📈 economics

When the Tail Wags the Valuation: Convexity Bias in Terminal Value and a Sign-Aware Correction

Cet article identifie un biais de convexité systématique dans les calculs standards de la valeur terminale découlant de la relation non linéaire entre les taux de croissance et les taux d'actualisation, et propose une correction sous forme fermée, sensible au signe, qui élimine environ 90 % de cette erreur tout en tenant compte de l'interaction entre le réinvestissement, le rendement du capital et le coût du capital.

Auteurs originaux : Pawan Jain

Publié 2026-08-11

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Pawan Jain

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La mathématique cachée derrière la boule de cristal

Imaginez que vous essayiez de deviner le prix d'un arbre magique et rare. Vous pouvez voir ses feuilles et ses branches clairement pour les cinq prochaines années, vous pouvez donc les compter avec une grande confiance. Mais qu'en est-il des cinquante prochaines années ? Ou des cent prochaines ? Vous ne pouvez pas voir aussi loin, vous devez donc faire une supposition sur la vitesse à laquelle l'arbre poussera pour l'éternité après la fin de votre vision de cinq ans. Dans le monde de la finance, on appelle cela la « valorisation », et la supposition sur le futur lointain est appelée la « valeur terminale ».

Pour faire cette supposition, les experts utilisent généralement une formule simple appelée « perpétuité ». Voyez cela comme une calculatrice magique : vous prenez l'argent que l'arbre produira l'année prochaine, vous le divisez par la différence entre le taux d'intérêt (le coût de l'argent) et le taux de croissance (la vitesse à laquelle l'arbre pousse). Cela semble facile, mais il y a un piège. Le futur est désordonné et incertain. Le taux de croissance pourrait être un peu plus élevé ou plus bas que ce que vous pensez, et le taux d'intérêt pourrait aussi osciller. Lorsque vous injectez un chiffre unique, votre « meilleure estimation », dans une formule qui courbe et s'infléchit comme des montagnes russes, les mathématiques deviennent complexes. Il s'avère que simplement faire la moyenne de vos suppositions ne donne pas la moyenne du résultat. Ce document explore ce problème mathématique spécifique, montrant pourquoi la méthode standard de deviner le futur est secrètement biaisée, et propose une correction simple qui ne nécessite pas un supercalculateur.

Quand la queue remue le chien

Ce document, intitulé « When the Tail Wags the Valuation » (Quand la queue remue la valorisation), s'attaque à un problème sournois dans la manière dont nous évaluons les entreprises. L'auteur, dirigé par Pawan Jain, soutient que la méthode standard utilisée par les experts financiers pour calculer la valeur future d'une entreprise est systématiquement erronée — pas seulement un peu décalée, mais biaisée dans une direction spécifique. Ils appellent cela le « défaut des moyennes ».

Voici le cœur du problème : imaginez un toboggan qui devient de plus en plus raide à mesure que l'on monte. Si vous vous tenez exactement au milieu du toboggan, vous êtes à une certaine hauteur. Mais si vous faites un pas au hasard en avant ou en arrière depuis le milieu, vous ne montez pas et ne descendez pas de manière égale. Parce que le toboggan devient plus raide, faire un pas « vers le haut » (là où la courbe est abrupte) vous emmène bien plus haut que faire un pas « vers le bas » (là où la courbe est douce) ne vous fait descendre. Si vous faites la moyenne de tous ces pas aléatoires, votre hauteur moyenne est en réalité plus élevée que votre point de départ.

En finance, le « toboggan » est la formule de la valeur terminale d'une entreprise. Les « pas » sont l'incertitude des taux de croissance et des taux d'intérêt. Le document prouve que parce que cette formule courbe vers le haut (elle est « convexe »), la méthode standard consistant à simplement injecter les chiffres moyens sous-estime toujours la valeur réelle. C'est comme si vous vous teniez au bas de ce toboggan escarpé et que vous pensiez être plus haut que vous ne l'êtes réellement, ou dans ce cas, que vous pensiez que l'entreprise vaut moins qu'elle ne l'est en réalité.

