Gestion

Vers une allocation stratégique d'actifs « Carbon Impact »

Créé le

06.10.2020

Comment construire une allocation stratégique d’actifs dans un cycle économique soutenu par les énergies renouvelables décarbonées ? Dans ce nouveau contexte, les fondamentaux économiques et monétaires (inflation, taux d’intérêt) changent, mais le lien formel entre les fondamentaux économiques et monétaires et la performance des actifs demeure.

Dans le cadre de la gestion institutionnelle, l’allocation d’actifs de long terme est la principale source de performance, loin devant l’allocation tactique ou la sélection des investissements [1] . Or, avec la problématique du réchauffement climatique lié aux émissions de gaz à effet de serre, le concept de « Tragédie de l’horizon » développé par Mark Carney [2] a mis en lumière la nécessaire prise en compte dans la construction de portefeuille d’un événement de duration très longue, de l’ordre de 80 ans, temps nécessaire pour que les dommages associés se matérialisent pleinement.

L’allocation stratégique d’actif doit donc tenir compte de cet événement majeur qu’est la transition des économies vers une économie décarbonée, seule capable d’éviter un réchauffement climatique dévastateur, en se positionnant sur les investissements générateurs de performance et de moindre risque [3] . Mais elle doit également, dans une nécessaire démarche d’impact, provoquer et accélérer cette transition en favorisant son financement, que ce soit en accompagnement des industries traditionnelles, en soutien au développement d’activités facilitatrices de transition ou en ciblant les innovations de rupture. Cette démarche est maintenant au centre des préoccupations des fonds de pension [4] .

Privilégier la dimension environnementale par rapport aux dimensions sociales, sociétales ou de gouvernance pourrait apparaître réducteur, mais, outre le fait que si la terre devient invivable l’inégalité des revenus ou la mauvaise gouvernance ne seront plus vraiment des préoccupations, il y a des raisons de penser que la transition vers une économie décarbonée ne pourra se faire qu’en développant l’économie circulaire, collaborative et inclusive, le tout dans un esprit de transparence et de prise en compte des parties prenantes.

La transition écologique : un changement structurel du moteur de performance mais pas de transmission

L’allocation d’actifs repose sur trois piliers : des rentabilités attendues déduites d’un scénario économique cohérent, des mesures de risque, volatilités et corrélations, prospectives et un algorithme d’optimisation de la rentabilité ajustée du risque. Dans une démarche classique, les données historiques de performance sont largement utilisées directement ou indirectement pour calibrer les rentabilités attendues et les risques associés. L’hypothèse sous-jacente est que les moteurs de la performance économique de long terme, et donc la génération de performance des actifs, restent fondamentalement inchangés au-delà de l’existence des cycles conjoncturels. Mais qu’en est-il si cette hypothèse ne semble plus valable ?

La crise financière globale de 2008 a exacerbé un certain nombre de désordres d’ordre économique et monétaire qui témoignent de l’épuisement d’un modèle de croissance mobilisant de plus en plus de masse monétaire, et donc d’endettement financier, pour maintenir l’activité et la cohésion de la société, tout en générant de plus en plus de nuisances, et donc de dette, environnementales. La clé de lecture des cycles structurels de Kondratieff est intéressante à appliquer car ces périodes correspondent à la fin d’un cycle long de 50 ans. À la suite d’une phase de destruction créatrice et de purge de l’endettement accumulé par l’ancien cycle, un nouveau cycle peut s’enclencher sur des bases nouvelles, nécessitant des investissements colossaux en infrastructures physiques comme immatérielles en capital humain, et s’accompagnant de changements politiques et sociétaux importants. D’un point de vue financier, la fin de cycle et la transition vers un nouveau cycle s’accompagnent d’un recul de l’inflation et des taux d’intérêt, ainsi que d’une importante rotation sectorielle sur le marché des actions. L’activité et la croissance économique étant essentiellement dépendants de l’énergie disponible, il est tentant de voir aujourd’hui la fin du cycle initié à la fin de la Seconde Guerre mondiale soutenu par les énergies fossiles carbonées, qui plus est réparties inégalement sur la surface de la terre et objet de luttes géopolitiques ne favorisant pas la stabilité des prix, et le début d’un cycle soutenu par les énergies renouvelables décarbonées présentes à peu près partout, porteur d’une croissance durable sans inflation.

