Modélisation financière - Financial modeling
La modélisation financière est la tâche de construire une représentation abstraite (un modèle ) d'une situation financière réelle . Il s'agit d'un modèle mathématique conçu pour représenter (une version simplifiée de) la performance d'un actif financier ou d'un portefeuille d'une entreprise, d'un projet ou de tout autre investissement.
Typiquement, alors, la modélisation financière est comprise comme un exercice soit d'évaluation des actifs, soit de financement d'entreprise, de nature quantitative. Il s'agit de traduire un ensemble d'hypothèses sur le comportement des marchés ou des agents en prédictions numériques. Dans le même temps, la « modélisation financière » est un terme général qui signifie différentes choses pour différents utilisateurs ; la référence porte généralement soit sur des applications de comptabilité et de finance d'entreprise , soit sur des applications de finance quantitative .
Bien qu'il y ait eu un débat dans l'industrie sur la nature de la modélisation financière - qu'il s'agisse d'un métier , comme le soudage, ou d'une science - la tâche de la modélisation financière a gagné en acceptation et en rigueur au fil des ans.
Comptabilité
Dans la finance d'entreprise et la profession comptable , la modélisation financière implique généralement la prévision des états financiers ; généralement la préparation de modèles détaillés spécifiques à l'entreprise utilisés à des fins de prise de décision et d'analyse financière .
Les applications comprennent :
- Évaluation d'entreprise / évaluation des actions - en particulier via des flux de trésorerie actualisés , mais incluant d' autres approches d'évaluation
- Planification de scénarios et prise de décision de gestion (« qu'est-ce que c'est ? ; « et si » ; « ce qui doit être fait »)
- Budgétisation du capital , y compris les calculs du coût du capital (c.-à-d. WACC )
- Analyse des états financiers / analyse des ratios (y compris les contrats de location simple et financière , et la R&D )
- Revenu lié : prévision , analyse
- Modélisation de financement de projet
- Prévision de trésorerie
- Décision de crédit : Analyse de crédit et Risque de crédit à la consommation ; modélisation des dépréciations et des provisions
- Gestion du fonds de roulement et de la trésorerie ; gestion de l'actif et du passif
- La comptabilité de gestion: calcul des coûts par activité , analyse de rentabilité , analyse des coûts , coût total-vie
Pour généraliser sur la nature de ces modèles : d'une part, comme ils sont construits autour d'états financiers , les calculs et les sorties sont mensuels, trimestriels ou annuels ; deuxièmement, les entrées prennent la forme d'« hypothèses », où l'analyste spécifie les valeurs qui s'appliqueront à chaque période pour les variables externes/globales ( taux de change , pourcentage d' imposition , etc. ; peut être considéré comme les paramètres du modèle ), et pour les variables internes / propres à l' entreprise ( salaires , coûts unitaires , etc....). Corrélativement, les deux caractéristiques se reflètent (au moins implicitement) dans la forme mathématique de ces modèles : premièrement, les modèles sont en temps discret ; deuxièmement, ils sont déterministes . Pour une discussion sur les problèmes qui peuvent survenir, voir ci-dessous; pour une discussion sur les approches plus sophistiquées parfois employées, voir Finance d'entreprise § Quantification de l'incertitude et Économie financière § Théorie de la finance d'entreprise .
Les modélisateurs sont souvent désignés « analystes financiers » (et sont parfois appelés ( langue dans la joue ) comme « numéros crunchers »). En règle générale, le modélisateur aura terminé un MBA ou un MSF avec des cours (facultatifs) en « modélisation financière ». Les qualifications comptables et les certifications financières telles que le CIIA et le CFA ne fournissent généralement pas de formation directe ou explicite en modélisation. Parallèlement, de nombreuses formations commerciales sont proposées, tant au niveau universitaire que privé. Pour les composants et les étapes de la modélisation d'entreprise ici, voir la liste pour "Valorisation des capitaux propres" sous Outline of finance § Valorisation des flux de trésorerie actualisés ; voir aussi Évaluation à l'aide de flux de trésorerie actualisés § Déterminer les flux de trésorerie pour chaque période de prévision pour une discussion et des considérations plus approfondies.