Le rebondissement : cela peut repartir dans l'autre sens

Mais voici où l'histoire devient encore plus intéressante. L'auteur a découvert que ce biais ne pousse pas toujours la valeur vers le haut. Cela dépend de la manière dont l'entreprise croît.

Si une entreprise croît en réinvestissant ses bénéfices dans de nouveaux projets qui génèrent un rendement supérieur au coût de l'emprunt (une entreprise « créatrice de valeur »), le toboggan est raide, et l'estimation standard est trop basse. Le document montre que la méthode standard manque environ 6 % à 14 % de la valeur réelle dans ces cas-là.

Cependant, si une entreprise croît en réinvestissant de l'argent dans des projets qui génèrent un rendement inférieur au coût de l'emprunt (une entreprise « destructrice de valeur »), le toboggan courbe en fait dans l'autre sens. Dans ce scénario, la méthode standard ne sous-estime pas la valeur ; elle l' surestime. C'est comme si l'entreprise creusait un trou, mais que le calculateur standard pensait qu'ils construisaient une tour. Le document écarte explicitement l'idée que le biais soit toujours dans la même direction ; il change de signe selon que l'entreprise réalise réellement des profits sur ses investissements ou qu'elle en perd.

La solution : une correction simple « sensible au signe »

L'auteur ne se contente pas de pointer le problème ; il propose une solution appelée la « Valeur Terminale Corrigée par la Convexité » (CCTV - Convexity-Corrected Terminal Value). Considérez cela comme un terme de correction magique que vous pouvez ajouter à votre calculatrice.

Au lieu de lancer des milliers de simulations informatiques (ce qui est lent et désordonné), l'auteur a trouvé une formule élégante de forme fermée. C'est comme avoir une seule ligne de code qui dit : « Regardez comment la formule est courbée, regardez à quel point vos chiffres sont incertains, et ajoutez un petit quelque chose à la réponse si la courbe monte, ou soustrayez un petit quelque chose si elle descend. »

Dans leurs tests, cette simple correction a éliminé environ 90 % de l'erreur. Elle a corrigé la sous-estimation pour les bonnes entreprises et la surestimation pour les mauvaises, le tout sans avoir besoin d'un supercalculateur. C'est une correction « sensible au signe » car elle sait quand ajouter et quand soustraire en fonction de l'économie réelle de l'entreprise.

Mesurer la « fragilité »

Enfin, le document introduit une nouvelle façon de mesurer la « fragilité » d'une valorisation. Imaginez que vous construisiez une maison de cartes. Certaines maisons sont si hautes que si vous soufflez sur une seule carte, tout s'effondre. D'autres sont robustes. L'auteur a créé une « métrique de fragilité » qui vous indique quel pourcentage de l'incertitude de la valeur d'une entreprise provient de ces années futures lointaines et inconnues par rapport aux années proches et connues.

Si la valeur d'une entreprise dépend à 64 % de ses suppositions futures (comme une startup technologique à forte croissance), elle est très fragile. Si elle ne dépend qu'à 21 % du futur (comme une entreprise de services publics mature et stable), elle est beaucoup plus robuste. Cette métrique aide les investisseurs et les juges à comprendre exactement quelle part de la valorisation est une simple supposition plutôt qu'un fait solide.

À retenir

Le document conclut que la pratique standard consistant à donner un chiffre unique avec un simple tableau « et si » est trompeuse. Elle cache le fait que les mathématiques sont biaisées et que le biais peut aller dans la mauvaise direction. En utilisant cette nouvelle correction, quiconque réalise une valorisation peut obtenir un chiffre plus honnête et centré qui respecte l'incertitude du futur. Cela transforme une supposition fragile et biaisée en une estimation corrigée et auditable, garantissant que lorsque la « queue » du futur remue le « chien » de la valorisation, nous savons exactement de combien le chien est réellement secoué.