Si tel est le cas, les données historiques ne sont certainement pas suffisantes pour définir une allocation d’actif de long terme, elles sont même en partie contre-productives car soutenues par des fondamentaux économiques et monétaires peu pertinents. La seule chose qui demeure est la transmission, le lien formel entre les fondamentaux économiques et monétaires et la performance des actifs, liens construits sur la base juridique de contrats qui reste en force. La polarisation de la performance des actifs en fonction des fondamentaux économiques et monétaires calibrée historiquement a donc toutes les chances de demeurer valable [5] .

Une proposition « Carbon Impact » en allocation d’actifs

L’existence d’un facteur spécifique carbone dans la performance des actifs, au travers des empreintes carbone, de l’alignement sur des trajectoires de température ou d’autres mesures liées aux émissions de gaz à effet de serre, n’est documentée que depuis 2016. Quelle que soit la conviction que l’on peut avoir sur l’entrée dans un nouveau cycle long, le recul n’est pas suffisant pour s’assurer de la robustesse de ce facteur et pour construire une approche d’allocation d’actif à partir des seules données historiques.

L’idée est donc de recourir à une approche essentiellement prospective à base d’analyse de scénarios (voir Tableau). Pour calibrer les rentabilités attendues, la première étape consiste à recourir à un jeu de grandes tendances sociales et démographiques probables. La communauté économique et scientifique s'accorde pour en déterminer cinq, les Shared Socioeconomic Pathways. Ces scénarios socio-économiques se distinguent selon le type de réponse de l’économie mondiale aux efforts nécessaires d’atténuation des émissions carbones et d’adaptation des structures économiques au réchauffement. Ils vont d’un scénario vertueux, correspondant au respect des Objectifs de développement durable des Nations Unies dans le cadre d’une coopération internationale renforcée, à un scénario extrême de rivalités régionales délaissant toute ambition dans le domaine climatique.

La deuxième étape consiste à déduire de ces scénarios, les évolutions des fondamentaux économiques et monétaires : croissance, inflation, masse monétaire, etc. susceptibles d’expliquer les performances des actifs. Ceci se fait au moyen de modèles intégrés économie-énergie-climat, les Integrated Assessment Models. Ces modèles homogénéisent l’externalité constituée par les émissions carbone [6] au travers notamment d’une fonction de dommage du réchauffement climatique sur l’économie et d’un prix du carbone. Le calibrage de la fonction de dommage est complexe car il pose le problème de la détermination d’un taux d'actualisation intergénérationnel pour calculer la valeur actuelle de dommages qui peuvent être lointains dans le temps, ce qui pose de redoutables problèmes d’aléa moral [7] .

La troisième étape enfin consiste à utiliser des modèles financiers factoriels de polarisation de la performance des actifs en fonction des fondamentaux économiques et monétaires pour décliner des trajectoires de performance des actifs.

Chaque maillon de la chaîne grandes tendances-modèles économiques-déclinaison financière est entaché d'approximations et d'incertitudes. Le problème est qu'un certain nombre d'approximations qui n'induisent que des perturbations de deuxième ordre à court terme peuvent entraîner des incohérences de premier ordre sur le long terme.

