École de gestion

Impact de l’exclusion des énergies fossiles dans

des portefeuilles d’investissement

Par

KOSSONOU Adou K. Jean-Marc

Matricule : 07 123 864

Essai présenté au prof. Frank Coggins

de l’École de gestion

en vue de l’obtention des grades de

Maître ès Sciences en finance

et de

Diplôme d’Études Supérieures Spécialisées de 2e cycle en finance de

marché et gestion des risques

Mai 2018

© Adou K. Jean-Marc KOSSONOU, mai 2018

TABLE DES MATIÈRES

Liste des abréviations ................................................................................................... 3

Sommaire ......................................................................................................................... 4

Remerciements ............................................................................................................... 5

1 Introduction ............................................................................................................. 6

2 Revue de la littérature ........................................................................................... 7

2.1 Présentation de l’investissement socialement responsable .............. 7

2.2 Mise en contexte des énergies fossiles dans l’ISR............................. 11

2.3 Évaluation de la performance ................................................................... 21

3 Questions de recherche et hypothèses ......................................................... 23

4 Données et méthodologie .................................................................................. 24

5 Analyse des résultats ......................................................................................... 34

5.1 Structure des portefeuilles ........................................................................ 34

5.2 Analyse ex post de la performance ......................................................... 38

5.2.1 Performance alpha avec Fama & French (2015) ..................................... 38

5.2.2 Performance générale pour l’international, les É-U et le Canada ...... 40

5.3 Impact de l’exclusion sur les frontières ................................................. 43

6 Conclusion et limites .......................................................................................... 49

Bibliographie ................................................................................................................. 51

Annexes .......................................................................................................................... 55

3

Liste des abréviations

ARMA AutoRegressive Moving Average

EF Énergie Fossile

ESG Environnemental, Social et Gouvernance

É-U États-Unis

FNB Fonds négociés en bourse

GARCH Generalized Autoregressive Conditional Heteroscedastic

GES Gaz à effet de serre

GICS Global Industry Classification Standard

GJR Glosten, Jagannathan et Runkle

ISR Investissement Socialement Responsable

S&P Standard & Poor’s

SR Socialement Responsable

4

Sommaire

Nous analysons l’impact d’exclure les énergies fossiles de portefeuille

d’investissement en nous appuyant sur six scénarios. Ces scénarios peuvent être

classés sur un spectre d’exclusions de fortes à modérées et sont représentatifs des

politiques des fonds proposés sur le marché nord-américain adoptant cette

stratégie.

Nous montrons que de 2006 à 2016, ces stratégies d’exclusions n’ont pas

été dommageables pour la performance financière. Pour ce faire, nous effectuons

des analyses sur le plan international puis à un niveau régional aux États-Unis et

au Canada. Nos résultats sont obtenus avec des mesures de performance ajustées

au risque et une analyse multifactorielle selon l’approche de Fama et French

(2014). Nous décrivons également l’impact des scénarios d’exclusion sur des

frontières efficientes générées dans un premier temps de façon traditionnelle puis

améliorées avec une modélisation conditionnelle à la GJR-GARCH.

5

Remerciements

La réalisation de ce mandat a été une expérience qui laissera dans ma vie

une trace indélébile. Ce fut une expérience riche et passionnante tout au long de

laquelle j’ai eu la chance de rencontrer des personnes exceptionnelles.

Je désire particulièrement souligner les apports suivants :

• Prof. Frank Coggins et la Chaire Desjardins en Finance Responsable qui m’ont

permis d’obtenir ce mandat et bien plus.

• Christian Felx qui m’a accueilli dans son équipe chez Desjardins Gestion

Internationale d’Actifs et qui a toujours été disponible pour m’aider à mener à

bien ce projet.

• Rosalie Vendette, Yacine Jaa, Jean-Michel Baillargeon, Philippe Bélanger,

Gabrielle Rochon-Sabourin, Denis Dion et Maxime Brochu pour leur aide,

conseils et patience à mon égard.

• Toute ma famille pour le soutien.

Merci.

6

1 Introduction

Les investisseurs ont de tout temps cherché à améliorer leur processus

d’investissement pour générer un rendement en lien avec le mandat qui leur a été

confié. La poursuite de cet objectif n’est cependant pas en opposition avec les

principes d’investissement responsable comme nous le verrons. Nous nous

intéressons plus particulièrement à la question des énergies fossiles (EF) qui est

au centre de l’actualité ces dernières années. En effet, il serait bien étonnant de

ne pas avoir eu connaissance de cette problématique dans les fils d’actualité. Ainsi,

l’industrie financière est à un point où elle s’interroge de façon légitime sur la

pertinence de mettre en œuvre des stratégies d’investissement qui ne prendraient

pas en compte ces EF, et par ricochet les compagnies qui les exploitent. Cette

question est d’autant plus importante que leur exploitation a été à la base de la

croissance économique mondiale, mais aussi la source d’importants défis

environnementaux.

Nous prenons part au débat sur le plan financier en réalisant un travail a

posteriori. Nous regardons dans le rétroviseur et nous tentons d’analyser l’impact

financier de stratégies d’exclusion des EF. Étant donné qu’en grande partie les

recherches dans ce sens sont effectuées sur le marché américain, nous prenons la

perspective d’un investisseur canadien. Notre question de recherche est donc de

déterminer quel est l’impact du désinvestissement des EF dans des portefeuilles

d’investissement pour un investisseur institutionnel canadien.

La réponse à cette question se fait par l’articulation de notre travail en trois

parties principales. Nous présentons d’abord la revue de littérature et l’état des

connaissances sur ce sujet. Ensuite, nous exposons notre méthodologie. Enfin,

nous analysons les résultats issus de cette méthodologie et posons des limites à

notre analyse.

7

2 Revue de la littérature

Cette section aborde de manière générale l’état des connaissances en lien

avec le mandat. Il s’agit dans un premier temps de situer la stratégie de

désinvestissement des EF en tant qu’un sous-ensemble de l’Investissement

Socialement Responsable (ISR) puis de la présenter de manière plus formelle par

la suite. Nous présenterons de manière subséquente le cadre théorique de

l’évaluation de la performance des stratégies d’exclusion en général et d’exclusion

des EF en particulier. Enfin, cette section se terminera par une revue de littérature

sur la théorie moderne de portefeuille et l’évaluation des actifs.

2.1 Présentation de l’investissement socialement responsable

Parler des stratégies d’exclusion sans faire mention de l’ISR reviendrait à

réaliser un travail incomplet, car le premier est une sous composante du second.

