Lauriane NYALauriane NYAJuly 26, 2018
Fotolia_154599216_XS.jpg

5min1790

Ce concept de finance dite « green » a toujours fait parlé de lui depuis un bon bout de temps .Il met en rapport des domaines tel que : la finance, l’économie et l’éco responsabilité. Au premier abord on pourrait dire qu’il s’agisse de deux notions plutôt contradictoires, mais pourtant il s’agit ici de trouver des solutions pour que la finance mette une pierre à l’édifice d’une planète plus saine.

Nous avons d’un coté l’écologie, un domaine dont le but principale est de permettre une meilleure préservation des ressources naturelles. De l’autre côté, nous avons la finance, dont la principale ambition est de tirer autant de bénéfices que possible des ressources naturelles, et inclue fatalement une consommation de celles-ci.

La question ultime ici est donc : y a-t-il une possible réconciliation entre la finance et l’écologie.

Pour pouvoir y arriver, il conviendra d’abord de se débarrasser des postures convenues, des discours surfaits, autrement dit du « politiquement correct ». La nature est considérée comme un cadeau dont les hommes sont les gardiens et qu’il convient de préserver pour les générations futures.

Alors oui, il devient possible de tracer une voie commune entre ceux deux pensées. La finance est déjà vue comme un moyen (et non une fin) pour le développement économique, tout en acceptant une certaine forme de décroissance pour les biens de consommation et l’utilisation des énergies, alors pourquoi la finance ne pourrait elle pas être au service de l’homme ? Il faut voir cela comme une responsabilité individuelle mais aussi collective et prospective, c’est à dire une responsabilité transgénérationnelle afin de quitter l’immédiateté pour penser le futur lointain.

Grâce à ce concept tendance de finance verte, on voit des projets se mettre en place dans le but de permettre au monde de la finance en général d’être plus responsable sur le plan de l’écologie. Ainsi, il aurait possibilité d’assouvir ses besoins en termes de ressources tout en restant dans des limites raisonnables, qui pourraient être délimitées par différents consensus. Même si cela n’est pas totalement évident, des efforts sont faits pour arriver à ce résultat.

Il est question de faire en sorte d’investir dans plus de projets qui jouent un rôle plus important pour la nature. Parmi ces investissements nous avons les énergies renouvelables qui sont un exemple bien concret, car on touche le long terme. De plus ces énergies sont bien plus rentables que les énergies fossiles. Mais nous ne pouvons pas nier le fait qu’une telle transition est à la fois couteuse financièrement et très étalée sur le long terme.

Comme autre contraintes possible, nous avons les défaillances présentes dans le monde de la finance (exemple : crise de 2008) qui pourraient avoir des conséquences plutôt désastreuses sur la nature si on en venait à lui confier celle-ci. Il est donc évident que pour concilier les besoins des deux domaines, il est nécessaire de fixer quelles sont les limites à ne pas franchir, et quels sont les objectifs à atteindre pour assurer autant une bonne préservation de la nature et un bon rendement financier de celle-ci. Pour cela il faudrait des rencontres entre écologistes et financiers, sans anathème ni préjugé, commelaCOP21 à Paris.

De manière globale, on conclue q’une finance verte est tout à fait possible, et les discussions essentielles au succès de ce projet sont déjà effectuées par les organisations concernées. L’implémentation de ce projet est sur en expansion, nous avons foi en le succès de cette collaboration pourtant si inattendue.

 


Ilias KACHMARIlias KACHMARJuly 25, 2018
Fotolia_141775930_XS.jpg

17min2330

The carbon market… What is it?

Roughly speaking, it is a market similar to the equity market where we find buyers, sellers and brokers, but instead of trading shares, we negotiate rights or credits for CO2 emissions. Companies are first subject to emission quotas that they must reach, and then during each year, a CO2 emission quota is allocated to each facility (1 quota = 1 ton of CO2). In the European Union, if a company emits more carbon than the imposed limit by the European Union Emissions Trading Scheme (EU ETS), the company must buy a “right to pollute” from a company that consumed less than its quota.

Effectively, companies that fail to ensure their quotas must purchase “rights” to emit more CO2. On the other hand, a company that has managed to emit lower quotas than what was imposed, will obtain credits of which can be sold on the market, all through different types of contracts. The aim of this system is to reward the “good performers” who invest in clean technologies by allowing them to earn money by selling their credits and penalizing those who exceed their quotas by forcing them to buy “rights” to pollute more.

There are two types of carbon markets: A “regulated” and a “voluntary” carbon market. The regulated carbon market concerns the countries that are part of the Kyoto Protocol. It is binding, and concerns the five sectors considered as the most polluting sectors: electricity production, steel, paper, refining, and glass. On the other hand, the voluntary market is open to everyone: anyone can offer CO2 credits, but for this to work you need at least a label.

In the regulated market by the Kyoto Protocol, there are different types of mechanisms for green project financing. For example, the “joint implementation mechanism” gives companies the opportunity to invest in “clean projects” outside of their national territory and subsequently generates greenhouse gas emission credits that can be used by these investors. There is also the “clean development mechanism”, which allows developed countries to achieve their greenhouse gas emission reduction targets by investing in projects that reduce these emissions in developing countries. In return, they obtain emission credits that can be used for their own greenhouse gas reduction targets.

Several types of gas are involved in this market:

Carbon dioxide (CO2), Methane (CH4), Nitrous oxide (N2O), Sulfur hexafluoride (SF6), Hydrofluorocarbons (HFC), Perfluorocarbons (PFC) or per fluorinated hydrocarbons.

