Carbon-Penalised Portfolio Insurance Strategies in a Stochastic Factor Model with Partial Information

1. Problématique et Contexte

L'article s'attaque à l'intégration des risques climatiques, spécifiquement l'intensité carbone, dans les stratégies d'assurance de portefeuille (Portfolio Insurance - PI). Les investisseurs institutionnels cherchent de plus en plus à protéger leur capital tout en réduisant leur exposition aux actifs « bruns » (secteurs à forte intensité carbone).

Le problème central est le suivant : comment concevoir une stratégie d'assurance proportionnelle (PPI) qui garantit un plancher de richesse tout en pénalisant dynamiquement l'exposition aux actifs à forte émission de carbone, dans un environnement où les rendements des actifs dépendent de facteurs macroéconomiques non observables (information partielle) ?

Les auteurs soulignent que la littérature existante traite souvent la durabilité par des contraintes d'exclusion ou des limites de carbone, ce qui peut être trop rigide pour des stratégies d'assurance dont l'objectif premier est la protection du capital. Ils proposent une approche où la préférence pour le climat est intégrée directement dans la fonction d'utilité via une pénalité.

2. Méthodologie et Modélisation

Le modèle repose sur un cadre de contrôle stochastique en temps continu avec information partielle.

A. Dynamique du Marché :

• Actifs : Le marché comprend un actif sans risque et $n$ actions. Les prix des actions suivent des mouvements browniens géométriques.
• Facteur Latent : Les taux de dérive (drifts) des actions ne sont pas constants ni observables directement. Ils sont modélisés comme une fonction linéaire d'un facteur commun stochastique $Y_t$ (modèle de type Ornstein-Uhlenbeck), représentant des variables macro-financières non observables (cycles économiques, pressions de transition, etc.).
• Information : L'investisseur observe les prix des actions mais pas le facteur $Y_t$. Il doit donc estimer $Y_t$ en temps réel en utilisant la théorie du filtrage stochastique (filtre de Kalman-Bucy), conduisant à une estimation $\Gamma_t$ (moyenne conditionnelle) et une variance conditionnelle $P_t$.

B. Stratégie d'Assurance de Portefeuille Proportionnelle (PPI) :

• La stratégie maintient un coussin $C_t = V_t - F_t$, où $V_t$ est la valeur du portefeuille et $F_t$ le plancher garanti.
• L'exposition au portefeuille de référence risqué est proportionnelle au coussin via un multiplicateur $m_t$.
• Le portefeuille de référence est composé d'un mélange d'actions « vertes » (faible intensité carbone) et « brunes » (haute intensité carbone).

C. Fonction Objectif et Pénalité Carbone :

• L'objectif est de maximiser l'utilité espérée du coussin terminal.
• Innovation clé : Le coussin terminal est pénalisé par un terme proportionnel à la variance réalisée des actions brunes.
  • Le coussin pénalisé est défini comme : $\hat{C}_T = C_T \exp\left(-\frac{1}{2} \int_0^T m_s^2 \pi_s^\top (\Sigma_S \Sigma_S^\top \odot e) \pi_s ds\right)$.
  • Le paramètre $\varepsilon$ (dans le vecteur $e$) représente l'aversion carbone de l'investisseur.
• Cette pénalité agit comme une augmentation endogène de l'aversion au risque spécifique aux actifs bruns, sans les exclure a priori.

D. Résolution du Problème d'Optimisation :

• Information Complète : Si $Y_t$ est observable, le problème est résolu via l'équation de Hamilton-Jacobi-Bellman (HJB). La solution conduit à des équations différentielles ordinaires (EDO) de Riccati pour les fonctions de valeur.
• Information Partielle : Si $Y_t$ n'est pas observable, le problème est transformé en un problème de contrôle séparé où l'état est $(\hat{C}_t, \Gamma_t)$. La dynamique du filtre introduit une variance d'estimation $P_t$ qui modifie les termes de couverture intertemporelle dans la stratégie optimale.