Plusieurs expressions ramenant au même concept sont utilisées pour faire

référence à l’ISR. C’est ainsi que l’on voit dans la littérature les termes

d’investissement éthique, investissement vert, investissement responsable et

investissement durable pour y faire allusion comme l’ont noté Baker H. Kent et

John R. Nofsinger (2012) dans leur livre sur le sujet. Nous utilisons également tout

au long de ce document certains de ces termes de manière interchangeable. Dans

le manuel de Baker et al (2012), ceux-ci considèrent qu’une compagnie est

qualifiée de socialement responsable (SR) à cause de la nature de ses activités.

Cependant, force est de constater qu’il n’y a pas de définition consensuelle de

l’ISR, mais des définitions convergentes qui ont évolué dans le temps. Quelques-

unes sont présentées dans le tableau 2.11 de manière chronologique pour

apprécier cette évolution. Le constat est que l’on part de définitions

principalement axées sur des préoccupations sociales, éthiques et religieuses pour

être maintenant à des critères beaucoup plus généraux, soient les critères

Environnementaux, Sociaux et de Gouvernance (ESG).

1 Définitions traduites de l’anglais.

8

Tableau 2.1 : Quelques définitions de l’investissement responsable

Auteurs Définitions

Kinder et Domini (1997)

L’expression de la préoccupation sociale, éthique ou religieuse d’un investisseur sous une forme qui lui permet de l’appliquer dans le processus de la prise de décision d’investissement de concert avec d’autres filtres.

Adler et Kritzman (2008)

Les investisseurs socialement responsables choisissent de ne pas investir dans les entreprises dont ils jugent le comportement contraire à des critères sociaux qu’ils ont définis.

Word Economic Forum (2011)

Approche d’investissement à long terme qui intègre des critères ESG dans la prise de décision et la possession d’entreprise dans le but de générer des rendements financiers supérieurs ajustés au risque.

Humphrey et Tan (2014)

L’ISR fonctionne en examinant les portefeuilles avec des critères non financiers. Les filtres négatifs concernent les entreprises engagées des activités indésirables, comme les jeux de hasard ou la production d’alcool, qui sont exclues des portefeuilles. Les filtres positifs concernent les entreprises avec des caractéristiques souhaitables.

Ibikunle et Steffen (2017)

Une approche d’investissement qui tient compte des critères environnementaux, sociaux et de gouvernance responsable des entreprises afin de générer une utilité financière compétitive à long terme ainsi qu’un effet sociétal favorable.

Coggins, Champagne et Latulippe (2018)

L’investissement responsable est un investissement qui prend en compte des critères sociaux, environnementaux, éthiques et de gouvernance sans négliger la performance financière.

Selon Baker et al (2012), l’ISR prend ses racines au niveau des religions

judéo-chrétienne et islamique, car ce sont elles qui ont commencé à exclure

certains types d’activités, généralement qualifiées d’activités liées au « péché »,

de leurs investissements parce qu’elles sont en contradiction avec leurs valeurs

morales. Parmi ces activités dites du « péché », on peut citer pêle-mêle les jeux de

hasard, les divertissements pour adultes, le tabac, l’alcool, etc. Berthon (2000)

présente l’historique de l’ISR en mentionnant que cette activité a commencé à

s’institutionnaliser à partir de 1920 avec la création du Pioneer Fund de Boston qui

« s’interdisait ainsi d’investir dans tout ce qui avait trait à l’alcool, au tabac et à la

1997

2008

2011

2014

2017

2018

9

pornographie ». Après quelques initiatives, s’en est suivie en 1971 pendant la

guerre du Vietnam, le Pax Fund qui excluait les compagnies en lien avec ce conflit.

Beaucoup d’auteurs comme Kinder et al (1997) mentionnent également la

campagne d’exclusion des compagnies sud-africaines au moment de l’apartheid.

Cette forte pression à ce moment a poussé le Congrès américain à outrepasser le

veto du président Reagan en promulguant le Comprehensive Anti-Apartheid Act

en 1986 qui énonçait des conditions à satisfaire afin de lever les sanctions contre

l’Afrique du Sud. En Europe, d’après Berthon (2000), les premiers fonds ISR ont

été lancés en France en 1983 et en 1984 en Angleterre.

Tout ce chemin a été parcouru pour aboutir beaucoup plus récemment à la

naissance des campagnes d’exclusion des EF dont l’un des précurseurs est

l’activiste Bill McKibben qui publia en 2012 l’article Global warming's terrifying

new math qui est un des articles les plus cités sur le sujet. Puis, ce mouvement a

pris de l’ampleur premièrement dans les universités nord-américaines pour

ensuite s’étendre à un plus grand nombre d’investisseurs à travers le monde

aujourd’hui.

Des heures considérables ont été consacrées à de la recherche pour

déterminer la pertinence de l’ISR dans un contexte de gestion de portefeuille.

Dans les lignes suivantes, nous présentons un aperçu des thèses et antithèses à ce

sujet.

Barnett et Salomon (2006), Trinks et Scholtens (2017), Adler et al (2008)

trouvent un coût d’opportunité à mettre en œuvre des stratégies impliquant des

filtres négatifs. Les filtres négatifs consistent à exclure d’un portefeuille

d’investissement des compagnies en prenant en compte des considérations ESG

alors que les filtres positifs visent à inclure des compagnies qui satisfont à des

critères souhaitables comme la diversité au sein de l’entreprise, les bonnes

relations avec les travailleurs, de bonnes pratiques environnementales… Barnett

et al (2006) trouvent que la performance financière des fonds est affectée par le

type de filtre utilisé. Selon eux, les filtres environnementaux et ceux qui

10

dépendent des relations de travail ont un impact négatif sur la performance tandis

que ceux qui concernent les rapports avec la communauté l’améliore. Pour aboutir

à ces résultats, ils analysent 61 fonds ISR aux États-Unis sur la période allant de

1972 à 2000. Trinks et al (2017) utilisent le modèle de Fama et French (1992)

augmenté du quatrième facteur représentant le momentum de Carhart (1997)

pour analyser la performance ajustée au risque de différents portefeuilles

construits à partir du S&P 500 auquel quatorze filtres de controverses ont été

appliqués. Leur recherche couvre la période allant de 1991 à 2012. Ils aboutissent

comme Barnett et al (2006) à la conclusion que la performance dépend de

l’intensité du filtre d’exclusion utilisé et que généralement les filtres négatifs

appliqués au S&P 500 ont un impact tout aussi négatif sur la performance ajustée

au risque. Adler et al (2008) à partir de simulations de Monte-Carlo basées sur les

rendements de 4 indices de marché trouvent que l’ISR a un coût significatif pour

les investisseurs. Capelle‐Blancard et Monjon (2014) dont le travail est basé sur le

marché des fonds communs de placement français arrivent à des conclusions

quasi similaires à celle de Barnett et al (2006). Ils trouvent que les filtres du

« péché » nuisent à la performance alors que ceux qui sont liés aux normes

internationales n’ont aucun impact sur la performance. Selon MSCI, ces filtres dits

normatifs concernent la conformité ou la violation des normes et conventions

internationales incluant le Pacte Mondial des Nations Unies (Global Compact

Principles), l’Organisation Internationale du Travail et les Principes Directeurs

relatifs aux Entreprises et aux Droits de l’Homme.

