Performances des placements sur longue période

J’ai trouvé 2 sites web qui listent des sources :
Free Historical Data Sources - Meb Faber Research - Stock Market and Investing Blog Meb Faber Research - Stock Market and Investing Blog
Roundup: Tactical Asset Allocation | MarketSci Blog

Je n’ai pas encore trop enquêté sur le sujet

un petit article sur ce thème cher aux fans du LT (je n’ai pas trouvé le bon topic pour ajouter cet article)
Les valeurs les plus décotées et celles qui sont trop chères source equity GPS

Message édité par l’équipe de modération (10/09/2015 10h32) :
- ajout de balises Url

DeadBull a écrit :

L’Or a fait 0% depuis l’antiquité? J’aimerais connaître le raisonnement intellectuel qui vous amène à cette conclusion.

Depuis l’Antiquité, pas sûr, mais depuis le 16e siècle jusqu’en 1971, en termes réels (c’est-à-dire en termes de pouvoir d’achat = ce qu’on peut acheter avec une once d’or), l’or semble avoir maintenu un pouvoir d’achat à peu près constant.

Il y a un adage célèbre : "With an ounce of gold a man could buy a fine suit of clothes in the time of Shakespeare, in that of Beethoven and Jefferson, in the Depression of the 1930s.”

Adage vérifié par un économiste, le Professeur Roy Jastram en 1976, sur la période 1560-1976 (The Golden Constant: The English and American Experience, 1560-1976) :

London Telegraph a écrit :

Professor Jastram found that, over a period of more than 400 years, gold had proved an effective store of value and an ounce would usually buy a good, but not luxurious, outfit of clothes.”

On peut dire que ça reste vrai aujourd’hui : au prix d’une once d’or (1300$ = 1160€), un homme peut bien s’offrir un beau costume et une belle paire de chaussures.

Pour savoir ce qu’il en était pendant la période entre l’Antiquité et le 16e siècle, il faudrait étudier les références historiques et littéraires au pouvoir d’achat d’une quantité X d’or, comme l’a récemment fait (pour la fin du 19e siècle) Doubletrouble pour ses achats de pièces d’or.

Bref, à mon sens, l’or est historiquement une bonne façon de conserver la valeur et de se protéger contre l’inflation et autres risques politiques. Mais si on fait un minimum confiance au cadre démocratique, y compris des banques centrales indépendantes chargées de défendre la monnaie et le respect du droit de la propriété des entreprises, alors on doit pouvoir trouver de bien meilleurs placements de long-terme.

Perso j’ai 0,03% de mon patrimoine total et 0,05% de mon patrimoine financier en or. Je pourrais éventuellement augmenter ce pourcentage à 0,5% ou 1%, ou disons une somme de 10-20 onces d’or, pour couvrir des risques catastrophiques d’effondrement politique / économique (j’aurais alors de quoi acheter 10-20 costumes de belle qualité, donc de quoi survivre 5-10 ans ?).

Je vous partage avec un peu de retard la grille des retours moyens par type d’actifs, mise à jour avec le S1 2019, toujours depuis cette source.



Les REIT ont très bien performé, cette tendance a continué sur ce début de S2.

J’ai également fait un tableau similaire en performance cumulée, depuis 2005, depuis 2006, depuis 2007 etc :



J’en ai retiré le Top 10 performance cumulée par catégorie d’actifs :
1.   +307% Large Cap 2009
2.   +289% REIT 2009
3.   +263% Small Cap 2009
4.   +228% Large Cap 2005
5.   +222% Large Cap 2010
6.   +213% Large Cap 2006
7.   +212% High Yield Bond 2009
8.   +210% REIT 2005
9.   +204% REIT 2010
10. +185% Small Cap 2010

Je voulais passer ces performances en CAGR, mais mes formules excel ne semblent pas fonctionner, j’ai essayé formule manuelle (taux^(1/nb d’années)-1), moyenne géométrique, taux intérêt équivalent, à chaque fois les valeurs négatives viennent faire échouer le calcul.
Pourtant, ça semble si simple à corriger.

RDV dans 4 mois pour le bilan 2019, est-ce que les REIT garderont la première place une fois de plus (7 années sur 14 !).

Bonjour,

j’ai voulu profiter des quelques semaines de confinement pour affiner ma stratégie d’allocation d’actifs et vérifier par moi-même à quel point les investissements en action étaient effectivement régulièrement rentables sur le long terme, comme on a l’habitude de le lire.

