Lorsque les analystes en investissement veulent comprendre les risques associés à un fonds commun de placement ou à un fonds spéculatif, ils examinent d’abord et avant tout son écart-type.
Cette mesure de la variance moyenne occupe une place importante dans de nombreux domaines liés aux statistiques, à l’économie, à la comptabilité et aux finances. Pour un ensemble de données donné, l’écart-type mesure l’écart entre les chiffres et une valeur moyenne.
En mesurant l’écart-type du taux de rendement annuel d’un portefeuille, les analystes peuvent voir à quel point les rendements sont constants dans le temps.
Un fonds commun de placement ayant une longue expérience de rendements réguliers affichera un faible écart-type. Un fonds axé sur la croissance ou les marchés émergents aura probablement une plus grande volatilité et un écart-type plus élevé. Par conséquent, il est intrinsèquement plus risqué.
Points clés à retenir
- L’écart-type peut montrer la cohérence du rendement d’un investissement dans le temps.
- Un fonds dont l’écart-type est élevé présente une volatilité des prix.
- Un fonds avec un faible écart-type tend à être plus prévisible.
L’écart-type est calculé en prenant la racine carrée de la variance, qui est elle-même la moyenne des carrés des différences de la moyenne.
Comprendre l’écart type
L’une des raisons de la grande popularité de la mesure de l’écart type est sa cohérence.
L’écart-type par rapport à la moyenne représente la même chose, que l’on considère le produit intérieur brut (PIB), le rendement des cultures ou la taille des différentes races de chiens. De plus, il est toujours calculé dans les mêmes unités que l’ensemble des données. Vous n’avez pas à interpréter une unité de mesure supplémentaire résultant de la formule.
Exemple de mesure de l’écart type
Par exemple, supposons qu’un fonds commun de placement atteigne les taux de rendement annuels suivants sur une période de cinq ans : 4 %, 6 %, 8,5 %, 2 % et 4 %. La valeur moyenne, ou moyenne, est de 4,9 %. L’écart-type est de 2,46 %. Cela signifie que chaque valeur annuelle individuelle s’écarte en moyenne de 2,46 % de la moyenne.
Chaque valeur est exprimée en pourcentage, ce qui permet de comparer plus facilement la volatilité relative de plusieurs fonds communs de placement.
En raison de ses propriétés mathématiques constantes, 68 % des valeurs de tout ensemble de données se situent à un écart-type près de la moyenne, et 95 % à deux écart-types près de la moyenne. Vous pouvez également estimer avec 95 % de certitude que les rendements annuels ne dépassent pas la fourchette créée à deux écarts types près de la moyenne.
Bandes de Bollinger
En matière d’investissement, les écarts types sont généralement démontrés par l’utilisation de bandes de Bollinger. Développées par le trader technique John Bollinger dans les années 1980, les bandes de Bollinger sont une série de lignes qui peuvent aider à identifier les tendances d’un titre donné.
Au centre se trouve la moyenne mobile exponentielle (EMA), qui reflète le prix moyen du titre sur une période donnée. De part et d’autre de cette ligne se trouvent des bandes qui s’écartent de la moyenne de un à trois écarts-types. Ces bandes extérieures oscillent avec la moyenne mobile en fonction de l’évolution du prix.
En plus de ses nombreuses autres applications utiles, les bandes de Bollinger sont utilisées comme indicateur de la volatilité du marché. Lorsqu’un titre a connu une période de grande volatilité, les bandes sont très éloignées l’une de l’autre. Lorsque la volatilité diminue, les bandes se rétrécissent, ce qui fait que l’EMA se rapproche.
L’écart-type mesure la cohérence. La cohérence est une bonne chose, mais ce n’est pas la seule mesure de la qualité d’un fonds.
Même les graphiques les plus diversifiés connaissent de temps en temps de brèves poussées de volatilité, souvent après les rapports sur les bénéfices ou les annonces de produits. Dans ces graphiques, des bandes de Bollinger normalement étroites apparaissent soudainement pour faire face à la pointe d’activité. Une fois que les choses se calment à nouveau, les bandes se rétrécissent.
Comme de nombreuses techniques d’investissement dépendent de l’évolution des tendances, il peut être particulièrement utile de pouvoir identifier d’un seul coup d’œil les actions très volatiles.
Autres données à prendre en compte
Bien qu’ils soient importants, les écarts types ne doivent pas être considérés comme une mesure finale de la valeur d’un investissement individuel ou d’un portefeuille. Par exemple, un fonds commun de placement dont le rendement annuel se situe entre 5 et 7 % a un écart-type inférieur à celui d’un fonds concurrent dont le rendement annuel se situe entre 6 et 16 %, mais cela n’en fait pas un meilleur choix.
Il est important de noter que l’écart-type ne peut montrer que la dispersion des rendements annuels pour un fonds commun de placement, ce qui n’implique pas nécessairement une cohérence future avec cette mesure. Des facteurs économiques tels que les variations des taux d’intérêt peuvent toujours affecter la performance d’un fonds commun de placement.
Inconvénients de la mesure de l’écart type
Même en tant qu’évaluation des risques associés à un fonds commun de placement, l’écart-type n’est pas une réponse isolée. Par exemple, l’écart-type ne montre que la cohérence (ou l’incohérence) des rendements du fonds. Il n’indique pas les performances du fonds par rapport à son indice de référence, qui est mesuré en tant que bêta.
Un autre inconvénient potentiel de l’utilisation de l’écart-type est qu’il suppose une distribution en forme de cloche des valeurs des données. Cela signifie que l’équation indique que la même probabilité existe pour obtenir des valeurs supérieures ou inférieures à la moyenne. De nombreux portefeuilles ne présentent pas cette tendance, et les fonds spéculatifs en particulier ont tendance à être biaisés dans un sens ou dans un autre.
Plus le nombre de titres détenus dans un portefeuille est élevé et plus les différents types de titres sont variés, plus l’écart-type risque de ne pas être approprié.
En outre, comme pour tout modèle statistique, les grands ensembles de données sont plus fiables que les petits. La moyenne de 4,9% et l’écart-type de 2,46% dans l’exemple ci-dessus ne sont pas aussi fiables que les mêmes valeurs produites par 50 calculs au lieu de cinq.