Hickman, Teets et Kohls (1999), Humphrey et al (2014), Berthon (2000)

défendent des positions opposées à celles énoncées au paragraphe précédent.

Hickman et al (1999) trouvent que l’inclusion de fonds SR contribue à la réduction

du risque des portefeuilles. Pour ce faire, ils construisent des frontières efficientes

avec le S&P 500 et six fonds SR de Morningstar sur la période allant de décembre

1991 à novembre 1995. Ils trouvent que ces fonds ont une faible corrélation avec

le S&P 500 et améliorent par le fait même la diversification d’un portefeuille qui

les combine avec cet indice. Humphrey et al (2014) ne trouvent pas de différences

11

significatives sur le risque et le rendement de portefeuilles filtrés selon des critères

SR et des portefeuilles non filtrés. Pour ce faire, ils emploient une méthodologie

semblable à celle de Trinks et al (2017) en exposant les rendements des

portefeuilles aux facteurs de Carhart (1997). Cependant, ils bâtissent des filtres

négatif et positif à partir de la classification industrielle et la base de données

MSCI/KLD. Enfin, Berthon (2000) trouve que des indices ISR que sont le DSI 4002

et le GMIA3 surperforment respectivement le S&P 500 (de 1990 à 1999) et le DJIA4

(de 1976 à 1999). Il arrive aux mêmes conclusions en analysant la performance de

fonds éthiques comparés à d’autres fonds aux États-Unis sur 1, 3, 5 et 10 ans.

2.2 Mise en contexte des énergies fossiles dans l’ISR

Les positions antinomiques précédentes montrent qu’il n’y a pas de

consensus sur l’impact de l’ISR dans la performance des portefeuilles. Ces

dernières années, la question des changements climatiques a conduit à se poser

des questions similaires à celles de la section précédente en ce qui a trait aux EF.

Force est de constater l’absence de consensus à ce niveau également. Avant d’aller

plus loin, il convient d’expliquer à quoi l’on fait référence lorsqu’on parle d’EF.

Les EF renvoient au pétrole, au gaz et au charbon. En somme, aux

combustibles dits fossiles. L’utilisation de ce dernier terme vient du fait que ces

combustibles proviennent de la sédimentation de matière organique pendant des

centaines de millions d’années. Ces sources d’énergie, conformément à leur

nature, sont finies ou encore non renouvelables à notre échelle temporelle, car

prenant des centaines de millions d’années pour se constituer comme cela est

précisé ci-dessus. Leur exploitation est directement liée au développement

industriel qu’a connu l’humanité en partant de la création de la première machine

à vapeur en 1712 par Thomas Newcomen pour aboutir à la deuxième révolution

industrielle, entre 1870 et 1910, qui a vu le développement de l’électricité, du

2 Domini Social Index 400 3 Good Money Industrial Average 4 Dow Jones Industrial Average

12

moteur à combustion, de la pétrochimie, etc. Certains vont jusqu’à faire référence

au pétrole comme étant le sang de l’économie. Il va sans dire si on s’en tient stricto

sensu à cette métaphore que l’économie irait bien mal si elle était privée de son

sang. Nous devons toutefois reconnaitre que cette industrialisation basée sur les

EF ne s’est pas faite sans heurts surtout sur le plan environnemental comme nous

le présenterons plus bas.

Chacunes de ces EF peut être classées en fonction de ses caractéristiques

propres. De plus, le pétrole et le gaz peuvent être rangés dans des énergies de

type conventionnel ou non conventionnel en fonction de la facilité ou pas de les

extraire et les exploiter. Les EF non conventionnelles sont les plus controversées,

car elles sont associées à un potentiel de pollution plus important. Nous décrirons

ces énergies en empruntant de manière opportune une partie de la présentation

faite par la fondation d’entreprise Alcen pour la connaissance des énergies5 qui

est une organisation à but non lucratif visant « la connaissance des énergies

auprès du grand public » tel qu’énoncé sur son site Web :

• Les pétroles conventionnels sont faciles à extraire et à raffiner, car ils restent

fluides et pompables. Alors que ceux qui sont dits non conventionnels

nécessitent des techniques d’exploitation plus sophistiquées. Dans cette

deuxième catégorie, on trouve l’huile de schiste, le pétrole extralourd, les

sables bitumineux et les schistes bitumineux. Son extraction se fait à la fois sur

terre (onshore) et en mer (offshore). Sa qualité est fonction de sa densité par

rapport à l’eau (permettant de caractériser le pétrole de lourd ou léger) et de

sa teneur en soufre. Plus un pétrole sera léger et de faible teneur en soufre,

plus sa qualité sera jugée bonne. Par ordre d’importance, les cinq pays

disposant des réserves prouvées les plus importantes sont le Venezuela,

l’Arabie Saoudite, le Canada, l’Iran et l’Irak.

• Tout comme le pétrole conventionnel, le gaz naturel conventionnel est facile

à extraire et à exploiter, car il est piégé sous pression dans des gisements

5 https://www.connaissancedesenergies.org/

13

imperméables. Par opposition, les gaz naturels non conventionnels sont plus

difficiles à extraire donc plus coûteux à exploiter. Dans cette dernière catégorie

se trouvent le gaz de schiste, le gaz de charbon, le gaz compact et les hydrates

de méthane. Les gisements de gaz sont souvent découverts en cherchant du

pétrole. Les pays disposant des réserves prouvées les plus importantes sont

l’Iran, la Russie, le Qatar, le Turkménistan et les États-Unis.

• Le charbon se classe dans deux groupes qui sont établis en fonction de son

pouvoir calorifique, sa teneur en soufre et son utilisation finale. Il s’agit du

charbon thermique et du charbon métallurgique. Le charbon métallurgique

regroupe les charbons (anthracite, graphite) utilisés pour la production d’acier.

Les charbons thermiques (tourbe, houille, lignite, anthracite) quant à eux sont

utilisés pour produire de l’énergie ou juste pour le chauffage. Le charbon

thermique est le plus controversé à cause de son potentiel de pollution plus

important. Selon un rapport d’Amundi (2016) sur ce secteur, « l’ensemble des

charbons métallurgiques peut être utilisé dans la production énergétique alors

que les charbons thermiques ne peuvent pas être employés en métallurgie

pour la production d’acier ». Le charbon est aussi utilisé dans la production du

ciment et en tant que substitut au pétrole (charbon liquide). Son prix est

fortement corrélé avec celui du pétrole du fait que le premier est un substitut

au second. L’exploitation du charbon se fait sous terre ou à ciel ouvert. Selon

l’Agence Internationale de l’Énergie (AIE), il représente 44 % des émissions

dues aux EF et 29 % de l’offre d’énergie. En 2015, les plus importants

producteurs de charbon étaient la Chine, les É-U, l’Inde, l’Australie et

l’Indonésie.