Some key data…

The carbon market is also a public policy tool to reduce greenhouse gas emissions (mainly CO2) in the atmosphere, of which are responsible for global warming. As a result, companies are driven to invest in green and less polluting technologies, whether in the energy, transportation, housing or agriculture sectors.

Nowadays, 60% of global GDP is covered by a carbon price, and to reach it, 46 countries and 26 provinces/cities have introduced carbon pricing, whether through tax or emissions trading schemes.

Nonetheless, this level still seems too low to support the transition to a low-carbon economy in both public and private sectors, according to the I4CE, Institute for Climate Economics:

Indeed, more and more countries have introduced taxes or markets since the Paris Agreement to give CO2 a price, each country has its own carbon price and the differences vary by less than 1 Euro, as in Poland and Ukraine, up to 139 € in Sweden. There is no common global carbon price and prices vary considerably from one country to another!

As a result, it is difficult to assess the economic consequences of climate change. However, US researchers have calculated the effects on the world economy if we line up on a trajectory of 1.5 ° C by the end of the century. The result is a gain estimated at $ 20 trillion.

We can also note that 75% of emissions are covered by prices not exceeding $10 per tonne of CO2. The objective of limiting the global temperature to 2 ° C by the end of the century as set by the Paris Agreement cannot be achieved given these large price differences. According to economists and presidents of the High Level Commission on Carbon Prices, Stern and Stiglitz, prices should vary between $ 40 and $ 80 per tonne by 2020, then between $ 50 and $ 100 by 2050 to achieve this goal.

Carbon revenues are an increasingly important source of financing for the environment and the economy” stated by the I4CE.

Indeed, this carbon pricing generates 32 billion dollars of revenues in 2017, against 22 billion dollars in 2016. These revenues are used for the general public budget, for projects dedicated to low carbon transition, to finance tax exemptions and a small part is transferred to companies and households.

China creates the world’s largest carbon market

Heavyweights like China and Canada; respectively because of coal-fired power plants and tar sands industry, are among the largest emitter of greenhouse gases. Thus, between 2016 and 2018, the percentage of global emissions covered by carbon pricing has almost doubled from 13% to 25%, mainly through the entry into force of the Chinese trading system in 2017. For the coming years, more than 25 pricing instruments are announced.

As of 19th December 2017, China has created the largest carbon market in the world, and largely surpasses the European emissions trading market. The more companies pay to pollute, the more motivated they will be to invest in the clean energy sector, where China is already a world leader in term of investment. Surprising, no?

With the launch of this carbon market, China not only sees a market opportunity, but also intends to be at the forefront of the global warming fight, just when the United States decided not to more honor their commitments. At the Paris agreement, China promised to reduce its carbon emissions by 60% to 65% per unit of GDP by 2030, compared to 2005 levels.

When it comes to reducing carbon emissions, it’s not just about what governments can do, but about what the population itself can do. The United Nations reported that the entire process of producing, harvesting, transporting, and packing food waste generates more than 3 billion tons of CO2. If this food waste quantity was a country, it would be the third largest greenhouse gases emitter behind the United States and China.

Other regions are pulling out of the system, and see it as a disadvantage: Ontario

Ontario, however, sees things differently. Ontario’s new Prime Minister Doug Ford since the 29th June 2018, rather conservative, is fulfilling his election promise to take the province out of the common carbon market with Quebec and California.

Why?

According to him:

Cap and trade systems for greenhouse gas emissions are nothing more than tax levies that do not represent any gain for the environment and deprive taxpayers of their money – they primarily serve to fund large government programs.

The Earth biodiversity will undergo important changes if humans do not react in time!

International trades are primarily derived from fauna and flora, and global warming will impact them seriously.

This would result the extinction of several hundred thousand plant species. CO2 causes an increase in the growth rate of plants, but the increase in temperature will have repercussions on their lives. Global warming will also increase the severity of disease in the ocean and cause a deterioration on the marine ecosystem health (fish, algae, corals, etc.), and the entire food chain will be impacted.

Reducing these inequities and inefficiencies would save a lot of money. Does the human race realize that if plants disappear because of the increase of CO2 present in the atmosphere and the decrease of the oxygen, many forests would disappear, there would be less food for human consumption and many species would become extinct? Life in general would suffer unthinkable consequences. As a result, the Earth’s biodiversity will undergo significant changes if humans do not react in time.

Nowadays, there is a lack of projects that allows or targets waste transformation into energy, and that in some countries landfills are burned, partly responsible for greenhouse gas emissions instead of being used for example in transportation or local energy.

Therefore, the carbon market seems to be a good tool to encourage a real energy transition and to unite all countries efforts.

For that to occur, all countries would need to abide by these rules through energy production, agricultural transformation and waste management. Countries would need to take advantage of these financial resources to be able to invest differently and durably!

The Earth biodiversity will undergo significant changes if humans do not react in time.”

Sources:

http://edgar.jrc.ec.europa.eu/overview.php?v=CO2andGHG1970-2016&sort=des8

https://www.contrepoints.org/2018/06/22/318712-lenergie-par-le-marche-plutot-que-par-letat

https://www.novethic.fr/actualite/environnement/climat/isr-rse/le-bon-prix-pour-le-carbone-50-a-100-la-tonne-en-2030-144475.html

https://www.ecologique-solidaire.gouv.fr/marches-du-carbone

 


Ilias KACHMARIlias KACHMARJuly 23, 2018
Fotolia_174211454_XS.jpg

6min1890

The French SME lending company has made the decision to increase its loan capacity by 200 million euros. A decision that should reassure private investors.

