Risque vs Rendement, rendu évident : simulations simples que tout le monde peut exécuter

La plupart des débats sur l’investissement se terminent de la même façon : quelqu’un dit « rendement plus élevé = risque plus élevé », et tout le monde hoche la tête sans s’entendre sur ce que signifient réellement ces mots.

Pourquoi les simulations valent mieux que les slogans

Risque et rendement vivent dans la probabilité. Vous pouvez lire des définitions toute la journée, mais quelques simulations rapides rendent la relation tangible — parce que vous verrez à quelle fréquence les choses tournent bien, à quel point elles tournent mal, et ce que cache la notion de « moyenne ».

Une simulation, c’est simplement un échantillonnage répété à partir d’un modèle. En finance, cela signifie généralement générer de nombreux chemins possibles pour un investissement et étudier la distribution des résultats. C’est la mise en pratique des modèles de décision : vous choisissez des hypothèses, lancez des scénarios et décidez sous incertitude.

Avant les expériences, un vocabulaire partagé :

• Rendement : la variation de valeur, généralement mesurée en pourcentage sur une période.
• Rendement attendu : la moyenne des résultats pondérée par leur probabilité (le « centre de gravité »).
• Risque : pas une seule chose. Les indicateurs courants incluent la volatilité, la probabilité de perte, l’ampleur des replis (drawdowns) et la chance d’échouer à un objectif.
• Distribution : l’étendue des résultats possibles ; les queues comptent.
• Dépendance au chemin : la trajectoire compte, pas seulement le début et la fin (surtout en présence de retraits).

L’objectif n’est pas de « prédire » les marchés. C’est de clarifier les compromis.

Simulation 1 : Le portefeuille pile-ou-face (valeur attendue vs expérience vécue)

Commencez par le générateur de rendement le plus simple :

• Chaque année, l’investissement gagne soit +20% soit perd -15%.
• La probabilité est 50/50.
• Vous investissez pendant 20 ans.

Ce que dit les mathématiques

La moyenne arithmétique du rendement annuel est :

• (20% + (-15%)) / 2 = 2,5%

On pourrait donc supposer qu’après 20 ans vous devriez être clairement en gain.

Mais la capitalisation n’accorde aucune importance aux moyennes arithmétiques. Si vous alternez hausse et baisse, vous multipliez :

• Année haussière : ×1,20
• Année baissière : ×0,85

Un cycle de deux ans devient ×(1,20 × 0,85) = ×1,02, soit environ 2% sur deux ans, ce qui revient à environ 1% par an de croissance géométrique dans ce cas alterné.

Et c’est plus subtil : même avec les mêmes résultats annuels, l’ordre change la profondeur des pertes intermédiaires, ce qui affecte le comportement réel (vente paniquée) et tout flux de trésorerie (contributions/retraits).

Ce que révèle la simulation

Si vous exécutez, disons, 10 000 séquences aléatoires de 20 ans, vous observerez typiquement :

• Une large gamme de patrimoines finaux même si la distribution annuelle est identique.
• Beaucoup de trajectoires se regroupent autour d’un gain modeste à long terme, mais une part non négligeable finit à plat ou en baisse.
• La valeur médiane finale peut être sensiblement en dessous de ce que « suggère » la moyenne arithmétique.

Leçon du modèle de décision : le rendement attendu n’est pas une promesse ; c’est une moyenne pondérée sur des futurs que vous ne vivrez pas tous. Vous vivrez un seul chemin.

Si vous voulez l’implémenter rapidement dans un tableur :

1. Dans une colonne, générez 20 nombres aléatoires (RAND()).
2. Convertissez chacun en rendement : si RAND() < 0.5 alors 0.20 sinon -0.15.
3. Calculez la richesse cumulée avec un produit cumulatif.
4. Copiez tout le bloc sur 10 000 lignes.

Vous obtiendrez une distribution, pas une estimation ponctuelle.

Simulation 2 : Même rendement moyen, volatilité différente (la taxe de volatilité)

Comparez maintenant deux actifs ayant la même moyenne annuelle mais des variabilités différentes :

• Actif A (lisse) : +6% chaque année (évidemment irréaliste, mais clair).
• Actif B (ondulé) : alterne entre +18% et -6% dans un ordre aléatoire.

Les deux ont une moyenne arithmétique d’environ 6%. Beaucoup de débutants s’attendent à des résultats à long terme similaires.

Pourquoi ils divergent

La capitalisation punit la volatilité parce qu’une perte demande un gain plus important ensuite pour récupérer. Une année à -20% nécessite +25% pour revenir à l’équilibre.