Le rapport de MSCI (2016) sur le désinvestissement montre que les énergies

qui dégagent le plus de dioxyde de carbone (CO2) sont les pétroles non

conventionnels (106,7 kg de CO2 par Gigajoule) et le charbon thermique (96,4 kg

de CO2 par GJ). Puis suivent le charbon métallurgique (94,6 kg de CO2 par GJ), le

pétrole conventionnel (73,3 kg de CO2 par GJ) et le gaz naturel (56,1 kg de CO2 par

GJ).

14

Ces chiffres concernant le contenu de CO2 dans les EF prennent encore plus

d’importance lorsqu’on considère selon Ressources Naturelles Canada (2018)

qu’environ 80 % des gaz à effet de serre (GES) dans le monde proviennent

d’activités humaines avec la plus importante d’entre elles qui est l’utilisation de

l’énergie. D’autres, comme Morgan Stanley (2016), estiment qu’environ deux tiers

des changements climatiques sont attribuables aux EF. La plupart de ces

estimations ont été inspirées par le travail effectué par le Groupe d’Experts

Intergouvernemental sur l’évolution du climat (GIEC) qui a produit des rapports

dans ce sens dont le plus récent date de 2014. Dans ce rapport, il est fait mention

qu’aucun ralentissement des émissions de CO2 n’est actuellement observé et que

les températures actuelles dépassent déjà de 0,8 °C les niveaux de l’ère

préindustrielle. Ces hausses de température auront, par voie de conséquence, une

forte probabilité d’entrainer des dommages à l’échelle planétaire. On peut citer

entre autres, la fonte des glaces aux deux pôles, une hausse du niveau de la mer,

les inondations avec leur lot de déplacés climatique dans de nombreux pays, la

baisse des rendements agricoles, une mutation des écosystèmes marin et

terrestre, etc. Fort de ce constat, de nombreux organismes internationaux, dont

l’AIE, demandent de prendre des actions concrètent afin de maintenir le

réchauffement climatique sous la barre de 2 °C avant la fin du siècle. Ainsi, pour

McKibben (2012) l’ennemi à combattre est clairement identifié : ce sont les EF.

Pour limiter le réchauffement climatique, on doit les laisser enfouies sous terre ou

dans une moindre mesure limiter leur exploitation tout en migrant vers des

solutions plus favorables au climat.

La littérature en finance montre que des chercheurs se sont déjà intéressés à

la question du désinvestissement des EF et tout comme dans l’ISR, il y a des

courants de pensée diamétralement opposés. Les partisans du désinvestissement

des EF et ceux qui pensent que cette stratégie a des impacts négatifs plus

importants.

En accord avec cette deuxième logique, Fischel (2015) pense que le

désinvestissement des EF est une stratégie qui donnera peu de résultats et qui

15

sera coûteuse. Selon lui, le rendement de cette stratégie est impacté

négativement par le fait qu’elle réduit la diversification des portefeuilles,

augmente les coûts de transaction et les coûts de maintien en conformité. Il

explique que le désinvestissement nécessite forcément de vendre un certain

nombre de titres pour en acquérir d’autres. Ce jeu de transactions implique

forcément des commissions à payer à des courtiers et des coûts concernant l’écart

bid-ask des titres. De plus, le maintien en conformité de ces stratégies nécessite

l’emploi de personnes qualifiées, car elles sont complexes à implémenter et

requièrent en outre l’acquisition de données adéquates pour l’analyse des

compagnies. Il ajoute que les compagnies du secteur du pétrole et du gaz sont très

souvent injustement accusées alors que sur la période allant de 2000 à 2012 elles

ont investi 11,4 milliards de $ dans le domaine des énergies renouvelables. Ce qui

représente 17 % des investissements dans les énergies renouvelables aux États-

Unis sur cette période. Il soutient en outre que les prix des titres des compagnies

visées seront très peu affectés par ce mouvement, car dans les marchés très

liquides la valeur des compagnies diverge peu de leurs valeurs fondamentales.

Dans le cas contraire, un arbitrage des acteurs du marché les ramènera vers cette

valeur fondamentale. Il termine par le fait que la campagne de désinvestissement

en Afrique du Sud pendant l’apartheid a eu peu d’impact sur les prix des titres des

compagnies de ce pays.

Bessembinder (2016) soutient l’ensemble de l’argumentation de Fischel (2015)

avec son analyse d’un échantillon de fondations universitaires américaines. Il

estime que le coût du désinvestissement pour ces fondations se situera entre 2 %

à 12 % de leurs valeurs. Selon lui, ce coût devra être additionné à la perte de

rendement due à cette stratégie. Pour arriver à cette estimation, il pose un certain

nombre de postulats. Le premier est que les fondations universitaires investissent

beaucoup dans des fonds ou des placements privés qui nécessiteraient la

liquidation desdits fonds ou placements en entier pour satisfaire aux objectifs du

désinvestissement des EF. Ces fondations, en tant qu’investisseur à long terme,

ont tendance à allouer une partie importante de leur investissement dans des

16

actifs qui ne sont pas liquides et donc qui seront négativement impactés par les

impératifs de désinvestissement. On peut donc s’attendre à ce que cela engendre

des pertes importantes. Il mentionne également l’absence de consensus au niveau

des actifs et des énergies qui doivent faire l’objet du désinvestissement rendant la

tâche encore plus complexe pour ceux qui étudient cette question.

Shapiro et Pham (2012) analysent également les fondations universitaires

américaines et trouvent que les placements dans les compagnies liées au secteur

du pétrole et du gaz naturel de ces fondations ont surperformé les autres classes

d’actifs détenues par ces fondations. Leurs analyses sont réalisées sur trois

fenêtres de temps qui sont 2010-2011, 2006-2011 et 2001-2011.

Ansar et Tilbury (2013) pensent que la campagne de stigmatisation des

compagnies opérant dans le secteur des EF a de faibles chances d’affecter la valeur

de ces compagnies sur le marché. Ils pensent néanmoins que cette campagne

créera une nouvelle norme, mais que celle-ci a également peu de chance

d’affecter la valeur de ces compagnies dès lors leur survie. Pour aboutir à ces

résultats, ils analysent l’impact du désinvestissement sous l’angle du calcul de la

valeur actuelle nette (VAN) des compagnies en utilisant une analyse par scénarios.