Bien qu'il existe des logiciels d'entreprise spécialement conçus (voir également Logiciel d'analyse fondamentale ), la grande partie du marché est basée sur des feuilles de calcul ; c'est en grande partie parce que les modèles sont presque toujours spécifiques à l'entreprise. De plus, les analystes auront chacun leurs propres critères et méthodes de modélisation financière. Microsoft Excel occupe désormais de loin la position dominante, ayant dépassé Lotus 1-2-3 dans les années 1990. La modélisation basée sur des tableurs peut avoir ses propres problèmes, et plusieurs normalisations et « meilleures pratiques » ont été proposées. Le « risque tableur » est de plus en plus étudié et géré ; voir audit modèle .
Une critique ici, est que les sorties du modèle , c'est-à-dire les éléments de ligne , comportent souvent des « hypothèses implicites irréalistes » et des « incohérences internes ». (Par exemple, une prévision de croissance du chiffre d'affaires mais sans augmentation correspondante du fonds de roulement , des immobilisations et du financement associé, peut inclure des hypothèses irréalistes sur la rotation des actifs , l' effet de levier et/ou le financement par capitaux propres . Voir Taux de croissance durable § D'un point de vue financier . ) Ce qui est nécessaire, mais qui fait souvent défaut, c'est que tous les éléments clés soient explicitement et systématiquement prévus. En lien avec cela, les modélisateurs "ne parviennent souvent pas à identifier les hypothèses cruciales" relatives aux intrants , "et à explorer ce qui peut mal tourner". Ici, en général, les modélisateurs "utilisent des valeurs ponctuelles et une arithmétique simple au lieu de distributions de probabilités et de mesures statistiques" - c'est-à-dire, comme mentionné, les problèmes sont traités comme de nature déterministe - et calculent ainsi une valeur unique pour l'actif ou le projet, mais sans fournir des informations sur la gamme, la variance et la sensibilité des résultats. (Voir Évaluation à l'aide de flux de trésorerie actualisés § Déterminer la valeur des capitaux propres .) D'autres critiques traitent du manque de concepts de base en programmation informatique . Des critiques plus sérieuses, en fait, concernent la nature de la budgétisation elle-même, et son impact sur l'organisation (voir Budgétisation conditionnelle § Critique de la budgétisation ).
Finance quantitative
En finance quantitative , la modélisation financière implique le développement d'un modèle mathématique sophistiqué . Les modèles traitent ici des prix des actifs, des mouvements du marché, des rendements du portefeuille, etc. Une distinction générale est faite entre : la « gestion financière quantitative », modèles de la situation financière d'une grande entreprise complexe ; « évaluation quantitative des actifs », modèles de rendements de différentes actions ; « ingénierie financière », modèles de prix ou de rendements de titres dérivés ; "quantitative corporate finance", modèles des décisions financières de l'entreprise.
De manière connexe, les applications incluent :
- Tarification des options et calcul de leurs « Grecs »
- D' autres dérivés , en particulier les dérivés de taux d'intérêt , des dérivés de crédit et dérivés exotiques
- Modélisation de la structure par terme des taux d'intérêt ( bootstrapping / multi-courbes , modèles de taux courts , HJM ) et des spreads de crédit
- Notation de crédit et provisionnement
- Le risque de crédit , le risque de crédit de contrepartie et capital réglementaire : l' exposition à défaut , la probabilité de défaut , en cas de défaut de la perte , l' exposition potentielle future
- Problèmes de prévision de l' activité de financement des entreprises
- Optimisation de portefeuille et investissement quantitatif ; voir Optimisation du portefeuille § Méthodes d'optimisation et § Outils mathématiques pour des articles spécifiques.