Si vous simulez des horizons de 30 ans :

• L’actif A produit une valeur finale unique : une capitalisation prévisible.
• L’actif B produit une dispersion de valeurs finales, et le résultat typique (la médiane) est souvent inférieur à celui de l’actif A — même si la moyenne des rendements annuels est la même.

C’est l’effet d’entraînement de la volatilité. Formellement, pour de petits rendements, la moyenne géométrique est approximativement :

• géométrique ≈ arithmétique − (variance / 2)

L’intuition vaut plus que la formule : la variance grignote le rendement quand vous capitalisez.

Leçon du modèle de décision : lorsque vous choisissez le « risque », vous payez peut-être pour la chance d’un résultat supérieur, mais vous acceptez aussi une entrave structurelle à la croissance composée typique.

Simulation 3 : Deux actifs risqués : la diversification façonne la distribution

Le risque ne concerne pas seulement chaque actif ; il concerne aussi la façon dont ils évoluent ensemble.

Mettez en place deux actifs :

• Actif 1 : rendement attendu 8%, volatilité 18%
• Actif 2 : rendement attendu 6%, volatilité 10%

Variez maintenant la corrélation entre eux :

• Cas X : corrélation +0,9 (ils bougent ensemble)
• Cas Y : corrélation 0,0 (indépendants-ish)
• Cas Z : corrélation -0,3 (un certain décalage)

Si vous simulez les rendements d’un portefeuille avec différents poids (par ex. 60/40, 50/50), vous trouverez typiquement :

• Avec une forte corrélation (+0,9), la diversification n’aide pas beaucoup. Les mauvaises années ont tendance à être mauvaises simultanément.
• Avec une corrélation faible ou négative, la volatilité du portefeuille diminue plus que ce que vous pourriez imaginer, et la queue gauche (gros pertes) rétrécit souvent.
• Le rendement attendu est grosso modo une moyenne pondérée ; le risque ne l’est pas.

C’est là que la construction de portefeuille cesse d’être un slogan et devient un exercice quantitatif de modèles de décision : vous ne vous contentez pas de choisir des « bons actifs », vous concevez la distribution des résultats.

Une manière pratique de visualiser cela sans maths lourdes :

• Simulez des rendements annuels pour chaque actif (la normale est une hypothèse toy courante).
• Pour obtenir des rendements corrélés, générez deux variables aléatoires avec des composantes partagées (par ex., r2 = corr*r1 + sqrt(1-corr^2)*noise après standardisation).
• Combinez selon des poids et capitalisez sur la période.

Puis comparez :

• Richesse finale médiane
• Richesse finale au 10e centile (un futur « mauvais mais plausible »)
• Distribution des drawdowns maximum

Le meilleur portefeuille n’est pas nécessairement celui au rendement moyen le plus élevé ; c’est celui dont vous pouvez survivre aux pires cas.

_{Photo by Sajad Nori on Unsplash}

Simulation 4 : Risque de ruine (quand le « rendement moyen » devient sans objet)

Beaucoup d’objectifs de finance personnelle ne portent pas sur la maximisation du patrimoine ; ils visent à ne pas échouer.

Imaginez un retraité avec :

• un portefeuille initial de 1 000 000 $
• retire 45 000 $ par an (indexés sur l’inflation)
• investi dans un portefeuille avec rendement attendu 6% et volatilité 12%
• horizon : 30 ans

Simulez maintenant 10 000 trajectoires de rendement. Suivez si le portefeuille atteint un jour zéro.

Ce que vous apprenez vite :

• Deux portefeuilles ayant le même rendement attendu à long terme peuvent avoir des probabilités de ruine très différentes selon la volatilité et les rendements précoces.
• Le risque de séquence des rendements est réel : de mauvaises performances dans les 5–10 premières années peuvent être fatales, même si les rendements ultérieurs sont forts.
• Les résultats médians peuvent sembler acceptables tandis que la queue gauche inclut de véritables catastrophes.

C’est l’une des leçons les plus claires « risque vs rendement » parce qu’elle change la fonction d’objectif. Le modèle de décision n’est pas « maximiser la richesse finale attendue ». C’est « maximiser la probabilité de financer les dépenses » ou « garder la probabilité de ruine sous 5% ».

Dans ce cadre :

• Un mélange à rendement inférieur mais moins volatil peut être meilleur s’il réduit les replis précoces.
• Des liquidités tampon et des règles de dépenses dynamiques peuvent dominer de petits changements de rendement attendu.

Simulation 5 : Les contributions renversent l’intuition habituelle

La plupart des gens investissent tout en ajoutant de l’argent (avoirs salariaux, dépôts mensuels). Cela change la signification du « risque ».