Nelson, Hervé-Mignucci, Goggins, Szambelan, Vladeck et Zuckerman (2014)

trouvent que les compagnies d’état recevront environ 87 % de la VAN issue de la

production du pétrole sur la période allant de 2014 à 2050. De plus, les

gouvernements possèdent entre 50 % et 70 % des réserves d’EF. Dans ces

conditions, ce sont les états financiers de ces gouvernements qui pourraient être

le plus en danger du fait des EF en comparaison aux compagnies transigées sur des

marchés publics. Ils observent que, de toutes les EF, c’est le pétrole qui a la plus

forte valeur à risque, mais c’est le charbon qui offre le plus fort potentiel de

réduction des émissions de CO2.

Dans un ordre d’idées parallèle à celui de Nelson et al (2014), Ritchie et

Dowlatabadi (2015) citent Aissaoui (2013) qui explique que les pays membres de

l’Organisation des Pays Exportateurs de Pétrole ont besoin d’un prix élevé du baril

17

de pétrole afin d’atteindre le seuil de rentabilité de la production de cette

ressource afin de soutenir leurs budgets nationaux.

Bullard (2014) tout en ne prenant pas position sur la question considère le

désinvestissement comme un challenge. En effet, à court terme le pétrole et le gaz

naturel ne sont pas substituables entièrement dans les domaines du transport, de

l’aviation, la chimie et l’agriculture pour ne citer que ceux-là. De plus, si on devait

l’agréger en classe d’actif, l’on arriverait au constat que les EF ont une importante

capitalisation boursière. En effet, au moment de la recherche, les 1 469

compagnies listées comme faisant partie des industries du pétrole et du gaz

naturel représentaient 4 650 milliards de $. Aussi, les compagnies de ce secteur

présentent des caractéristiques financières (dividende, croissance, liquidité et

taille des actifs disponibles pour investissement) recherchées par beaucoup

d’investisseurs. Il mentionne que chaque dollar désinvesti des EF ne se traduira

pas automatiquement en investissement équivalent dans les énergies

renouvelables. Ritchie et al (2015) estiment que le défi du désinvestissement se

situe au niveau de la dépendance des investisseurs aux rendements de dividendes

du secteur des EF. Ainsi, une institution moins dépendante à ces rendements à

court terme serait capable d’opter pour la croissance à long terme en lieu et place

des dividendes importants des secteurs de service aux collectivités et énergétique.

La justification de ce point vient du fait qu’ils estiment qu’environ 80 % des

dividendes des services aux collectivités aux É-U proviennent des énergies fossiles.

Les tenants du désinvestissement, quant à eux, ont également plusieurs

arguments justifiant leur position. Le premier est relatif aux actifs désuets

(stranded assets) que l’on rencontre chez presque tous les tenants de cette

position. Paun, Knight et Chan (2015) décrivent les actifs désuets comme étant

ceux qui perdent de la valeur ou se transforment en passif avant la fin de leur

durée de vie économique espérée. Ils expliquent que ce risque de désuétude s’est

accru à cause du durcissement de la réglementation sur le climat au niveau

mondial, à cause des progrès technologiques dans le domaine énergétique et à

cause d’arguments purement économiques. L’argument du durcissement de la

18

réglementation climatique est soutenu par le fait que de plus en plus de pays, de

régions et d’entités locales prennent des mesures afin de réduire leurs émissions

de GES. Celui des progrès technologiques dans le domaine énergétique est

soutenu par le fait que des solutions en matière d’énergies renouvelables

deviennent de plus en plus abordables sans oublier que ces énergies sont de plus

en plus vertes. Enfin, l’argument économique est appuyé par le fait qu’il y a

profusion d’offres de pétrole sur le marché ce qui fait baisser les prix alors que

dans un autre côté les pétroles non conventionnels ont un seuil de rentabilité qui

se situe autour de 80 USD/baril. Ce qui entraine une baisse de valeur des

compagnies opérant en dessous de ce seuil de rentabilité, car elles essuient des

pertes. Nelson et al (2014) précisent que ces actifs désuets peuvent avoir une

nature physique (comme une usine) ou être des ressources (comme le gaz). Du

reste, ce risque de désuétude pourrait avoir un impact systémique sur le secteur

énergétique si les compagnies impactées n’arrivent plus à financer des projets

d’investissement futurs.

Une réflexion en faveur du désinvestissement tire son origine du domaine

psychologique et est défendue par Arbuthnott et Dolter (2013). Ils se basent sur

Kahneman (2011) qui explique qu’en situation de choix, l’investissement dans une

option augmente considérablement les chances que la même option soit de

nouveau choisie même lorsque de meilleures alternatives sont disponibles. Ils

translatent ce raisonnement aux investissements dans les EF qui ont des

conséquences à long terme sur l’environnement qui sont occultées au profit d’une

augmentation desdits investissements. En toute logique, l’on devrait désinvestir

des EF alors que dans les faits l’on s’empresse lentement à aller vers cette solution.

Arbuthnott et al (2013) interprètent cela par le fait que l’humain fonctionne par

intuition et raisonnement. L’intuition qui s’opère rapidement, car basée en grande

partie sur la mémoire et les habiletés innées, pousse à préférer des situations que

nous avons déjà expérimentées dans le passé. Alors que, le raisonnement requiert

des efforts, une attention soutenue et est contraint par nos propres limites.

L’intuition est donc privilégiée par rapport au raisonnement. De plus, admettre

19

qu’une stratégie que nous avons adoptée préalablement ne fonctionne pas peut

entrainer des dommages en ce qui concerne la réputation et nuire à l’estime de

soi. Conséquemment, les preneurs de décisions refusent de franchir ce pas et

choisissent de procrastiner en investissant plus de ressources dans une stratégie

qui ne fonctionne pas en espérant qu’avec l’ajout de plus de ressources la situation

changerait. Selon eux, toutes ces forces entrainent une inertie sur la question du

désinvestissement et de lents changements vers les énergies renouvelables.

Sireklove (2016) trouve que le désinvestissement a un faible impact sur la

performance et le risque à long terme. Pour aboutir à ces résultats, elle étudie la

question sous l’angle du désinvestissement du secteur énergie (entre 1995 et

2015) et sous celui de la détention des réserves d’EF (entre 2004 et 2015). Les

compagnies possédant des réserves d’EF sont obtenues avec la liste Carbon

Underground 200 et son indice de référence est le S&P 500. Le tracking error6 du

S&P 500 excluant le secteur énergétique (1,89 %) est plus grand que celui du

S&P 500 excluant les compagnies possédant des réserves d’EF (1,43 %). Elle note

que des différences existent à court terme entre l’indice et les portefeuilles filtrés,

mais celles-ci tendent à s’annuler à plus long terme. Aussi, elle attire l’attention

sur le fait que de façon pratique le désinvestissement pourrait avoir un impact

fiscal pour les investisseurs à long terme par la réalisation d’un gain en capital plus

rapidement que prévu.