- De vraies options
- Modélisation des risques ( Modélisation des risques financiers ) et valeur à risque
- Ajustement de l'évaluation du crédit , CVA, ainsi que les différents XVA
- Applications actuarielles : Analyse financière dynamique (DFA), UIBFM , modélisation des investissements
Ces problèmes sont généralement stochastique et continue dans la nature, et les modèles ici nécessitent donc des algorithmes complexes , entraînant la simulation informatique , avancées méthodes numériques (tels que les équations différentielles numériques , algèbre linéaire numérique , programmation dynamique ) et / ou le développement de modèles d'optimisation . La nature générale de ces problèmes est discutée sous Finance mathématique § Histoire : Q contre P , tandis que les techniques spécifiques sont énumérées sous Aperçu de la finance § Outils mathématiques . Pour une discussion plus approfondie ici, voir également : Modèles financiers avec distributions à longue queue et clustering de volatilité ; modèle brownien des marchés financiers ; Tarification de la martingale ; Théorie des valeurs extrêmes ; Simulation historique (finance) .
Les modélisateurs sont généralement appelés « quants » ( analystes quantitatifs ) et ont généralement une formation avancée ( niveau doctorat ) dans des disciplines quantitatives telles que les statistiques , la physique , l' ingénierie , l' informatique , les mathématiques ou la recherche opérationnelle . Alternativement, ou en plus de leur formation quantitative, ils complètent un master en finance à orientation quantitative, tel que le Master of Quantitative Finance , ou le Master of Computational Finance ou le Master of Financial Engineering plus spécialisé ; le CQF est de plus en plus répandu.
Bien que les feuilles de calcul soient également largement utilisées ici (nécessitant presque toujours un VBA étendu ) ; C++ personnalisé , Fortran ou Python , ou des logiciels d'analyse numérique tels que MATLAB , sont souvent préférés, en particulier lorsque la stabilité ou la vitesse est un problème. MATLAB est souvent utilisé au stade de la recherche ou du prototypage en raison de ses outils de programmation, graphiques et de débogage intuitifs, mais C++/Fortran sont préférés pour les applications conceptuellement simples mais à coût de calcul élevé où MATLAB est trop lent ; Python est de plus en plus utilisé en raison de sa simplicité et de sa grande bibliothèque standard / applications disponibles , y compris QuantLib . De plus, pour de nombreuses applications dérivées et de portefeuille (standard), des logiciels commerciaux sont disponibles, et le choix de développer le modèle en interne ou de déployer des produits existants dépendra du problème rencontré. question. Voir Analyse quantitative (finance) § Analyse quantitative de la bibliothèque .
La complexité de ces modèles peut entraîner une tarification ou une couverture incorrecte ou les deux. Ce risque de modèle fait l'objet de recherches continues par des universitaires en finance et suscite un intérêt important et croissant dans le domaine de la gestion des risques .
Les critiques de la discipline (souvent précédant la crise financière de 2007-08 de plusieurs années) mettent l'accent sur les différences entre les sciences mathématiques et physiques, et la finance, et la prudence qui en résulte à appliquer par les modélisateurs, et par les commerçants et les gestionnaires de risques utilisant leurs modèles . On notera ici Emanuel Derman et Paul Wilmott , auteurs du Financial Modelers' Manifesto . Certains vont plus loin et se demandent si les techniques de modélisation mathématique et statistique habituellement appliquées à la finance sont appropriées (voir les hypothèses faites pour les options et pour les portefeuilles ). En fait, ceux-ci peuvent aller jusqu'à remettre en cause la « validité empirique et scientifique... de la théorie financière moderne ». On notera ici Nassim Taleb et Benoit Mandelbrot . Voir aussi Finance mathématique § Critique et Économie financière § Défis et critique .
Voir également
- Modèle d'évaluation des actifs
- Modèle économique
- Ingénierie financière
- Prévisions financières
- Manifeste des modélisateurs financiers
- Modèles financiers avec distributions à longue traîne et clustering de volatilité
- Planification financière
- Planification d'entreprise intégrée
- Audit de modèle
- Modélisation et analyse des marchés financiers
- Aperçu des finances § Éducation
- Pro forma § États financiers
- Modèle de profit
Les références
Bibliographie
Général
- Benninga, Simon (1997). Modélisation financière . Cambridge, MA : Presse du MIT . ISBN 0-585-13223-2.