Lendix decides to think bigger. With the creation of a new fund of 200 million euros, the leader of “crowdfunding” hopes to guarantee to SMEs access to loans. This fund “ensures private customers and offers insurance to borrowers to receive their funds very quickly,” said Thomas de Bourayne, president of Credit.fr. The European Investment Bank (EIB) is one of the investors.

« Increase its strategic strength »

The French platform, which has already lent 150 million euros to SMEs, aims to extend its scope.

“This new commitment of leading institutional investors will increase Lendix’s strength by supporting more than 600 VSEs & SMEs in their development,” said Olivier Goy, founder and president of Lendix. This initiative will undoubtedly help boost the investment of European SMEs, and consolidate its leading position in its category in France: A decision that seems responsible considering how Lendix remains below its target risk budget of 2% of outstandings. Nevertheless, the gap remains wide with the UK world leader Funding Circle, which reported having lent more than $ 5 billion.

However, it should be noted that to lend money to a SME, Lendix proceeds firstly with an eligibility test. It is necessary that:
• The head office has to be in Metropolitan France,
• The company must have a commercial activity,
• The turnover must be greater than 250 000 €,
• Operating incomes must be positive.

An in-depth study is then carried out on the career of the CEO where they verify whether he has created other companies or not, and whether they are doing well or not.

Once these verifications have been made, and to ensure their viability and profitability, the analyst examines – through financial documents – the company’s profitability and repayment capacity, its solvency through EBITDA and equities.

No SME is immune to bankruptcy!

According to a study carried out by the Banque de France from March 2017 to March 2018, the number of SME defaults is decreasing. Defaults are falling for all SMEs (-7.1%) and are increasing for medium-sized companies and large companies (+17 failures over one year), as shown in the table below:

 

Source : Banque de France, Direction des Entreprises, Données disponibles fin mai 2018

The higher the rating, the lower the loan rate!

Even if the number of SME bankruptcies in France decreases, Lendix must ensure that the company to which it will lend funds will be able to repay.
To do such, the Lendix credit team guarantees – as soon as the offer is issued – a fixed interest rate for the entire duration of the contract, based on a rating assigned to the project. This rating, ranging from A+ to C, allows lenders to easily understand the repayment capacity of the company and the risk level of the project to finance.

Here are the loan rates defined for each rating:

 

Source: https://lendix.com

In order to evaluate the loan rate amount, several criteria are taken into account:
– The performance of the company
– The Business environment
– The quality of the management team

The higher the Fixed Charge Coverage Ratio (FCCR), the greater the margin of safety!

Above all is calculated the Fixed Charge Coverage Ratio (FCCR) through the following formula:


• If the FCCR is < 1, there is not enough profitability to cover the debt repayment charges,
• If the FCCR is = 1, the profitability is just enough to cover the debt repayment expenses,
• If the FCCR is > 1, the profitability is sufficient to cover the expenses of repayment of debts.

Thus, in order to ensure its financial independence, any SME must diversify its sources of financing so as to ensure a positive growth, manage its risks and ensure its financial balance.

This decision taken by Lendix is somewhat correlated with the decrease in the number of SME bankruptcies and the growing number of created companies that will perhaps be tomorrow’s large groups.

Sources:
https://www.banque-france.fr/statistiques/chiffres-cles-france-et-etranger/defaillances-dentreprises
https://lendix.com/les-etapes-de-selection-dune-entreprise-chez-lendix/
https://fitsmallbusiness.com/what-is-fixed-charge-coverage-ratio-fccr/


Josselin FOURRIERJosselin FOURRIERJuly 20, 2018
Fotolia_162670537_XS.jpg

6min1880

Nous savons tous que l’image que nous dégageons est la première chose perceptible par les autres. L’actualité de ces dernières semaines m’a fait réagir sur le risque d’image des dirigeants, des employés ou même de l’entreprise elle-même. La question que l’on peut se poser lorsque nous souhaitons investir dans une société, peut être formulée de la manière suivante, est-il possible d’évaluer et de quantifier le risque d’image ?

Dans cet article nous allons poser les jalons de cette réflexion, car le risque d’image est souvent subjectif et l’impact qu’il aura diffère largement suivant sa nature et suivant le public atteint par ce risque.

Lorsqu’un investisseur décide d’investir ou non, la plupart du temps il se base sur une analyse fondamentale des comptes de la société, de son positionnement, sa part de marché. L’analyse fondamentale se base sur des éléments quantifiable et mesurable. Mais l’investisseur peut très bien, de part son horizon d’investissement, se baser uniquement sur de l’analyse technique, se basant uniquement sur l’analyse des cours boursiers et des figures qu’ils peuvent former. Dans cet article nous nous baserons que sur l’investisseur utilisant l’analyse fondamentale car son horizon d’investissement est beaucoup plus long.

Les données économiques qu’une société peut fournir au travers de ses comptes annuels (bilan et compte de résultat) nous indiquent sa situation financière ainsi que sur l’actif de la société (outils de production, usine, parc automobile, etc..). Avec ces données nous pouvons donner une certaine valorisation de cette dernière, mais ils nous indiquent également l’évolution de son chiffre d’affaires par rapport aux années précédentes, généralement l’entreprise indique également des projections sur l’évolution de son chiffre d’affaires ainsi que sa part de marché pour les années à venir, ce qui permet d’ajuster cette valorisation en fonction des revenus qu’elle pourra générer. Ces données économiques sont utilisées par tous lorsqu’il s’agit d’analyser et de formuler des objectifs de cours.