L’étude de Trinks, Scholtens, Mulder et Dam (2017) converge avec celle de

Sireklove (2016) tant au niveau méthodologique qu’au niveau des résultats. La

différence est que Trinks et al (2017) utilisent comme portefeuille de référence

l’ensemble des titres du CRSP aux É-U entre 1927 et 2015 (soit 12 141 titres) et

considèrent quelques mesures de performance additionnelles comme le ratio de

Sharpe, le ratio de Sortino et l’analyse multifactorielle à la Carhart (1997) pour

dégager la valeur ajoutée. Ils analysent, en outre, le fait d’exclure soit le pétrole et

le gaz, soit le charbon ou soit l’ensemble de ces EF. L’un des résultats est que le

6 Le tracking error est une mesure qui nous donne la variabilité avec laquelle un portefeuille réplique ou calque un indice.

20

scénario qui réduit le moins l’univers de titres dans lesquels on peut investir est

l’exclusion du charbon. Aussi, ils ne trouvent pas à une différence significative

entre la performance ajustée au risque du portefeuille de marché et des différents

portefeuilles filtrants les EF. D’ailleurs, les alphas des portefeuilles filtrés dans

l’ensemble ne sont pas significatifs ce qui induit que le désinvestissement selon les

scénarios concernés a peu d’impact sur le portefeuille de marché.

La firme Northstar Asset Management dans un rapport paru en 2013 apporte

également de l’eau au moulin des tenants du désinvestissement. Dans cette

étude, cette firme soutient la thèse que le coût du désinvestissement des EF a été

grandement exagéré. Elle est une réponse directe à l’article de Adler et al (2008).

En effet, ce rapport considère qu’Adler et al (2008) excluent une portion

disproportionnée de l’univers (20 %) alors que l’exclusion du secteur énergie en se

basant sur les indices MSCI ACWI7 et S&P 500 se ferait en enlevant environ 10 %

de la capitalisation boursière de ces indices. Cela a pour effet de réduire le coût du

désinvestissement tel que calculé par Adler et al (2008) de moitié pour se situer à

0,15 % de pénalité sur la croissance annuelle des rendements. De plus, sur la

même fenêtre d’observation de vingt ans la performance ajustée au risque du

S&P 500 ex-énergie est supérieure à celle du S&P 500 à cause de la faible volatilité

du premier (15,16 %) par rapport au second (15,82 %).

Geddes (2013) analyse l’impact du désinvestissement du Russell 3000 en

enlevant les « Filthy fifteen » soient les compagnies considérées comme étant les

plus dangereuses en se basant sur la quantité de charbon extrait ou brulé en

combinaison avec d’autres mesures. Il trouve que le désinvestissement sur cette

base produira un tracking error de 0,14 % alors que le désinvestissement du

secteur entier de l’énergie augmenterait cette mesure à 0,60 %, ce qui est quand

même faible.

Ibikunle et al (2017) vont au-delà des EF pour analyser des fonds communs de

placement européens caractérisés de vert ou noir. Ils appellent fonds vert un fonds

7 MSCI All Country World Index

21

qui est engagé au niveau environnemental et inclus des compagnies ayant une

conduite qui va dans ce sens, engagé dans la protection des ressources naturelles,

dans des technologies propres ou des projets d’efficience énergétique. Par

opposition, un fonds noir investit dans des compagnies à haute intensité de

carbone et une forte utilisation des ressources naturelles. Ce qui prend en

considération par ricochet les compagnies sur la chaine de valeur des EF, des

compagnies minières ou liées à d’autres matières premières. Ils trouvent que la

performance des fonds verts est de manière significative en deçà de celle des

fonds conventionnels entre 1991 et 2014. De plus, la performance ajustée au

risque des fonds verts sur la même période ne se différencie pas de manière

significative de celle des fonds noirs. Pour aboutir à ces résultats, ils étudient 175

fonds verts, 259 fonds noirs et 976 fonds conventionnels qui sont filtrés grâce aux

données de Thomson Reuters Eikon. Puis, ils soumettent les rendements de

portefeuilles construits à partir de ces fonds aux quatre facteurs de Carhart (1997)

et aussi au facteur marché du CAPM. Une de leurs conclusions est que la

performance des fonds noirs diminue dans le temps alors que celle des fonds verts

s’améliore progressivement. Ce résultat suggère que les fonds verts ont eu une

mauvaise tarification à leur émergence. Avec le passage du temps, cette

tarification s’est améliorée, car le marché manquait d’information de qualité à cet

effet dans le passé.

2.3 Évaluation de la performance

Une bonne partie de l’analyse financière présentée dans les articles ci-dessus

repose sur la théorie moderne de portefeuille dont le pionnier est Markowitz

(1952). Ce dernier présenta le modèle du choix des actifs dans un contexte

moyenne-variance. Ainsi, un investisseur qui est averse au risque aura tendance à

préférer une faible variance8 et des rendements espérés plus élevés. Dans un

contexte de portefeuille, cet investisseur peut diversifier son portefeuille à cause

de la corrélation existante entre les actifs le composant et arriver à un ensemble

8 Mesure de risque traduisant la moyenne des écarts au carré autour de la moyenne.

22

de portefeuilles efficients par la résolution d’un problème d’optimisation

quadratique. De plus, cette théorie suggère que la restriction de l’ensemble des

titres dans lesquels il est possible d’investir aura un impact négatif du fait d’un

coût au niveau de la diversification comme énoncé par Fischel (2015). En d’autres

termes, la réduction de l’univers d’investissement par des contraintes aura des

conséquences défavorables.

Bon nombre d’études en finance analysent la performance avec le ratio de

Sharpe qui est une mesure largement répandue à la fois dans la littérature et dans

la pratique. Cette mesure présentée par Sharpe (1966, 1994) en tant que valeur

ajoutée sur la volatilité (reward-to-variability) donne la performance excédentaire

au taux sans risque d’un portefeuille par unité de risque engagé pour atteindre ce

rendement. Il permet d’évaluer et de comparer de manière absolue des

portefeuilles en fonction du rendement additionnel ajouté au taux sans risque par

unité de risque. Une autre mesure très utilisée est le ratio d’information qui a été

présenté premièrement par Treynor et Black (1973) comme le ratio d’évaluation

(appraisal ratio). Ce ratio mesure le rendement excédentaire d’un portefeuille par

rapport à son indice de référence par unité de risque actif. Goodwin (1998)

présente différentes manières de le calculer et nous nous en inspirerons plus loin

dans la section méthodologie. Ce ratio permet de juger de la pertinence d’une

stratégie par rapport à un investissement dans l’indice de référence.