La plupart d’entre vous ne trouveront probablement rien de révolutionnaire à ces graphiques, mais ils m’ont permis d’avoir une idée plus précise des performances réelles de 2 indices en fonction de leurs durée de détention donc je les partage avec vous pour discussion :
- le S&P 500 Net Total Return (NTR) contrevalorisé en EUR
- le CAC40 Gross Total Return (GTR), évidemment en EUR

(La source des données brutes provient d’un provider de data utilisé dans toutes les salles de marché)

Pourquoi prendre le NTR dans un cas et le GTR dans l’autre ? Tout simplement car il n’y a pas de retenue à la source des dividendes sur le CAC en tant que résident fiscal français. Evidemment cela biaise la comparaison avec le S&P500, mais l’idée initiale n’était pas de comparer les 2 indices, mais juste d’estimer la probabilité historique de rentabilité par centile et par horizon de détention pour un investisseur basé en France.

(exemple de lecture : sur le CAC40, pour une durée d’investissement de 5 ans, 25/30% des journées d’investissements entre 2000 et 03/2015 se sont soldés par une perte. Autre exemple : dans 5% (=100%-95%) des cas, la rentabilité annualisée à 5 ans a dépassé 15%/an)





Je trouve que ce genre d’analyse serait utile pour toute décision d’investissement (basé sur des critères historiques avec les limites qu’on connaît) dans des fonds, indices, actions, etc…mais sans surprise, les fonds ne se bousculent pas pour donner ce type d’information (qui supposent également d’avoir suffisamment d’historique).

Personnellement, cela m’a conforté dans mes choix d’une gestion passive via un investissement mensuel automatique dans des trackers, comme le préconise par exemple Vanguard sur leur site UK.

En effet, on retrouve bien les rentabilités moyennes de 6% à 7% sur le S&P500 qu’on cite régulièrement, mais également 4 à 6% sur le CAC40, en fonction des durées de detention, lorsqu’on prend la moyenne des performances par centile (ce qui correspond à un investissement quotidien sur ces indices).

Toute critique constructive sera bienvenue

Bonjour London,

Je crois comprendre votre étude et j’ai au moins deux critiques à apporter :

1) Classification des performances

Vous avez choisi de compiler les résultats en les triant selon que leur performance sur une période de N-années est positive ou négative et conclu que les placements long-terme sont plus intéressant car la probabilité d’avoir un solde négatif diminue.

Je trouve que la conclusion manque de "relief" dans le sens où, par exemple, un rendement de 4% sur 15 ans (soit 0,26% annuel) serait considéré comme "positif" alors que le TRI est inférieur à l’inflation et à beaucoup de placements jugés "sans risques", y compris livrets réglementés.

J’ai utilisé les données du "SP500 Total Return" (ticker : ^SP500T) afin de tracer l’espérance de gain (ou moyenne statistique) sur un échantillon qui s’étend du 1er avril 1988 à aujourd’hui. Dans la figure ci-dessous, vous avez la performance "absolue" sur N-années, et la "performance annualisée" :



La conclusion déjà plus délicate dans la mesure où les placements "courts-terme" semble avoir une meilleure espérance de gain (>10% pour 3 ans vs. <10% pour 15 ans).
Les barres verticales correspondent à l’écart type de chaque échantillon et ils explosent pour les placements "court-terme". Encore une fois, tout est une question de compromis sur le couple rendement-risque que vous visez.

Ceci étant dit, j’avoue que les quelques % de plus sur le court-terme ne compense pas (pour ma part) le risque associé, et sur la base de ces résultats j’aurais aussi tendance à privilégier le long terme.

2) Hypothèse de volatilité constante

Comme dans le modèle de Black-Scholes, vous avez compilé tous les résultats afin d’en tirer des paramètres statistiques, en supposant de manière implicite que les "mesures" sont décorrélées et les grandeurs stochastiques invariantes dans le temps.

Ceci est faux et des modèles pas complexes ont émergés depuis la deuxième moitié du XXème siècle : cf. heavy-tails, modèles ARCH/GARCH, etc…

Vous trouverez ci-dessous un graphique montrant l’évolution des paramètres statistiques (moyenne et écart-type) en reprenant les périodes précédentes.



Afin de tracer les courbes, j’ai regroupé les données en fonction de leur année ; cela représente environ 250 mesures par sous-échantillon. On peut ainsi voir que l’espérance de rendement annuel sur une période de 15 ans était :
- d’environ 11% en 1988
- d’environ 5% en 2000 (bulle Internet)

Bien que la moyenne reste intéressante sur cette période, vous avez de fortes fluctuations sur la moyenne et, toujours à mon sens, trop peu de données afin de tirer une conclusion statistique robuste.

Par exemple, à la vue de ce graphique, j’ai bien envie d’attendre sagement que les données donnent un rendement moyen négatif (<-5%) sur l’année (N-3) pour investir massivement en année N et profiter d’un rebond.

Mais cette tentation est biaisée par le fait que le modèle marche 100% du temps sur un échantillon de 2 évènements (en 2000 et en 2006).

Ajoutez à cela tous les facteur socio-politico-économiques qui peuvent rendre chaque période unique en leur genre… bref.