Ce qui nous intéresse vraiment c’est de pouvoir mesurer et quantifier le risque d’image, qui par nature, n’est que difficilement quantifiable. Le risque d’image ou de réputation correspond à l’impact que peut avoir une erreur de gestion sur l’image d’une organisation, la réputation est un actif stratégique pour le développement et la valeur de l’entreprise. Celle-ci doit être prise très au sérieux par les investisseurs car un dirigeant ou même l’entreprise en tant que telle soupçonné de fraude ou de corruption peut avoir un impact non négligeable sur la valeur de l’entreprise. Prenons un exemple, LafargeHolcim, cette dernière a été accusée d’avoir financé l’état islamique afin de continuer à travailler et à honorer ses contrats, ou plus récemment, l’affaire Weinstein nous prouve que l’impact de telle affaire peut anéantir une société, c’est le cas ici, la société qui porte le nom de son fondateur ne vaut quasiment plus rien.

Ce que les investisseurs doivent quantifier c’est la qualité et le charisme du dirigeant de la société, c’est un personnage primordial dans la vie d’une société, c’est lui qui donne les axes stratégiques à suivre, c’est lui qui insuffle la motivation de ses salariés.

Prenons le cas de Total, lorsque son ancien PDG Christophe de Margerie est décédé accidentellement dans un dramatique accident d’avion, le marché avait chahuté la valeur car c’était un dirigeant charismatique, il savait ou il voulait amener Total, comment l’amener.

Chaque investisseur devrait se rendre aux assemblés générales des entreprises car c’est un exercice difficile pour les dirigeants, ils doivent s’exprimer et réponde aux questions des actionnaires, jue pense que c’est le meilleur moyen d’apprécier la qualité d’un dirigeant, et ainsi d’évaluer sa capacité à générer des revenus pour son entreprise.


Alassane MBENGUEAlassane MBENGUEJuly 19, 2018
Fotolia_73481319_XS.jpg

12min2240

L’effet de levier peut être présenté très rapidement dans son principe. Son mécanisme tient à deux propositions :

La rentabilité des fonds propres est accrue par un recours à l’endettement financier si et seulement si la rentabilité des actifs est supérieure au coût des dettes ;

Cette augmentation de rentabilité a pour contrepartie une augmentation du risque financier de l’entreprise, qui croît avec le niveau des dettes de l’entreprise.

Principe de l’effet de levier

L’effet de levier explique le taux de la rentabilité des capitaux propres en fonction du taux de rentabilité de l’actif économique et du cout de la dette.

L’ensemble des capitaux apportés par les préteurs et les actionnaires finance l’ensembles des emplois, c’est-à-dire l’actif économique ; ces emplois dégagent un résultat d’exploitation qui se répartit ensuite entre les frais financiers (rémunération des prêteurs) et le résultat net revenant aux actionnaires.

En fait lorsque l’on compare la rentabilité des capitaux propres et la rentabilité économique (après impôt pour être homogène), on s’aperçoit qu’elles ne sont séparées que par l’impact de la structure financière.

On appelle effet de levier la différence entre la rentabilité des capitaux propres et la rentabilité économique économique.

L’effet de levier explique comment il est possible de réaliser une rentabilité des capitaux propres supérieure à la rentabilité économique.

Mais attention, l’effet de levier peut jouer dans les deux sens : s’il peut accroitre la rentabilité des capitaux propres par rapport à la rentabilité économique, il peut aussi, dans certains cas, la minorer. Le rêve devient un cauchemar.

Les limites des taux de l’effet de levier

Partant d’une taulogie comptable, la formule de l’effet de levier est nécessairement juste, même si certains chiffres sont manifestement des aberrations. Ainsi, le coût de la dette calculé comme le rapport des charges financières nettes des produits financiers sur l’endettement net au bilan pourra être de façon évidente trop élevé (ou trop faible). Cela indique simplement que l’endettement net figurant au bilan ne correspond pas à l’endettement moyen, que l’entreprise est beaucoup plus endettée que cela (ou beaucoup moins) ou qu’il y a un phénomène de saisonnalité ou une opération financière (augmentation de capital) qui a été réalisée en cours d’année.

Il faut donc se méfier des taux d’intérêt apparents lorsqu’ils sont visiblement aberrants et de l’effet de levier ainsi calculé.

La rentabilité économique ou la rentabilité des capitaux propres sont des taux de rentabilité comparable ex-post ; en aucun manière ils ne peuvent correspondre aux exigences de rentabilité ex-ante des actionnaires ou de l’ensemble des pourvoyeurs de fonds.

L’intérêt de l’effet de levier

Stratégie caricaturale des années 1960, ou actuellement en chine dans la sidérurgie, la stratégie de fuite en avant est particulièrement bien adaptée dans un contexte de forte croissance. Cette stratégie a une double caractéristique : forts investissements pour augmenter la taille de l’outil industriel et faibles marges pour conquérir des parts de marché et faire tourner l’outil de production. Bien évidemment, la rentabilité économique est faible (faibles marges et forts investissements), mais le recours inévitable à la l’endettement (la faiblesse des marges entraine des flux sécrétés par l’exploitation insuffisants pour couvrir les investissement important) permet de gonfler la rentabilité des capitaux propres par le mécanisme de l’effet de levier. Ce d’autant plus que le cout réel de la dette est faible ou négatif en raison de l’inflation. Cependant, la rentabilité des capitaux propres est très instable, elle peut brutalement chuter lorsque le taux de croissance de l’activité se ralentit.