Fama et French (1993, 1995 et 2014) contribuent à l’amélioration de

l’évaluation d’actifs avec l’ajout de quatre nouveaux facteurs à celui qui

représente le marché. Ce dernier facteur est issu de la théorie du Capital Asset

Pricing Model (CAPM) qui a été conçue simultanément par Sharpe (1963, 1964),

Treynor (1961), Mossin (1966), Lintner (1965, 1969) et Black (1972). Avec le CAPM,

les rendements sont expliqués à l’équilibre par le bêta du portefeuille par rapport

au marché. Le bêta est la sensibilité du portefeuille aux variations du marché. Il

peut être encore vu comme la contribution d’un portefeuille ou d’un actif au bêta

du marché, car ce dernier étant une moyenne pondérée des bêtas des actifs qui le

23

compose. Le CAPM est généralement reconnu comme valable malgré les

hypothèses fortes qu’il utilise.

L’approche de Fama et French tire également son origine de celle de Ross

(1976) qui a travaillé sur l’Arbitrage Pricing Theorie (APT). Selon cette théorie, le

rendement des actifs peut être expliqué par plusieurs facteurs et non un seul. Il ne

définit pas ces facteurs de manière explicite et ne donne pas leur nombre faisant

du CAPM un cas particulier de l’APT. Ces facteurs peuvent être macroéconomiques

ou fondamentaux.

C’est ainsi que Fama et French (1993) ajoutent d’abord deux facteurs (taille et

valeur) au facteur marché. Puis récidivent en 2014 en ajoutant les facteurs

investissement et profitabilité opérationnelle pour expliquer la variation des

rendements. C’est justement cette dernière approche que nous utiliserons dans

l’évaluation de la performance de nos portefeuilles.

3 Questions de recherche et hypothèses

Malgré les divergences de points de vue sur la question du désinvestissement,

force est de constater un momentum dans ce mouvement. Comme précisé plus

haut, bien que tirant ses origines des universités américaines, il s’est par la suite

étendu aux fondations, aux municipalités, aux caisses de retraite, aux banques et

aux autres investisseurs. Il a aussi permis l’éclosion de nombreuses initiatives ou

groupes tels que 350.org, Carbon Asset Risk, Carbon Tracker, Divest/Invest ou

encore Portfolio Decarbonisation Coalition qui en sont dorénavant le fer-de-lance.

C’est cette croissance fulgurante que la firme de consultants Arabella (2015) met

en exergue dans un rapport. Cette croissance qui est également géographique voit

apparaitre de plus en plus de produits excluant les EF. 350.org illustre cela en

relevant qu’entre 2014 et 2016 les actifs commis au désinvestissement sont passés

de 50 milliards $ à 5 000 milliards de $.

Nous contribuons au débat sur le désinvestissement dans les EF en tentant de

répondre à la question de recherche suivante : quel est l’impact du

24

désinvestissement des EF dans des portefeuilles d’investissement pour un

investisseur institutionnel canadien ?

Pour répondre à cette question, nous posons les trois hypothèses suivantes :

• H1 : L’exclusion des EF a un impact important sur la structure des portefeuilles,

notamment leur répartition sectorielle par rapport aux indices de référence.

Cette hypothèse nous conduira à identifier les titres à exclure et à apprécier

l’évolution des poids des portefeuilles correspondants dans les indices de

référence pertinents.

• H2 : L’exclusion des EF nuit à la performance financière des portefeuilles.

L’évaluation de cette hypothèse nous conduira à analyser de façon ex post la

performance des différentes stratégies d’exclusion que nous aurons établies.

Cette performance sera établie selon différentes approches généralement

reconnue pour s’assurer de la convergence des analyses.

• H3 : L’exclusion des EF a un impact significatif sur les frontières efficientes.

Cette dernière partie nous permettra d’apprécier l’impact de l’exclusion des

EF sur des frontières efficientes obtenues avec une approche traditionnelle et

une approche conditionnelle (ex ante) avec laquelle nous améliorons la

construction desdites frontières.

4 Données et méthodologie

L’univers de titres considérés pour la réalisation du mandat est le

S&P Global 1200. Cet univers est une agrégation de sept sous indices de S&P qui

pris individuellement capturent 95 % de capitalisation boursière de chacun des

pays concernés et mis ensemble représente 70 % de la capitalisation boursière

mondiale. Les sous-indices composant cet univers sont :

• S&P Europe 350 : composé des 350 plus grandes capitalisations boursières

dans seize pays développés européens (Allemagne, Autriche, Belgique,

Danemark, Espagne, Finlande, France, Hollande, Irlande, Italie, Luxembourg,

Norvège, Portugal, Suède, Suisse et Royaume-Uni).

25

• S&P/ASX All Australian 50 : représentant les 50 plus grandes capitalisations

boursières australiennes.

• S&P 500 : composé des 500 plus grandes capitalisations américaines.

• S&P/TOPIX 150 : constitué des 150 plus grandes capitalisations japonaises.

• S&P Asia 50 : constitué des 50 plus grandes capitalisations boursières dans 4

pays asiatiques (Corée du Sud, Hong Kong, Singapour et Taiwan)

• S&P/TSX 60 : composé des 60 plus grandes capitalisations canadiennes.

• S&P Latin America 40 : représentant les 40 plus importantes capitalisations

boursières de cinq pays d’Amérique latine (Brésil, Chili, Colombie, Mexique et

Pérou).

Chacun de ces indices peut être décomposé selon la classification industrielle

GICS. De plus, la pondération des titres est déterminée selon la capitalisation

boursière avec un rééquilibrage trimestriel (mars, juin, septembre et décembre).

Les tableaux 1 et 2 de l’annexe 1 présentent une évolution du nombre de

compagnies par pays et région dans cet univers. Dans le cadre, de notre mandat

nous ferons des analyses à l’international pour avoir une perspective mondiale

puis nous reproduirons les mêmes analyses au niveau du S&P 500 et du

S&P/TSX 60 afin de mettre en évidence nos résultats plus spécifiquement aux É-U

et au Canada, mais toujours dans la perspective de l’investisseur canadien.

Nous obtenons les informations financières (prix, dividende, rendement,

capitalisation) sur les titres à partir des données de Bloomberg. Ces données sont

des valeurs quotidiennes. La période d’échantillonnage va de 2006 à 2016 et

correspond à 2858 rendements quotidiens pour le portefeuille représentant

l’univers. Les rendements quotidiens calculés sont des rendements totaux c’est-à-

dire que nous considérons le réinvestissement de dividende selon la formule

suivante pour le titre i sur la période allant de t=1 à t=n, ri,t=Prixi,t+Dividendei,t

Prixi,t-1-1.