3. Contributions Clés

1. Cadre d'assurance carbone-pénalisé : Introduction d'une nouvelle classe de stratégies PPI où la durabilité est intégrée via une pénalité de variance dans la fonction objectif, permettant un arbitrage flexible entre performance financière et impact carbone.
2. Analyse sous Information Partielle : Caractérisation explicite des stratégies optimales lorsque les rendements attendus sont latents. Les auteurs dérivent des expressions fermées pour la fonction de valeur et la stratégie optimale en utilisant le filtrage stochastique.
3. Analyse de la Valeur de l'Information : Quantification de la perte d'utilité (et de l'efficacité monétaire) due à l'incapacité d'observer le facteur latent. Les auteurs montrent comment la pénalité carbone influence cette perte.
4. Décomposition de la Stratégie : Démonstration que la stratégie optimale se décompose en une demande myope (moyenne-variance ajustée par la pénalité carbone) et une composante de couverture intertemporelle (contre les changements d'opportunités et l'incertitude paramétrique).

4. Résultats Principaux

A. Structure de la Stratégie Optimale :

• La stratégie optimale ajuste les poids des actifs bruns à la baisse à mesure que l'aversion carbone $\varepsilon$ augmente.
• Contrairement à une exclusion pure, la stratégie permet de maintenir des actifs bruns si leur ratio de Sharpe est suffisamment élevé pour compenser la pénalité carbone.
• La pénalité carbone modifie la matrice de risque effective, augmentant l'aversion au risque spécifique pour les actifs bruns.

B. Impact de l'Information Partielle :

• Sous information partielle, la stratégie inclut un terme de correction supplémentaire lié à la variance de l'erreur d'estimation ($P_t$). Ce terme agit comme une couverture contre le risque d'apprentissage (parameter uncertainty).
• Les simulations montrent que la stratégie sous information partielle est très proche de celle sous information complète, avec une dynamique légèrement plus lisse.

C. Résultats Numériques :

• Réduction de l'intensité carbone : L'augmentation de $\varepsilon$ réduit significativement l'exposition aux actions brunes et la variance du portefeuille terminal, améliorant la protection à la baisse.
• Performance Financière : La réduction de l'exposition carbone se fait avec une perte marginale de l'utilité espérée. Dans certains scénarios (où les actions brunes surperforment), la pénalité permet de capturer une partie de la prime de risque tout en limitant l'exposition carbone.
• Efficacité et Perte d'Utilité : La perte d'utilité due à l'information partielle est positive mais diminue lorsque l'aversion au risque ($\delta$) ou l'aversion carbone ($\varepsilon$) augmente. Une pénalité carbone modérée améliore l'efficacité relative de l'investisseur partiellement informé par rapport à son homologue pleinement informé, réduisant l'écart de performance.

5. Signification et Implications

• Pour la Gestion d'Actifs : L'article fournit un cadre rigoureux pour les gestionnaires de fonds de pension et d'assurance souhaitant intégrer des critères ESG (spécifiquement le carbone) dans des produits à garantie de capital. Il montre qu'il est possible d'internaliser le risque climatique sans sacrifier la protection du capital.
• Pour la Régulation : Le modèle soutient l'approche des régulateurs (comme l'EIOPA) qui encouragent l'intégration des risques de transition dans les cadres de gestion des risques (ORSA). La pénalité carbone peut être interprétée comme un ajustement prudentiel anticipant la volatilité future des actifs bruns.
• Théorie Financière : L'étude démontre que l'information imparfaite sur les rendements, couplée à des préférences de durabilité, modifie structurellement la demande de couverture. Elle suggère que les préférences environnementales peuvent atténuer l'avantage informationnel des investisseurs mieux informés, rendant les stratégies robustes même en l'absence de données parfaites.

En résumé, l'article propose une solution mathématiquement élégante et économiquement pertinente pour concilier la protection du capital (assurance) et la transition écologique, en tenant compte de l'incertitude inhérente aux marchés financiers.