Résumé Technique : Quand la queue remue la valorisation : Biais de convexité dans la valeur terminale et une correction sensible au signe

1. Le Problème
Dans la valorisation standard par l'actualisation des flux de trésorerie actualisés (DCF), la valeur terminale (VT) représente généralement les deux tiers ou plus de la valeur intrinsèque totale d'une entreprise. Cependant, la convention prédominante calcule cette valeur en utilisant une estimation ponctuelle unique pour le taux de croissance ( $g$ ) et le taux d'actualisation ( $r$ ) au sein d'une formule de rente de Gordon ( $VT = FCF_{T+1} / (r - g)$ ).

L'article identifie une faille structurelle systématique dans cette convention : la rente de Gordon est une fonction strictement convexe de ses intrants (spécifiquement l'écart $s = r - g$ ). Selon l'inégalité de Jensen, l'espérance d'une fonction convexe n'est pas égale à la fonction de l'espérance des intrants ( $E[f(x)] \neq f(E[x])$ ). Par conséquent, l'estimation ponctuelle standard (calculant la VT aux intrants moyens) est biaisée. L'ampleur de ce biais est importante, diverge à mesure que l'écart entre $r$ et $g$ se réduit, et, surtout, sa direction (sous-estimation vs surestimation) dépend des fondamentaux économiques de l'entreprise, une nuance que la convention standard ignore.

2. Méthodologie et Cadre Analytique
L'article utilise des dérivations analytiques utilisant des développements en série de Taylor (méthode delta du second ordre) et l'inégalité de Jensen pour caractériser le biais. Il dépasse les simulations de Monte Carlo standard en dérivant des corrections sous forme fermée qui ne nécessitent que des statistiques de synthèse (moyennes, variances et corrélations) plutôt qu'une simulation computationnelle.

Les étapes analytiques clés incluent :

Analyse de la convexité : Prouver que la $VT$ est strictement convexe dans l'écart $s = r - g$ .
Quantification du biais : Montrer que le biais proportionnel est approximativement égal au carré du coefficient de variation de l'écart ( $CV(s)^2$ ).
Discipline Distributionnelle : Établir trois contraintes nécessaires pour une distribution de valorisation cohérente :
1. Croissance Bornée : La croissance doit être plafonnée par la croissance nominale de long terme de l'économie pour éviter des queues de distribution artificiellement épaisses.
2. Comouvement Positif : $r$ et $g$ doivent être positivement corrélés (ancrés aux taux nominaux) ; des tirages indépendants dans les simulations gonflent artificiellement la variance de l'écart et le biais qui en résulte.
3. Cohérence du Réinvestissement : La croissance doit être financée par le réinvestissement ( $g = b \times ROIC$ ). Cela lie le numérateur (flux de trésorerie) et le dénominateur (croissance), modifiant la courbure de la fonction de la VT.