Risque, volatilités et corrélations au travers du filtre de l’horizon de placement

Pour calibrer les mesures de risque, volatilités et corrélations, on pourrait également faire appel dans une certaine mesure aux scénarios socio-économiques. Un scénario de régionalisation des échanges viendrait ainsi équilibrer les balances courantes entre zones monétaires et générer moins de créances inter-régionales, ce qui pourrait entraîner une meilleure décorrélation des performances des actifs entre les régions économiques intégrées. Inversement un scénario où la gestion des biens communs (santé, environnement, etc.) serait pleinement intégrée à l’échelle internationale pourrait induire un comportement des actifs d'efficacité (actions, obligations) reposant sur la croissance de la productivité radicalement différent de celui des actifs de rareté (immobilier, matières premières) reposant sur l'utilisation de l'espace.

Concrètement, le besoin de quantification impose le recours à des données historiques mais avec un filtre particulier, celui de l’horizon d’investissement, afin de ne pas rester tributaire des cycles conjoncturels. Plus l’horizon d’investissement considéré dans le calcul des performances est long, ce qui correspond le mieux à un besoin d’allocation de long terme, plus les volatilités des performances de tous les actifs financiers et immobiliers décroissent et convergent vers la volatilité de la croissance économique nominale, de l’ordre de 2 % sur une base annuelle. La volatilité devient secondaire par rapport à la corrélation. Celle-ci augmente de façon tendancielle avec l’horizon d’investissement entre les actifs financiers et entre les actifs immobiliers et diminue entre actifs financiers et immobiliers.

De l’information peut néanmoins être extraite du comportement actuel des actifs qui intègre dans une certaine mesure un facteur carbone. La dispersion en coupe transversale de la performance des actifs donne en effet une mesure instantanée de la volatilité idiosyncratique moyenne des actifs [8] .

Redéfinir un algorithme d’optimisation de la rentabilité ajustée du risque

Il reste enfin à mettre en place un algorithme d’optimisation de la rentabilité ajustée du risque. Là encore l’approche par génération de scénarios peut apporter la flexibilité nécessaire à la prise en compte de l’incertitude au-delà du risque mesuré. Car le chemin sera jalonné d’événements extrêmes, phénomènes climatiques ou liés plus généralement à l’empreinte environnementale de l’homme sur la biodiversité. Les simulations de Monte-Carlo menées à partir des rentabilités attendues et des mesures de risque permettent d’intégrer des chocs aléatoires de volatilités et de recorrélation caractéristiques des crises financières qui reviennent en moyenne tous les 10 ans. En termes d'espérance mathématique, un événement extrême reste négligeable tant que sa fréquence reste faible, mais si sa fréquence augmente, ne serait-ce qu'un peu, son impact peut devenir déterminant [9] . Des ruptures économiques et financières entraînées par une probable intensification des phénomènes naturels extrêmes vont se traduire par des tendances majeures sur les marchés financiers qui ne sont pas ou très peu pris en compte par ces marchés. Les techniques classiques de gestion de risque partant de l'examen historique des données risquent donc d'être inefficientes.

Un algorithme mathématique de prise de décision en avenir incertain de type « MinMax Regret » permet ensuite de sélectionner la ou les allocations d'actifs permettant d'éviter les pires configurations d'un point de vue financier. Minimiser le « risque de regret », c'est-à-dire le coût d’opportunité lié à une mauvaise décision, c’est en quelque sorte le fondement du pari de Pascal sur l’existence de Dieu dans une acceptation spirituelle, ou le syndrome du mauvais perdant dans une acceptation plus triviale.

 