Considérez deux investisseurs épargnant 500 $ par mois pendant 25 ans :

• Investisseur Calme : investit dans un fonds peu volatil avec rendement attendu plus faible.
• Investisseur Audacieux : investit dans un fonds plus volatil avec rendement attendu plus élevé.

Exécutez une simulation avec une volatilité mensuelle réaliste. Vous verrez souvent quelque chose de contre-intuitif :

• Quand vous contribuez, la volatilité peut parfois aider parce que vous achetez plus de parts quand les prix sont bas (moyennage d’achat).
• Mais ce bénéfice n’est pas magique. Si la volatilité s’accompagne de replis profonds et prolongés, vous pouvez tout de même finir avec moins — surtout si le rendement attendu n’est pas sensiblement supérieur.

C’est un bon endroit pour se concentrer sur la distribution des résultats, pas sur un unique chiffre :

• Quel est le solde final au 25e centile ?
• À quelle fréquence l’Audacieux bat-il le Calme ?
• Quel est le pire drawdown en chemin (le test « rester investi ») ?

Leçon du modèle de décision : la tolérance au risque n’est pas que psychologique ; elle est liée à la structure des flux de trésorerie. Les contributeurs peuvent parfois « se permettre » plus de volatilité que les retraitants — mais seulement s’ils restent réellement investis.

La variable cachée : la façon dont vous définissez le « risque » change la réponse

Les investisseurs parlent à côté les uns des autres parce qu’ils utilisent des métriques de risque différentes. Les simulations vous permettent d’en calculer plusieurs à la fois :

• Volatilité (écart-type) : courante, mais traite le positif et le négatif de la même manière.
• Drawdown maximal : capture le coup psychologique et le problème de vente forcée.
• Probabilité de perte sur l’horizon : « Quelle est la chance d’être en baisse après 10 ans ? »
• Risque de manque (shortfall) : « Quelle est la probabilité de ne pas atteindre X d’ici l’année Y ? »
• Value at Risk (VaR) : mesure de perte par centile ; facile à mal utiliser.
• Conditional VaR / Expected Shortfall : perte moyenne dans la pire queue.

Un portefeuille peut sembler « peu risqué » par la volatilité et avoir tout de même de vilains risques de queue. Un autre peut paraître effrayant par sa volatilité mais rarement produire des drawdowns catastrophiques s’il est mean-reverting et diversifié.

Donc quand quelqu’un dit « ceci est plus risqué », la question suivante devrait être : plus risqué selon quelle définition ?

Construire un modèle de décision simple : choisissez d’abord l’objectif

Un modèle de décision propre en investissement comporte trois parties :

1. Objectif : maximiser la richesse attendue, minimiser la probabilité de ruine, atteindre un objectif avec haute confiance, etc.
2. Contraintes : drawdown maximum toléré, besoins de liquidité, horizon, règles de levier.
3. Méthode d’évaluation : simulation qui produit des distributions de résultats, plus des métriques correspondant à l’objectif.

Voici un workflow pratique que vous pouvez utiliser avec des outils basiques :

• Choisissez 2–4 portefeuilles candidats (par ex. 80/20, 60/40, 40/60, ou une répartition actions/obligations/liq.).
• Pour chaque portefeuille, simulez 10 000 trajectoires avec des rendements mensuels pour plus de réalisme.
• Mesurez :
  • Valeur finale médiane
  • Valeur finale au 10e centile
  • Percentile de drawdown maximal (par ex. drawdown au 90e centile)
  • Probabilité d’atteindre votre objectif
• Choisissez le portefeuille qui correspond à vos contraintes et qui offre le meilleur taux de succès pour l’objectif — pas celui à la moyenne la plus jolie.

Ce n’est pas excessif. C’est la différence entre « j’espère que ça marchera » et « j’ai choisi un plan dont je peux vivre les mauvais cas ».

Choix courants de simulation — et ce qu’ils supposent en douce

Aucune simulation n’est neutre. Chacune intègre des hypothèses qui peuvent sous-estimer ou exagérer le risque.