- Benninga, Simon (2006). Principes de la finance avec Excel . New York : Oxford University Press . ISBN 0-19-530150-1.
- Fabozzi, Frank J. (2012). Encyclopédie des modèles financiers . Hoboken, New Jersey : Wiley . ISBN 978-1-118-00673-3.
- Ho, Thomas ; Sang Bin Lee (2004). Le guide d'Oxford sur la modélisation financière . New York : Oxford University Press . ISBN 978-0-19-516962-1.
- Sengupta, Chandan (2009). Analyse financière et modélisation à l'aide d'Excel et de VBA, 2e édition . Hoboken, New Jersey : John Wiley & Sons. ISBN 9780470275603.
- Winston, Wayne (2014). Analyse de données et modélisation d'entreprise Microsoft Excel 2013 . Microsoft Presse . ISBN 978-0735669130.
- Ouaip, Henri (2005). Tableur Applications à l'évaluation des valeurs mobilières et aux théories de l'investissement . John Wiley and Sons Australia Ltd. ISBN 0470807962.
Finance d'entreprise
- Beech, G. et Thayser, D. (2015). Évaluations, fusions et acquisitions . Oxford : Oxford University Press . ISBN 0-585-13223-2.CS1 maint : plusieurs noms : liste des auteurs ( lien )
- Jour, Alastair (2007). Maîtriser la modélisation financière dans Microsoft Excel . Londres : Pearson Education . ISBN 978-0-273-70806-3.
- Lynch, Pénélope (1997). Modélisation financière pour le financement de projets, 2e édition . Commerce de l'euro. ISBN 9781843745488.
- Mayes, Timothy R.; Todd M. Shank (2011). Analyse financière avec Microsoft Excel, 6e édition . Boston : Apprentissage Cengage . ISBN 978-1111826246.
- Peter K. Nevitt ; Frank J. Fabozzi (2000). Financement de projets . Euromoney Institutional Investor PLC. ISBN 978-1-85564-791-6.
- Ongkrutaraksa, Worapot (2006). Modélisation et analyse financières : une technique de tableur pour la gestion financière, des investissements et des risques, 2e édition . Frenchs Forest : Pearson Education Australie . ISBN 0-7339-8474-6.
- Palepu, Krishna G.; Paul M. Healy (2012). Analyse et évaluation d'entreprise à l'aide d'états financiers, 5e édition . Boston : Éditions du Collège du Sud-Ouest. ISBN 978-1111972288.
- Pignataro, Paul (2003). Modélisation et évaluation financières : un guide pratique de la banque d'investissement et du capital-investissement . Hoboken, New Jersey : Wiley. ISBN 978-1118558768.
- Proctor, Scott (2009). Construire des modèles financiers avec Microsoft Excel : Un guide pour les professionnels, 2e édition . Hoboken, New Jersey : Wiley . ISBN 978-0-470-48174-5.
- Rees, Michael (2008). Modélisation financière en pratique : un guide concis pour les niveaux intermédiaire et avancé . Hoboken, New Jersey : Wiley . ISBN 978-0-470-99744-4.
- Soubeiga, Éric (2013). Maîtriser la modélisation financière : un guide professionnel pour la création de modèles financiers dans Excel . New York : McGraw-Hill . ISBN 978-0071808507.
- Swan, Jonathan (2007). Rapport spécial sur la modélisation financière . Londres : Institut des comptables agréés d'Angleterre et du Pays de Galles .
- Cygne, Jonathan (2008). Modélisation financière pratique, 2e édition . Londres : Éditions CIMA . ISBN 978-0-7506-8647-1.
- Tham, Joseph; Ignacio Velez-Pareja (2004). Principes d'évaluation des flux de trésorerie : une approche intégrée fondée sur le marché . Amsterdam : Elsevier . ISBN 0-12-686040-8.
