1/N bat les maths — quand la simplicité gagne
DeMiguel, Garlappi & Uppal
? Le problème
Depuis Markowitz (1952), la finance académique dit qu'il faut optimiser mathématiquement les poids du portefeuille (Mean-Variance Optimization, ou MVO) pour maximiser le rendement par unité de risque. Les banques dépensent des millions en logiciels d'optimisation. Mais dans la vraie vie, ces portefeuilles « optimaux » sont souvent instables, concentrés et décevants. Est-ce que la stratégie la plus naïve — répartir équitablement entre tous les actifs (1/N) — ne serait pas en fait aussi bonne, voire meilleure ?
M La méthode
Les auteurs ont organisé un tournoi entre 14 méthodes d'optimisation de portefeuille et la stratégie naïve 1/N (mettre le même montant partout). Le test : des données réelles couvrant de multiples classes d'actifs, avec des évaluations hors échantillon rigoureuses (pas de triche avec les données futures). Ils ont mesuré le ratio de Sharpe, le turnover et les drawdowns de chaque approche sur de longues périodes.
! L'idée clé
Aucune méthode d'optimisation sophistiquée ne bat systématiquement la stratégie naïve 1/N hors échantillon. Le surcoût en estimation d'erreur (les modèles se trompent sur les rendements et corrélations futurs) annule le gain théorique de l'optimisation.
# Résultats
Sur l'ensemble des datasets testés, la stratégie 1/N offre un ratio de Sharpe comparable ou supérieur aux 14 méthodes d'optimisation, avec un turnover beaucoup plus faible (donc moins de frais). Il faudrait environ 3 000 mois de données pour que les méthodes sophistiquées commencent à battre le 1/N de manière fiable — soit 250 ans d'historique.
Comment byzance utilise cette recherche
Ce papier justifie notre choix de ne PAS utiliser l'optimisation MVO pour les poids du portefeuille. Les poids viennent de l'allocation stratégique par profil de risque — pas d'un optimiseur. L'énergie de notre algorithme va à la sélection du meilleur fonds dans chaque case, pas à jongler avec des poids instables. Simplicité dans l'allocation, intelligence dans la sélection.
Référence
DeMiguel, V., Garlappi, L., & Uppal, R. (2009). Optimal Versus Naive Diversification: How Inefficient is the 1/N Portfolio Strategy? Review of Financial Studies, 22(5), 1915–1953.
Lire l'article original →Ces recherches alimentent vos portefeuilles
Chaque algorithme de byzance est fondé sur des décennies de recherche académique. Essayez gratuitement pendant 30 jours.
Essayer gratuitement