Ce fut typiquement la stratégie de Suntech, le leader mondial chinois des panneaux solaires, qui lui a permis de s’imposer sur son marché, de « descendre sa courbe d’expérience » diraient les consultants, mais qui fut aussi la source de sa faillite en 2013.

L’intérêt de l’effet de levier est donc essentiellement pédagogique : comprendre comment se partage la rentabilité des capitaux propres entre la rentabilité de l’outil industriel et commercial et une pure construction financière (l’effet de levier).

L’effet de levier n’a qu’un intérêt limité en finance car il ne crée pas de valeur sauf dans deux cas très particuliers :

Inflation constante, le taux d’intérêt réel (inflation déduite) est négatif et conduit à la spoliation des créanciers remboursés en monnaie de singe pour plus grand bonheur des actionnaires.

D’un endettement très lourd (cas des sociétés en LBO, qui pousse les dirigeants à être particulièrement performants pour que l’entreprise soit à même, par ses flux de trésorerie, de faire face au lourd poids de son endettement qui a alors peu près le rôle du fouet dans les villas de l’antiquité !

Une globalisation abusive de la dette

Un point qui n’est que rarement mentionné concerne la nature des capitaux empruntés des dettes. Implicitement, les auteurs entendent “Total des dettes financières”. Or, pour valider ce modèle, on doit retenir l’ensemble des dettes (dettes financières, dettes d’exploitation, dettes hors exploitation). En effet, comme la rentabilité économique est calculée sur le total de l’Actif, cela implique que l’on doive raisonner sur le total du Passif. Les fonds propres, les dettes financières et les dettes non financières (dettes fournisseurs et assimilés, dettes fiscales et sociales, autres dettes).

On est donc confronté à une alternative dont les termes ne sont satisfaisants ni l’un ni l’autre :

– si l’on retient comme indicateur l’ensemble des dettes de l’entreprise, on incorpore des dettes qui ne portent pas intérêt (dettes d’exploitation et dettes hors exploitation) et donc le calcul d’un coût moyen de la dette est faussé ;

– si l’on ne retient que les dettes financières, le calcul d’un coût moyen de la dette aura un sens, mais cela introduit une nouvelle hypothèse :

on suppose que Total du Passif = Capitaux Propres + Dettes financières.

En d’autres termes, on suppose qu’il n’existe pas de dettes non financières. En tout état de cause, on procède à une globalisation de la dette indépendamment de son origine et de son coût, et surtout sans tenir aucunement compte de son terme. Dans ces conditions, cela expose le modèle à une sensibilité aux fluctuations de la dette d’exploitation. Or, en matière de politique financière, les directeurs financiers jouent régulièrement sur le montant de leurs dettes d’exploitation pour résoudre leurs problèmes de financement.

Ceci peut s’expliquer, après coup, par le modèle lui-même :

La rentabilité financière d’une entreprise est égale à sa rentabilité économique augmentée du différentiel entre le rendement des actifs et le coût moyen des dettes multiplié par le coefficient d’endettement. Par simple lecture, on comprend que tant que r – i > 1 l’entreprise a intérêt a s’endetter.

Tant qu’une entreprise trouve des actifs dont le taux de rentabilité est supérieur au taux de financement des dettes, l’entreprise a intérêt à se financer par de la dette.

A fonds propres égaux, on accumule ainsi de la richesse marginale sans avoir à accroître l’investissement des actionnaires. On peut alors très logiquement chercher à optimiser le levier :

si l’on recherche un rendement d’actif fort, la rentabilité se maximisera avec l’endettement, et dès lors que l’endettement est gratuit, la maximisation sera optimale :

on aura donc intérêt à préférer de la dette fournisseur gratuite. Le passif optimal sera constitué de peu de fonds propres et d’un maximum de dettes fournisseur. Cela peut conduire à négliger la constitution d’un fonds de roulement, et à de la transformation : financement des emplois longs par des ressources très courtes. Certes, le caractère permanent du crédit fournisseur peut corriger ce risque de transformation, mais les bilans générés par une politique de ce type demanderont une gestion stricte du Besoin en Fonds de Roulement, tout en présentant un risque financier très fort : tout aléa sur les ventes, donc toute volatilité sur les achats, se répercutera immédiatement sur la structure du passif et conduira l’entreprise à l’illiquidité, une crise de trésorerie non résolue. La maximisation de la rentabilité pour l’actionnaire s’accompagne alors d’un risque fort. Ceci nous ramène à une logique économique fondamentale : la juste rémunération du risque encouru.

Source:

VERNIIMEN

ZONE BOURSE

LE FINANCIER

YAHOO FINANCE

LECTURE DES ARTICLES ET MEMOIRE

WIKIPEDIA


Maxime LEMaxime LEJuly 19, 2018
Fotolia_209104591_XS.jpg

5min2010

Le Trading Haute Fréquence THF ou HFT : High-Frequency Trading, sont l’exécution à grande vitesse de transactions financières faites par des algorithmes informatiques. C’est une des catégories du « trading automatique » basé sur la décision statistique, qui gère de plus en plus les données boursières à la manière d’un Big Data devenu inaccessible à l’analyse humaine et bancaire traditionnelle.