3. Contributions et Résultats Clés

Proposition 1 (Convexité et l'Écart de Jensen) : La valeur terminale aux intrants moyens est strictement inférieure à l'espérance de la valeur terminale si la fonction est convexe. « L'erreur de la moyenne » tire la valeur espérée vers le haut de la courbe abrupte de la rente.
Proposition 2 (Ampleur du Biais) : L'erreur proportionnelle est égale au carré du coefficient de variation de l'écart ( $CV(s)^2$ ). Cette erreur est négligeable pour les entreprises matures avec des écarts larges, mais explosive pour les entreprises à forte croissance où $r \approx g$ .
Proposition 3 (Atténuation par Comouvement) : Parce que $r$ et $g$ évoluent ensemble avec l'environnement des taux nominaux, leur corrélation positive réduit la variance de l'écart. Les simulations standard qui tirent $r$ et $g$ indépendamment (en supposant $\rho=0$ ) surestiment le biais.
Proposition 4 (Inversion de Signe via le Réinvestissement) : C'est une découverte pivot. Lorsque la croissance est financée par le réinvestissement, la courbure de la fonction de la VT dépend de l' whether le rendement du capital investi (ROIC) excède le coût du capital ( $r$ $r$ ).
- Si $ROIC > r$ (Création de Valeur) : La VT est convexe ; l'estimation ponctuelle sous-estime la véritable moyenne.
- Si $ROIC < r$ (Destruction de Valeur) : La VT est concave ; l'estimation ponctuelle surestime la véritable moyenne.
- Si $ROIC = r$ : La VT est linéaire ; il n'y a pas de biais.
- Signification : La direction du biais n'est pas fixe ; elle bascule selon que l'entreprise crée ou détruit de la valeur.
La Valeur Terminale Corrigée par la Convexité (CCTV) : L'article propose un estimateur en forme fermée :
$TV_{CCTV} = h(\mu) + \frac{1}{2} \text{tr}[H(\mu)\Sigma]$
Cet estimateur ajoute un terme de dispersion pondéré par la courbure à l'estimation ponctuelle. Il est « sensible au signe », ajoutant de la valeur lorsqu'elle est convexe (création de valeur) et en soustrayant lorsqu'elle est concave (destruction de valeur), sans nécessiter de simulation.
La Métrique de Fragilité : Une analyse de sensibilité globale basée sur la variance (indice de Sobol à effet total) est définie pour partitionner la variance de la valorisation en sources de périodes explicites et sources de périodes terminales. Cela quantifie la part de l'incertitude de la valorisation qui est pilotée par les hypothèses de la « queue ».

4. Illustration Numérique
En utilisant une distribution discrète pour la croissance (1 % ou 5 % avec une probabilité égale) et un taux d'actualisation fixe (9 %) :

Gordon Standard : L'estimation ponctuelle sous-estimait la véritable moyenne de 11,1 %. La correction CCTV a réduit cette erreur à 1,2 %.
Entreprise Destructrice de Valeur ($ROIC < r$) : L'estimation ponctuelle surestimait la véritable moyenne de 14,3 %. La correction CCTV (qui était négative) a réduit cette erreur à 1,6 %.
Comouvement : Le biais est passé d'environ 35 % sous des tirages indépendants à environ 3,5 % lorsqu'une corrélation élevée ( $\rho=0,9$ ) a été appliquée, démontant le danger d'une simulation indisciplinée.

5. Signification et Revendications
L'article revendique des contributions modestes mais pratiques à la pratique de la valorisation :

Diagnostic et Remède : Il fournit une correction en forme fermée, auditable, qui élimine environ 90 % du biais trouvé dans les estimations ponctuelles standard, applicable à toute fonction de valeur terminale deux fois dérivable.
Rigueur de l'Analyse de Décision : Il déplace l'attention de « quel modèle est le plus précis » vers « comment calculer et rapporter une valorisation sous incertitude ». Il soutient qu'une estimation ponctuelle centre mal la valorisation précisément là où les enjeux sont les plus élevés.
Praticité : La correction ne nécessite que des statistiques de synthèse (moyennes, variances, corrélation) et peut être appliquée aux modèles existants en une seule ligne sans simulation.
Litige et Équité : Le cadre répond à des vulnérabilités communes dans les litiges de valorisation, spécifiquement l'utilisation d'estimations ponctuelles près de la limite de convergence et le traitement inapproprié des intrants corrélés. La métrique de fragilité fournit une base quantitative pour la « marge de sécurité ».

L'auteur conclut que bien que la correction ne soit exacte qu'au second ordre (des résidus existent pour des intrants fortement asymétriques), elle offre une amélioration scientifiquement honnête et actionnable par rapport à la convention actuelle, transformant une estimation ponctuelle fragile en un résumé corrigé et auditable d'une quantité incertaine.