles » (inflation plus élevée, croissance plus faible, volatilité plus élevée).

Un bon ensemble de courbes répond à de vraies questions :

• « Si j’investis aujourd’hui, quelle est la probabilité d’être en baisse quand j’aurai besoin de l’argent ? »
• « Dans quelle mesure la diversification réduit-elle cette probabilité à 5 ans ? »
• « Ai-je besoin d’une glide path parce que la probabilité augmente à l’approche de la date cible ? »
• « Mon risque réel est-il l’inflation, pas la volatilité du marché ? »

Et surtout, cela force à l’honnêteté : on ne peut pas balayer le risque d’un revers de la main avec des slogans sur la patience ou la pensée à long terme. On peut voir où la patience aide — et où elle n’aide pas.

La conclusion pratique intégrée dans les mathématiques : assortir l’horizon à l’actif

La probabilité de perte n’est pas un jugement moral sur les actions ou les obligations. C’est un problème de mesure lié au quand vous avez besoin de l’argent et à ce que signifie la perte pour cet objectif.

• Les objectifs à court terme favorisent généralement les instruments à faible dispersion et faible risque de queue.
• Les objectifs à horizon moyen requièrent souvent un mélange : assez de croissance pour dépasser l’inflation, assez de stabilité pour éviter l’échec du plan.
• Les objectifs à long terme peuvent exploiter la prime de risque des actions, mais seulement si l’inflation, les frais et le comportement sont traités comme des variables de première importance.

Autrement dit, l’horizon temporel ne supprime pas magiquement le risque ; il le reconfigure. Un bon modèle de décision rend cette reconfiguration visible — pour que vous puissiez choisir les compromis les yeux ouverts.

Liens externes

Investing Risk and Time Horizon: What You Need To Know The Value of long-Term Investing - Simply Ethical [PDF] Investment Horizon Effects - e-Repositori UPF How likely is it to beat the target at different investment horizons: an approach using compositional data in strategic portfolios | Financial Innovation | Springer Nature Link Understanding Investment Time Horizons: Short, Medium, and Long …

Références externes

• Treasury Bills
• Investment Grade Bond Funds
• Inflation Protected Securities TIPS
• Funds 60 40 style
• Target Date Funds
• Strategy Options Hedge
• Fixed Indexed Annuities