La gestion du risque est au cœur de toute stratégie d’investissement réussie, en particulier sur le marché des changes (FX), où les variations rapides et l’effet de levier peuvent transformer une position rentable en perte significative. Les investisseurs professionnels ne se contentent pas d’ajuster leurs stops ou de diversifier leurs paires de devises : ils appliquent des modèles rigoureux de dimensionnement des positions, de contrôle de la volatilité et de gestion des pertes extrêmes. Trois approches dominent dans les institutions financières : le critère de Kelly, le volatility targeting et le Value at Risk (VaR).
Table of Contents
Le critère de Kelly : maximiser la croissance tout en limitant la ruine
Le critère de Kelly trouve son origine dans les mathématiques de l’information et sert à déterminer la proportion optimale du capital à investir dans une position. Son principe est simple : investir davantage lorsque les probabilités de gain sont favorables et réduire l’exposition lorsque le risque augmente. En pratique, il repose sur la formule :
f = (b·p – q) / b*
où f* est la fraction du capital à risquer, p la probabilité de gain, q = 1 – p, et b le ratio du gain potentiel sur la perte possible.
Dans les salles de marché, les traders institutionnels n’utilisent pas la formule brute de Kelly, souvent trop agressive pour des conditions réelles : ils appliquent une version « fractionnelle », en risquant par exemple la moitié ou le tiers du montant calculé. Cela permet d’obtenir une croissance du capital soutenue tout en évitant la forte volatilité associée à un Kelly complet. Ce modèle est particulièrement utile pour les stratégies quantitatives à fréquence élevée, où la distribution statistique des gains et pertes est bien connue.
Le ciblage de la volatilité : ajuster l’exposition à la dynamique du marché
Le volatility targeting consiste à adapter la taille des positions à la volatilité actuelle du marché, mesurée par des indicateurs comme l’écart-type des rendements ou l’indice ATR (Average True Range). L’objectif est de maintenir un niveau de risque constant, indépendamment des conditions de marché.
Par exemple, si la volatilité du marché augmente de 50 %, la taille de position peut être réduite d’un tiers pour conserver la même exposition au risque. À l’inverse, en période de calme relatif, le portefeuille peut être légèrement levierisé afin de maintenir la volatilité cible, souvent fixée entre 8 % et 12 % par an pour des portefeuilles institutionnels.
Cette approche est largement utilisée par les fonds macro et CTA (Commodity Trading Advisors), car elle stabilise les performances et réduit les drawdowns. Elle demande cependant une estimation fiable et réactive de la volatilité ; une surpondération en période de volatilité temporairement faible peut exposer à des pertes soudaines lors de chocs inattendus.
Le Value at Risk (VaR) : quantifier la perte potentielle à un niveau de confiance donné
Le Value at Risk, ou VaR, est un indicateur statistique qui estime la perte maximale probable d’un portefeuille sur un horizon donné, avec un certain niveau de confiance. Par exemple, une VaR à 99 % sur un jour de 2 millions d’euros signifie que, dans 99 % des cas, la perte quotidienne ne dépassera pas 2 millions.
La VaR peut être calculée de plusieurs façons :
- par la méthode paramétrique (supposant une distribution normale des rendements),
- par simulation historique (en répliquant les variations passées du marché),
- ou par simulation de Monte Carlo (en générant des milliers de scénarios hypothétiques).
Dans la pratique institutionnelle, la VaR sert de base à la fixation des limites de trading et au calcul des exigences de marge. Toutefois, elle ne prend pas en compte les événements rares, dits de « queue », qui peuvent dépasser largement les pertes prévues. C’est pourquoi les banques complètent ce modèle par des tests de stress et des mesures de Conditional VaR (CVaR), qui évaluent la moyenne des pertes au-delà du seuil de VaR.
L’intégration du levier et de la marge dans la gestion du risque
Sur le marché des changes, où les positions sont souvent financées à crédit, le contrôle du levier est essentiel. Les investisseurs professionnels ajustent la marge en fonction du risque global du portefeuille : un portefeuille comportant plusieurs paires corrélées (par exemple EUR/USD et GBP/USD) est traité comme une seule source de risque. Cela évite les effets d’amplification cachés.
Les gestionnaires quantitatifs combinent souvent plusieurs cadres : un modèle de Kelly fractionnel pour le dimensionnement initial, un contrôle de volatilité quotidien, et une limite de VaR pour éviter les pertes extrêmes. Cette architecture intégrée permet de concilier croissance, stabilité et conformité réglementaire, notamment avec les exigences de Bâle III pour la gestion du capital.
Dans une perspective plus large, maîtriser ces modèles demande une compréhension approfondie des dynamiques macroéconomiques, des corrélations entre actifs et des effets de levier implicites. C’est pourquoi de nombreux investisseurs particuliers cherchent à comprendre le marché Forex avant de reproduire des stratégies utilisées par les institutions.
La gestion des risques de queue et l’importance des stress tests
Les crises financières ont montré que les modèles statistiques traditionnels échouent souvent à prévoir les événements extrêmes. Les institutions modernes intègrent donc des scénarios de stress tests, simulant des dévaluations rapides, des interventions de banques centrales ou des ruptures de corrélation. Ces exercices permettent d’estimer la résilience d’un portefeuille dans des conditions de liquidité réduite ou de spreads élargis.
Les stratégies de couverture options, swaps de devises, ou positions inversées sur corrélés complètent ces modèles. Dans le cadre institutionnel, elles ne servent pas à maximiser le rendement, mais à préserver le capital et à garantir la continuité des opérations.
Ainsi, la gestion du risque en devises n’est pas une simple fonction de contrôle, mais un pilier central de la performance durable. Les modèles de dimensionnement et de volatilité ne remplacent pas le jugement humain : ils le structurent, lui donnent des repères chiffrés et lui permettent d’évoluer dans un environnement où l’incertitude est la seule constante.