- Tjia, John (2003). Construire des modèles financiers . New York : McGraw-Hill . ISBN 0-07-140210-1.
Finance quantitative
- Hirsa, Ali (2013). Méthodes de calcul en finance . Boca Raton : CRC Presse . ISBN 9781439829578.
- Brooks, Robert (2000). Création d'applications de dérivés financiers avec C++ . Westport : Praeger . ISBN 978-1567202878.
- Brigo, Damien ; Fabio Mercurio (2006). Modèles de taux d'intérêt - Théorie et pratique avec le sourire, l'inflation et le crédit (2e éd.). Londres : Springer Finance . ISBN 978-3-540-22149-4.
- Clewlow, Les; Chris Strickland (1998). Implémentation de modèles dérivés . New Jersey : Wiley . ISBN 0-471-96651-7.
- Duffy, Daniel (2004). Tarification des instruments financiers à l'aide de C++ . New Jersey : Wiley. ISBN 978-0470855096.
- Fabozzi, Frank J. (1998). Valorisation des titres à revenu fixe et dérivés, 3e édition . Hoboken, New Jersey : Wiley . ISBN 978-1-883249-25-0.
- Fabozzi, Frank J.; Sergio M. Focardi ; Petter N. Kolm (2004). Modélisation financière du marché actions : du CAPM à la cointégration . Hoboken, New Jersey : Wiley . ISBN 0-471-69900-4.
- Shayne Fletcher ; Christophe Gardner (2010). Modélisation financière en Python . John Wiley et fils. ISBN 978-0-470-74789-6.
- Fusaï, Gianluca ; Andrea Roncoroni (2008). Implémentation de modèles en finance quantitative : méthodes et cas . Londres : Springer Finance . ISBN 978-3-540-22348-1.
- Haug, Espen Gaarder (2007). Le guide complet des formules de tarification des options, 2e édition . McGraw-Hill . ISBN 978-0071389976.
- M. Henrard (2014). Modélisation des taux d'intérêt dans le cadre multi-courbes . Springer. ISBN 978-1137374653.
- Hilpisch, Yves (2015). Analyse des dérivés avec Python : analyse de données, modèles, simulation, étalonnage et couverture . New Jersey : Wiley. ISBN 978-1-119-03799-6.
- Jackson, Marie ; Mike Staunton (2001). Modélisation avancée en finance avec Excel et VBA . New Jersey : Wiley . ISBN 0-471-49922-6.
- Jondeau, Éric; Ser Huang Poon ; Michael Rockinger (2007). Modélisation financière sous distributions non gaussiennes . Londres : Springer . ISBN 978-1849965996.
- Joerg Kienitz; Daniel Wetterau (2012). Modélisation financière : théorie, mise en œuvre et pratique avec MATLAB Source . Hoboken, New Jersey : Wiley . ISBN 978-0470744895.
- Kwok, Yue-Kuen (2008). Modèles mathématiques des dérivés financiers, 2e édition . Londres : Springer Finance. ISBN 978-3540422884.
- Lévy, George (2004). Finance computationnelle : méthodes numériques de tarification des instruments financiers . Butterworth-Heinemann . ISBN 978-0750657228.
- Londres, Justin (2004). Modélisation des dérivés en C++ . New Jersey : Wiley. ISBN 978-0471654643.
- Löeffler, G; Posch, P. (2011). Modélisation du risque de crédit avec Excel et VBA . Hoboken, New Jersey : Wiley. ISBN 978-0470660928.
- Rouah, Fabrice Douglas ; Grégory Vainberg (2007). Modèles de tarification des options et volatilité à l'aide d'Excel-VBA . New Jersey : Wiley . ISBN 978-0471794646.
- Antoine Savine et Jesper Andreasen (2018). Finance numérique moderne : Script pour les produits dérivés et xVA . Wiley. ISBN 978-1119540786.
- Alexandre Sokol (2014). Simulation de portefeuille à long terme - Pour XVA, limites, liquidité et capital réglementaire . Livres de risques . ISBN 978-1782720959.