Ces opérateurs virtuels de marché peuvent ainsi exécuter des opérations sur les marchés financiers : les bourses ou des marchés de gré à gré en quelques microsecondes. Alors que la vitesse de transaction du THF était encore de 20 millisecondes à la fin de la décennie 2010, elle est passée à 113 microsecondes en 2011.

Selon La Tribune, le THF domine désormais les activités de marché. Au point de faire de l’ombre aux investisseurs traditionnels, et d’être sans doute plus réglementé à l’avenir. Avec une part de marché de 60% sur Euronext et près de 90% aux États-Unis, le THF est devenu incontournable ces dernières années. Pas étonnant que les investissements dans les infrastructures informatiques dévolues au THF aient atteint 1,5 milliard de dollars aux Etats-Unis en 2013.

En conséquence, le THF est l’un des thèmes de recherche les plus poussés en finance, sans oublier qu’il représente des défis majeurs pour les régulateurs, notamment l’AMF. Ainsi, faut-il maintenir ce trading algorithmique ? Quels sont ses avantages ? Vers où va-t-elle se diriger ?

Un modèle qui permet de calculer les profits. Si certains se réjouissent de l’essor du THF, à l’image de Goldman Sachs, qui n’a pratiquement plus de traders humains à New York mais plus d’ingénieurs en informatique, cette évolution constitue une redoutable concurrence vis-à-vis des investisseurs conventionnels, qui passent leurs ordres beaucoup moins rapidement que les algorithmes.

Le modèle du THF est basé sur un équilibre de Nash, l’enseignant-chercheur établit les conclusions suivantes : « Plus la vitesse est élevée, plus le marché est liquide, ce qui améliore la qualité des prix. Cependant, l’excès de vitesse peut nuire au profit du THF, car la vitesse représente une concurrence temporelle. Chez les autres traders, les profits baissent avec la vitesse. Enfin, la volatilité des prix diminue avec le THF, mais elle augmente avec les traders traditionnels ». Et d’ajouter : « Le THF gagne infiniment plus que les autres. Pour les petits porteurs, il ne sert à rien de gagner en vitesse face au THF. Ils doivent privilégier des stratégies à plus long terme au lieu des transactions intra journalières ».

Mais comme tout succès, les réglementations sont à venir : actuellement régit par la Directive européenne MIF 1, le THF sera encadré par MIF 2 à partir de janvier 2018. Ce dispositif  permettra d’identifier les ordres passés par chaque algorithme et d’aider ainsi les chercheurs dans leurs futurs travaux. Et nous nous douterons que beaucoup d’autres réglementations sont à venir pour le THF s’il continue de générer plus de profits.

Donc, le futur du THF a un bel avenir tout comme les évolutions technologiques avec le Big Data, La Blockchain par exemple. Mais uniquement s’ils ne sont pas trop régularisés, sans quoi d’autres nouvelles technologies feront surfaces tel un cercle vertueux.


Maxime LEMaxime LEJuly 19, 2018
Fotolia_209105121_XS-1.jpg

4min1710

Selon lesmeilleursbrokers, les robots de trading connaissent un succès fulgurant, sur le forex, les actions ou même les options binaires. Le robot de trading est un programme informatique qui est dédié à la pratique du trading. Celui-ci donne des ordres automatiquement en se fiant aux signaux des tendances émises par le marché. Il s’agit donc d’un outil de trading qui se base sur l’étude technique des statistiques mises à la disposition des intervenants en bourse. Ce robot est opérationnel en continu, 24 h/24, il effectue ainsi les placements à la place du trader sans que ce dernier ne soit obligé de suivre sans arrêt les cours de ses actifs.

Si les robots de trading connaissent un franc succès auprès des traders de tous niveaux et auprès des particuliers qui s’intéresse au monde du trading, c’est avant tout grâce à la plateforme MetaTrader 4.

Cela fait plus de trente ans que les traders professionnels, au sein des institutions financières telles que les banques ou les fonds d’investissement, utilisent des algorithmes de trading autonome. Mais jusqu’à l’arrivée de la plateforme MetaTrader 4, leur usage n’était pas accessible au grand public. Cette nouvelle plateforme de trading grâce à son langage de programmation intégré, permet à tous ses utilisateurs, qu’ils soient des traders expérimentés ou de simple novices, de coder et développer  eux-mêmes leurs algorithmes, tout en pouvant les tester ou les lancer en réel en les attachants aux graphiques de la plateforme.

Le meilleur robot de trading
Comme vous l’aurez sûrement compris, le meilleur robot de trading est celui dont vous maîtrisez parfaitement la stratégie. C’est pourquoi il n’existe pas un mais des meilleurs robots de trading. Il existe autant de trader que de stratégie, et chaque trader disposant d’un algorithme autonome, qui suit sa stratégie à la lettre, sans subir de biais psychologique, sans risque de trop trader, et sans se fatiguer, en sera pleinement satisfait. Ainsi il saura quand l’activer, quand le désactiver, et il saura améliorer sa stratégie car le trading est une activité dans laquelle on apprend et on se perfectionne en permanence.

Tous les courtiers ne permettent pas à leurs clients d’utiliser des algorithmes de trading, certains brokers les autorisent mais ralentissent l’exécution des ordres ce qui peut rendre perdante une stratégie pourtant viable. Chez Admiral Markets vous pourrez développer vos algorithmes en toute sérénité, les tester dans un environnement sécurisé grâce aux comptes de démonstration mis à disposition des clients. Mais surtout, votre robot bénéficiera des mêmes conditions de trading qu’un trader qui entre ses positions manuellement, ainsi votre robot bénéficiera de conditions optimales.

