Merci de désactiver le bloqueurs de pub pour visualiser cette vidéo.
Visuel actualités

Réunion du Conseil scientifique de l'AMF – 30 janvier 2020

Le 30 janvier 2020, la réunion du Conseil scientifique de l’AMF était structurée autour de deux interventions : celle de Raphaëlle Bellando (Université d’Orléans) sur la relation performances-flux dans les fonds obligataires français,  et celle de Pamela Saliba (École Polytechnique, ex-AMF), sur la contribution individuelle des acteurs HFT à la volatilité.

L’impact des chocs de rentabilité sur les fonds obligataires français

Partant de l’hypothèse que la recherche de rendement dans un environnement de taux bas a conduit les fonds à investir dans des actifs de plus en plus risqués et illiquides, Raphaëlle Bellando et ses coauteurs s’interrogent sur leur degré de résilience face à un choc de rentabilité. Alors qu’une partie importante de la littérature académique porte sur la relation de long terme entre flux et performance absolues, les auteurs s’intéressent aux liens entre les rendements absolus des fonds à court terme et les flux d’entrée/sortie afin de déterminer si, in fine, les fonds peuvent engendrer de l’instabilité financière. 

Les estimations économétriques sont réalisées sur une population de 883 parts de fonds obligataires français  (576 fonds au total) pour la période 2005-2017 (Source : Thomson Reuters Eikon). À partir des travaux de Sirri et Tuffano, trois rangs de performances sont construits pour deux catégories de fonds (obligations internationales et obligations européennes). Les résultats montrent que  les flux mensuels des fonds sont bien sensibles à leur rentabilité absolue de court-terme et, plus généralement, à la performance du marché. Par ailleurs, les investisseurs réagissent de manière différente aux performances individuelles ou médianes selon qu’elles sont positives ou négatives. Les rentabilités très négatives entraînent des flux sortants supérieurs. La non-linéarité est particulièrement forte chez les investisseurs institutionnels, définis comme les principaux détenteurs de parts, qui réagissent plus que les investisseurs retail aux performances négatives. Les auteurs notent une sensibilité plus grande à une large de gamme de chocs négatifs, notamment aux stress de marché. Ce travail devrait être prochainement enrichi par l’étude détaillée des portefeuilles afin d’analyser le comportement des gérants lorsqu’ils sont confrontés à des sorties.

Les membres du Conseil scientifique soulignent la pertinence de l’analyse présentée. Ils recommandent de poursuivre les travaux en utilisant si possible des données quotidiennes en contrôlant la saisonnalité, avec une décomposition des flux nets entre flux entrants et sortants. Ils proposent de compléter l’article en développant un modèle théorique pour interpréter la causalité, et d’enrichir les régressions avec d’autres caractéristiques de la population de fonds : frais, maturité, société de gestion, gestion active ou passive, classifications plus fines des stratégies… Ils suggèrent d’envisager des modélisations en VAR ou en panel dynamiques, pour contrôler l’endogénéité, et d’incorporer les outils de gestion de la liquidité. Plus généralement, ils se demandent si les flux sortants sont réalloués à d’autres fonds de la même catégorie, ou vers d’autres classes d’actif. La question du comportement différencié des investisseurs de détail et des institutionnels est évidemment cruciale.

Les contributions individuelles des market-makers à la volatilité de marché

Pamela Saliba rappelle que de manière générale, les chercheurs sont assez divisés sur l’impact des HFT sur les marchés. Certaines études font ainsi valoir que ces acteurs ont une influence positive, avec notamment une augmentation de la profondeur du carnet d’ordre, la diminution des fourchettes de prix et des prix d’exécution, ou encore l’amélioration du processus de découverte du prix. À l’inverse, d’autres études soulignent que les acteurs HFT peuvent contribuer à accroître l’instabilité financière, notamment en période de stress. Les auteurs de l’étude prennent en compte l’hétérogénéité des acteurs HFT en termes de stratégie de placement d’ordre pour construire un indicateur original, à partir d’un modèle dynamique du carnet d’ordres. Dans le modèle proposé, l’action des market-makers dépend de leur comportement passé, mais aussi de ceux des autres acteurs du marché et permet le passage du niveau individuel au niveau agrégé du marché. Du fait des propriétés du modèle, il est possible de calculer la volatilité du marché dans l’hypothèse où l’un des participants se retire. Si la volatilité obtenue une fois qu’il s’est retiré croît par rapport à la volatilité réelle, on conclut que l’acteur en question fait décroître la volatilité. Les auteurs parviennent ainsi à classer chaque market-maker en fonction de sa contribution individuelle à la volatilité du marché.

Le modèle est testé avec les données d’ordres et de transactions d’Euronext, sur un panel de quatre actions françaises : Air Liquide, Essilor-Luxottica, Michelin et Orange, pour l’année 2017. Les market-makers étudiés sont les 9 membres du programme market-making d’Euronext (Supplemental Liquidity Provider – SLP) : les acteurs se voient accorder des avantages tarifaires à condition de s’engager à apporter de la liquidité au marché 95% du temps. Ces derniers sont classés en fonction de leur contribution à la volatilité découlant du modèle. Le classement obtenu semble être relativement homogène d’un actif à l’autre.

Après avoir souligné les nombreux apports du travail présenté, les membres du Conseil se sont interrogés sur la capacité du modèle à traiter des épisodes de crise, avec des niveaux de spreads durablement élevés. Ils se sont par ailleurs demandés quelle était la nature de la volatilité analysée. Outre le fait que la volatilité est une caractéristique des marchés efficients et la réduire n’est pas nécessairement néfaste, la décomposition des contributions à la volatilité pourrait exclure de fait les possibles interactions entre market-makers. Ils ont suggéré d'enrichir l’article par des simulations numériques, et de tester la validité par une analyse out-of-sample. Ils considèrent que l’article gagnerait à proposer une analyse économique, voire même des conclusions normatives. Ils ont échangé sur la portée opérationnelle de ces travaux pour le régulateur.