Rendements normaux (le modèle jouet classique)

Pour :

• Simple
• Facile à coder
• Souvent « suffisant » pour l’intuition

Contre :

• Sous-estime les krachs (queues épaisses)
• Peut générer des résultats impossibles (très grandes pertes négatives)

Bootstrap des rendements historiques

Pour :

• Préserve l’asymétrie et les queues épaisses du monde réel (dans une certaine mesure)
• Intuitif : « rééchantillonner ce qui est arrivé »

Contre :

• Suppose que le futur ressemble au passé
• Rate les changements de régime sauf si votre historique les contient

Modèles de régime (calme vs crise)

Pour :

• Capture l’agrégation de la volatilité (les mauvaises périodes viennent par grappes)
• Produit des comportements de drawdown plus réalistes

Contre :

• Plus de paramètres, plus de place pour se tromper soi-même

L’astuce pédagogique est d’exécuter les trois et de voir la sensibilité de vos conclusions. Si votre plan ne fonctionne que sous les hypothèses les plus favorables, vous n’avez pas de plan — vous avez un espoir.

Un mini-laboratoire pratique que vous pouvez lancer ce week-end

Voici un ensemble de « produits » au sens d’expériences petites et exécutables. Ce ne sont pas des produits financiers ; ce sont des modules de simulation que vous pouvez construire dans un tableur, Python ou R.

1. Laboratoire géométrique vs arithmétique

   • Simulez un investissement à deux issues (+a% / -b%) et comparez la moyenne arithmétique au résultat composé médian.

2. Laboratoire de la taxe de volatilité

   • Créez deux actifs avec le même rendement moyen et des volatilités différentes ; capitalisez des trajectoires de 30 ans et comparez médianes et queues.

3. Laboratoire corrélation & diversification

   • Générez deux flux de rendement corrélés ; testez 100 pondérations différentes ; tracez les métriques de risque vs rendement attendu.

4. Laboratoire séquence des rendements pour la retraite

   • Ajoutez des retraits ; calculez la probabilité de ruine et la distribution des soldes finaux.

5. Laboratoire investissement basé sur un objectif

   • Définissez un but (par ex. 800 k$ en 15 ans). Comparez les portefeuilles par probabilité d’atteindre l’objectif plutôt que par rendement moyen.

Exécutez ces expériences et vous remarquerez quelque chose que les graphiques masquent souvent : le risque n’est pas un seul bouton. C’est un ensemble de compromis qui apparaissent différemment selon l’objectif.

Comment les professionnels lisent la même simulation différemment que les amateurs

Deux personnes peuvent regarder le même graphique Monte Carlo et en tirer des conclusions opposées.

Un débutant voit : « Le résultat moyen est super. »

Un allocateur chevronné cherche :

• Épaisseur de la queue gauche : à quel point sont mauvais les pires 5–10% des issues ?
• Durée des drawdowns : pas seulement jusqu’où ça tombe, mais combien de temps ça reste sous l’eau.
• Clustering : les mauvaises années viennent-elles en séries ?
• Sensibilité : si les rendements attendus sont de 1–2% inférieurs aux hypothèses, le plan s’effondre-t-il ?
• Faisabilité comportementale : un humain peut-il tenir quand c’est en baisse de 35% ?

Le dernier point est inconfortable mais central. Le meilleur modèle de décision inclut le décideur. Si votre stratégie demande une discipline monastique que vous n’avez pas, le portefeuille « optimal » n’est qu’un tigre de papier.

Risque vs rendement, dit simplement après les simulations

Le rendement est ce que vous voulez. Le risque est l’ensemble des manières dont vous pourriez ne pas l’obtenir — ou ne pas pouvoir tenir assez longtemps pour le réaliser.

Les simulations rendent cela concret :

• Un rendement attendu plus élevé exige généralement d’accepter une distribution de résultats plus large.
• La volatilité réduit la croissance composée typique à moins d’être compensée par un rendement attendu supérieur.
• La diversification peut améliorer la distribution sans sacrifier beaucoup le rendement attendu, mais seulement si les corrélations s’y prêtent.
• Les flux de trésorerie (épargne vs retraits) changent les risques qui comptent le plus.
• Le « meilleur » choix dépend de l’objectif : maximiser la richesse, éviter la ruine, ou atteindre un objectif avec haute confiance.

Si vous êtes prêt à lancer même une simulation basique dans un tableur, vous cessez de demander « Quel est le meilleur investissement ? » et commencez à poser la question qui rapporte vraiment : Quelle distribution de résultats puis-je supporter, et laquelle me donne la plus grande chance d’atteindre mon objectif ?

External Links

Risk vs. Return Explained Like You’re 5 (But Smarter) - YouTube Risk and Return Explained - Financial Edge #KB Risk Analysis — Part 2- Simulation Models | by Prof. Frenzel Investing: Risk and return (article) | Khan Academy Risk-Return Tradeoff: How the Investment Principle Works

External References

• arithmetic return lab
• Volatility drag lab
• diversification lab
• Sequence of returns retirement lab
• Target based investing lab