1 Voir par exemple : J.T. Hoermann, D.A. Junkans et C.M. Zarate, « Strategic Asset Allocation and Other Determinants of Portfolio Returns », Journal of Wealth Management, 2005, vol. 8, n° 3, pp. 26-38 ; G.P. Brinson, B.D. Singer et G.L. Beebower, « Determinants of Performance », Financial Analysts Journal, 1991, vol. 47, n° 3, pp. 40-48 ; R.G. Ibbotson et P.D. Kaplan, « Does Asset Allocation Policy explain 40, 90 or 100 percent of Performance? », Financial Analysts Journal, 2000, vol. 56, n° 1, pp. 26-34.
2 M. Carney, « Breaking the tragedy of the horizon – Climate change and financial stability », speech to the Lloyd’s, 29 sept. 2015.
3 Principles of Responsible Investment, « Embedding ESG Issues into Strategic Asset Allocation », sept. 2019.
4 « As asset owners, our ultimate responsibility is to provide for the best post-retirement financial security of millions of families across multiple generations. Since our commitment to providing financial security spans decades, we do not have the luxury of limiting our efforts to maximizing investment returns merely over the next few years » : déclaration commune de California State Teachers' Retirement System, Japan Government Pension Investment Fund, USS Investment Management Ltd, mars 2020.
5 Quels que soient les cycles, les dividendes demeurent la rémunération des actionnaires, les coupons des créanciers obligataires, les loyers des bailleurs, etc. De fait et de façon très schématique, les actions surperforment les autres actifs en période de croissance déflationniste, l’immobilier en période de croissance inflationniste, les obligations en période de récession déflationniste et le cash en période de récession inflationniste.
6 « Les modèles économiques n'intègrent pas les lois de la thermodynamique » : A. Grandjean & G. Giraud, « Comparaison des modèles météorologiques et économiques », mai 2017.
7 C. Gollier, Le Climat après la fin du mois, PUF, juin 2019.
8 EDHEC Risk Institute, « A Model-Free Measure of Aggregate Idiosyncratic Volatility », janv. 2013.
9 Si la volatilité d'un processus aléatoire qui décrit la croissance d'une quantité devient plus grande que la racine carrée de deux fois la tendance sous-jacente du processus, la croissance de la quantité converge vers zéro.

À retrouver dans la revue
Revue Banque NºUEAM2020
Notes :
1 Voir par exemple : J.T. Hoermann, D.A. Junkans et C.M. Zarate, « Strategic Asset Allocation and Other Determinants of Portfolio Returns », Journal of Wealth Management, 2005, vol. 8, n° 3, pp. 26-38 ; G.P. Brinson, B.D. Singer et G.L. Beebower, « Determinants of Performance », Financial Analysts Journal, 1991, vol. 47, n° 3, pp. 40-48 ; R.G. Ibbotson et P.D. Kaplan, « Does Asset Allocation Policy explain 40, 90 or 100 percent of Performance? », Financial Analysts Journal, 2000, vol. 56, n° 1, pp. 26-34.
2 M. Carney, « Breaking the tragedy of the horizon – Climate change and financial stability », speech to the Lloyd’s, 29 sept. 2015.
3 Principles of Responsible Investment, « Embedding ESG Issues into Strategic Asset Allocation », sept. 2019.
4 « As asset owners, our ultimate responsibility is to provide for the best post-retirement financial security of millions of families across multiple generations. Since our commitment to providing financial security spans decades, we do not have the luxury of limiting our efforts to maximizing investment returns merely over the next few years » : déclaration commune de California State Teachers' Retirement System, Japan Government Pension Investment Fund, USS Investment Management Ltd, mars 2020.
5 Quels que soient les cycles, les dividendes demeurent la rémunération des actionnaires, les coupons des créanciers obligataires, les loyers des bailleurs, etc. De fait et de façon très schématique, les actions surperforment les autres actifs en période de croissance déflationniste, l’immobilier en période de croissance inflationniste, les obligations en période de récession déflationniste et le cash en période de récession inflationniste.
6 « Les modèles économiques n'intègrent pas les lois de la thermodynamique » : A. Grandjean & G. Giraud, « Comparaison des modèles météorologiques et économiques », mai 2017.
7 C. Gollier, Le Climat après la fin du mois, PUF, juin 2019.
8 EDHEC Risk Institute, « A Model-Free Measure of Aggregate Idiosyncratic Volatility », janv. 2013.
9 Si la volatilité d'un processus aléatoire qui décrit la croissance d'une quantité devient plus grande que la racine carrée de deux fois la tendance sous-jacente du processus, la croissance de la quantité converge vers zéro.