Mais quel avenir pour les robots trader ? Il est essentiel de comprendre, qu’aucun logiciel de trading automatique ne peut garantir un taux de 100 % de trades gagnants. Il est aussi important de se rappeler que la performance passée ne garantit pas les résultats à venir.


William NDJENJEWilliam NDJENJEJuly 18, 2018
Fotolia_72464757_XS-1.jpg

4min1740

La récession économique mondiale de 2022 pourrait compromette les efforts entrepris dans le cadre des programmes de reformes structurelles du gouvernement français. La sanction électorale risquerait d’être forte.

Si la plupart des voyants de l’économie mondiale sont au vert (hausse du pétrole, recul du chômage, retour de l’inflation, surchauffe de l’économie américaine), les perspectives économiques à l’horizon 2020 s’assombrissent de plus en plus. La probabilité pour que l’économie américaine entre en crise en 2020 a atteint 31% (selon une enquête Reuters réalisée auprès de 110 économistes).

Dans ce contexte, les efforts de reforme et de relance économique entrepris dans le cadre de programmes de transformation de l’économie française pourraient souffrir d’un environnement de crise. En effet, la prochaine récession économique risquerait de fragiliser, et de peser sur le paysage politique en France.

En effet, la future crise économique mondiale risquerait de provoquer des tensions économiques et sociales, et notamment une grave sanction électorale comme ce fût le cas au début de la décennie. Pour rappel, après la crise de 2008, Obama fut l’un des rares dirigeants à avoir conservé son fauteuil. A l’époque, Nicolas Sarkozy avait quitté le palais de l’Élysée après une forte dégradation de l’activité économique. De l’autre coté de la manche, c’est le travailliste Gordon Brown, qui cédait son fauteuil au conservateur David Cameron. Le repli de l’activité entre 2008 et 2014 a avait pesé sur les élections, poussant à la sortie les dirigeants dont les économies étaient les plus exposées.

Si le lien entre l’économie américaine et celle de la France ne semble pas triviale, il n’en demeure pas moins vrai. Les États-Unis sont l’un des « drivers » importants de l’économie mondiale. S’ils entrent en crise, on pourrait donc s’attendre à un repli de l’économie mondiale. Dans ce contexte, l’Europe risquerait de rentrer, elle aussi, en pleine tourmente économique, si on considère par définition que les États-Unis sont toujours en avance sur le cycle économique. Les résultats de cette enquête ont été obtenus en s’appuyant sur le calendrier de relèvement des taux des fed funds aux États-Unis (taux directeurs). En effet, deux autres hausses sont attendues cette année, contre 3 hausses supplémentaires en 2019. Sur la base de ces prévisions, la conclusion est que l’économie américaine pourrait entrer en récession d’ici fin 2020, et par ricochée celle de l’Europe (particulièrement la France) un an plus tard.

Fortement sensible aux turbulences de l’économie mondiale, la France est un pays dont les échanges internationaux restent conséquents. Récemment, le ralentissement observé au premier trimestre 2018, laisse penser que le pic de croissance serait derrière nous. En effet, la croissance économique française a reculé à 0,3% (contre 0,4% attendu). Par ailleurs, l’indice PMI composite du mois d’avril pour la zone euro est tombé à 54,1%, son plus bas depuis 18 mois. L’Europe reste donc une région sensible au moindre ralentissement économique mondiale.


Zakaria YOUNCHAZakaria YOUNCHAJuly 17, 2018
Fotolia_200146317_XS.jpg

16min2530

Big Data’s main potential is to help companies improve their operations in the sense that they’re able to make faster, better and more intelligent decisions by collecting and analyzing the data with the aim of gaining a useful edge and increasing revenues. Are finance and Trading exempt from this massive improvement in Data Science?

Big Data… What’s that?

Big data has been used since the 1990’s, with the computer scientist John Mashey making it more popular. It includes data sets (A specific collection of data) with sizes exceeding the ability of commonly used tools. Its main philosophy involves encompassing data, be it unstructured in the form of texts and images, semi-structured or structured in the form of numerical inputs and tables. In order for it to work, Big data requires a set of techniques with more advanced integration forms, able to reveal insights from the massively scaled, complex and diverse collected data sets.

By the 21st century, researches and reports have associated Big data and its data growth challenges with a stack of characteristics.

  • Volume: Represents the quantity of generated or stored data. The value and potential insights are often determined by the size of the collected data.

  • Velocity: Represents the speed at which the data processing is done. A threshold is often set in order to meet the requirements and challenges lying in the path of a company’s growth.

  • Variety: Represents the nature and type of data used. Classifying the collected data will often help the analysts determine an effective use of the resulting insights.

  • Veracity: Accurate analysis heavily depends on the quality of data sets. As such, captured data are forgone an extensive veracity analysis with the aim of increasing the insights’ performance.

  • Machine Learning: Often used as an introductory operation to Big Data, it explores the study and implementation of algorithms able to learn from and make predictions on data. In other words, machines are given the ability to learn without being explicitly programmed.

As such, Big data begins to have a predominant role in feeding computers and servers thriving on useful knowledge, enabling the companies to maintain a competitive edge in their respective environments.

That’s great… And what about Financial Trading?

Like any other forms of trading, financial trading is all about buying and selling financial instruments, be it shares, forex, bonds or derivatives in the form of CFDs, futures, swaps and options. It doesn’t matter which financial instrument is involved, the outcome should be common: To make a profit, which is easier said than done! In financial markets, millions of firms, individuals and even governments simultaneously tend to attempt making profits from trading.

However, with all these traders colliding against one another, the prices of the instruments tend to move in a rather random pace, making it very hard to predict the future prices, with the conventional methods at least. Some markets tend to be very volatile in the sense that not only it is moving a lot and bringing more profit opportunities, but also increasing the risk

Which bring us to the enigma of risk! No matter what instrument is being traded, who’s trading it or where the trade is taking place, it is all about balancing the potential profit against the involved risk.

Big Data and Financial Trading… How do they correlate?

Good question. As financial markets tend to be some of the most dynamic entities to exist, the trading methods must follow the same dynamism in order to consistently generate profits. As such, traders will consistently develop trading methods that are temporarily profitable for the corresponding market conditions and constraints. But what will happen if the conditions change? The methods will ultimately show their failures.

This leads us to the infamous enigma of traders: Is there a way to build and implement a system able to consistently calculate the optimal probability of executing profitable trades? We all know that it has become almost impossible for the trader to keep up with the overwhelming surge of incoming data from market analysis, especially with the use of classic methods involving market monitoring.

This is where Big data analytics come to the rescue. Traders are starting to switch from the classic, manual trading strategies to what we call to this day, Quantitative Trading. Exactly as its name states, it consists of trading strategies based on quantitative analysis, which by itself relies on mathematical computations and number crunching with the hope of identifying trading opportunities. As quantitative trading is effective for extremely large-in-size transactions, it is mostly used by Hedge Funds and financial institutions. That doesn’t matter anymore since even individual investors are getting used to it!

For now, let’s break the quantitative trading down. The very first things a trader needs are data inputs. For a quantitative analyst, the most commonly used inputs are the price and volume. Next, the trader is prone to select the technique they wish to use, such as high-frequency trading or statistical arbitrages, and then couple it with the quantitative tools like the moving averages, stochastic indicators and oscillators.

But here’s where it gets more complicated. The trader creates their mathematical models and then develops a computer program able to simulate the model with the help of historical data. Of course, depending on the obtained results, the model may forgo backtests and optimizations, and once validated, the model is hence implemented in real-time markets. This leads us to understand how quantitative trading works best: It uses all the possible analogies, patterns and trends in order to predict the outcome of a specific event, which in our case is the future price.

Based on the Big data’s characteristics we’ve already mentioned above, financial organizations and retail traders are finally able to extract a great deal of information, helping them in their trading decisions.

Quantitative traders, rejoice! Thanks to the predictive capabilities Big data has recently given, historical data (Prices) can easily be crunched with the advanced techniques of Machine Learning and Artificial Intelligence, and then be explored to identify patterns allowing the traders to refrain from order punching and switch to the more creative aspect of estimation. This will notoriously help the trader park their capital at the right time and place.

A simple proof of Big Data being extremely useful for automated trading is the fact it is widely used by the biggest financial institutions like J.P Morgan, which are, for the record, mass-recruiting Data scientists who perfectly understand Machine Learning and Data analysis using Big Data.

Going even further, some financial institutions have begun to use the sentimental analysis technique, which by itself is a form of data mining. Also known as opinion mining, it involves computationally identifying and categorizing opinions (Buy at a specific timespan, Sell at a specific timespan, Indifferent, Waiting for the market to move, etc) usually expressed in the form of texts. The aim is to properly determine whether a specific population of traders’ attitude towards a specific financial instrument at a specific timespan is positive, negative or neutral. This technique can show some very interesting results when coupled with the previously stated predictive models using Big Data.

In a nutshell

Big data is starting to show its notoriety when it comes to Quantitative and High-Frequency trading, whether done by financial firms or private investors. As firms receive petabytes of live tick data from electronic transactions and feed them to the dedicated server, they are used as historical inputs for developing quantitative models and algorithms based on the obtained trade decisions. As mouth-watering as it may sound, it also presents imperfections. Of course, not only big data and machine learning have drastically reduced the margins of error caused by human decisions, but have also made it possible to trade more accurately, and thus dramatically impact the way transactions are executed. However, traders need to understand that not all the market scenarios can be predicted or at least recreated. You could have all the possible data sets, coupled with the best patterns generated by Big data, and then use the best quantitative model there exists, but still end up with a trade loss! This can be explained by the incompleteness of Big data patterns, in the sense that they do not include the sudden market surges caused by human errors and/or false rumors. Nevertheless, it won’t be very long before Big data becomes a mainstream necessity for financial institutions… Or has it already?

Author:

Zakaria YOUNCHA

(MBA, 2nd year, Trading and Financial Markets, ESLSCA Paris)

https://www.linkedin.com/in/zakaria-youncha-7858a7120/

Keywords: Big Data, Machine Learning, Sentimental Analysis, Financial Markets, Quantitative Trading

Bibliography:

https://www.quantinsti.com/blog/quantitative-trading-using-sentiment-analysis-webinar/

https://www.ig.com/uk/learn-to-trade/what-is-financial-trading

https://www.bloomberg.com/professional/blog/3-ways-big-data-changing-financial-trading/



About us

Bonds & Shares is a participatory non-Profit information platform for, through and by experts in finance and business.


CONTACT US

CALL US ANYTIME