L’écart-type des rendements du titre i est obtenu avec 𝑠𝑖=[∑ (𝑟𝑖,𝑡−�̅�𝑖)

2𝑛𝑡=1

𝑛−1]1/2

.

26

Toutes les analyses sont effectuées dans la perspective d’un investisseur

canadien, ce qui implique que toutes les valeurs sont converties en dollar

canadien. L’analyse de la performance des portefeuilles est effectuée à partir des

ratios de Sharpe et d’information. Le ratio de Sharpe d’un portefeuille nous

permet de déterminer sa valeur ajoutée au taux sans risque par unité de risque

avec la formule suivante Sharpeport.=rport.-rf̅

Sport. avec rport. étant le rendement du

portefeuille, Sport. son écart-type et rf̅ le taux sans risque moyen sur la période

visée. Nous obtenons cette dernière composante à partir des rendements des

obligations et des bons du Trésor de la banque du Canada. Ces taux sans risque

sont présentés à l’annexe 2. Les ratios d’informations présentent la performance

excédentaire d’un portefeuille par rapport à un indice de référence par unité de

risque actif engagé. Ils sont calculés de la manière suivante :

RIport.=rendement actif

risque actif=

Raport.

SRaport.. avec {

Rat=rport.,t-rind,t

SRaport.=S(rport.-rind) où Rat est un

rendement actif quotidien du portefeuille tandis que Raport. représente le

rendement quotidien moyen obtenu par ce même portefeuille sur une période de

temps plus allongée (exemple 1 an ou 5 ans). Le dénominateur SRaport. est l’écart-

type d’un vecteur de rendement actif du portefeuille sur la même période de

temps.

Nous identifions les titres à exclure par le biais de six scénarios qui nous

permettent d’implémenter des exclusions fortes ou modérées. On entend par

scénario, un niveau de filtrage qui est appliqué à l’un des indices utilisés.

Le scénario restreint qui se traduit par une exclusion forte, filtre toutes les

entreprises qui sont associées à toutes les EF en fonction des critères

d’appartenance à une industrie et de détention de réserve. La logique est de

retirer tout risque associé au gaz, au pétrole et au charbon tout en essayant de

respecter les contraintes climatiques mentionnées précédemment.

Conséquemment, il s’avère pertinent de déterminer l’impact d’un tel niveau

27

d’exclusion. Les critères d’exclusion qui sont considérés de manière conjointe

sont :

• Tous les types d’EF.

• Toutes les entreprises dont l’activité principale (producteurs et fournisseurs)

est directement liée aux énergies fossiles. Ces entreprises sont déterminées à

partir des sept sous-industries (GICS) appartenant au secteur énergétique. Une

description de ce secteur est présentée à l’annexe 3.

• Les entreprises publiques identifiées comme détentrice de réserve d’EF. Les

réserves ciblées sont les réserves 2P soit les réserves probables + prouvées.

Ces réserves représentent celles qui ont 50 % de chance d’être exploitées.

Les scénarios classés dans la catégorie des scénarios modérés nuancent les

seuils d’exclusion des compagnies en fonction de différents critères. Ces scénarios

et critères sont :

• Les entreprises détenant des réserves de pétrole ou de gaz.

• Les entreprises détenant des réserves de charbon.

• Les entreprises détenant des réserves de charbon thermique ou de pétrole

non conventionnel. Étant donné que ces deux sous catégories d’énergies

fossiles sont les plus polluantes, l’on est à mesure de se questionner sur

l’impact de leur exclusion.

• Les entreprises identifiées comme étant des membres des sous-industries

liées au pétrole et au gaz. Il s’agit des six sous-industries suivantes Gaz &

Pétrole intégrés, Exploration & Production, Raffinage & Commercialisation,

Stockage & Transport, Forage, Équipement & Services.

• Les entreprises dont l’activité principale est liée au charbon thermique. Il s’agit

d’exclure les entreprises de la sous-industrie Charbon & Combustibles

uniquement. En effet, le charbon thermique a été plus controversé que le

charbon métallurgique. D’ailleurs, les mines de charbon métallurgique

appartiennent au secteur 15 et à la sous-industrie Acier (15104050).

28

L’ensemble de ces scénarios est en harmonie avec les politiques des fonds

négociés en bourse (FNB) qui excluent les EF. En effet, dans un échantillon de 23

FNB nord-américains 8 utilisent une politique qui procède à des exclusions de

réserve, 12 d’entre eux utilisent des exclusions basées sur la classification

industrielle, 4 utilisent des filtres basés sur les revenus tirés des EF et 3 se basent

sur d’autres critères. L’annexe 4 présente un extrait de ces politiques d’exclusion.

Les compagnies possédant des réserves d’EF sont identifiées à partir des

informations du fournisseur de données Trucost qui est une filiale de la compagnie

S&P Dow Jones Indices. Ces données nous permettent de distinguer le type

d’énergie fossile9 et la nature des réserves (1P ou 2P) détenues. Dans cette

optique, nous répliquons la couverture géographique de notre indice de référence

dans l’outil Eboard de Trucost afin d’avoir une liste des compagnies disposant des

réserves d’EF. Ensuite, nous croisons cette liste avec les compagnies présentes

dans notre univers de titres. Un résumé de ce croisement est présenté au

tableau 4.1.

Tableau 4.1 : Nombre de compagnies possédant des réserves d’EF

Type de réserve détenue Nombre de compagnies dans Trucost

Croisement entre Trucost et l’indice de

référence

Pétrole Tous les types 143 62

Non conventionnel 96 46

Gaz Tous les types 139 61

Non conventionnel 11 3

Charbon Tous les types 33 9

Thermique 32 9 Ce tableau présente le nombre de compagnies possédant des réserves d’énergie fossile selon Trucost dans les pays suivants : Allemagne, Australie, Autriche, Belgique, Brasil, Canada, Chili, Colombie, Corée du Sud, Danemark, Espagne, États-Unis, Finlande, France, Grèce, Hollande, Hong Kong, Irlande, Italie, Japon, Luxembourg, Mexique, Norvège, Pérou, Portugal, Royaume-Uni, Singapour, Suède, Suisse et Taiwan. Le nombre d’entreprises est présenté par type d’énergie fossile. La liste des compagnies est ensuite croisée avec celle de notre univers de référence à partir des ISIN des compagnies.

Ce tableau nous permet de voir que les scénarios qui excluront le moins de

compagnies sont ceux qui sont en lien avec le charbon et le gaz non conventionnel.

9 Voir le tableau de l’annexe 5 pour la liste des champs de données extraites de Trucost

29

Nous effectuerons également une analyse de la performance avec la

méthodologie de Fama et French (2014) qui prend en considération cinq facteurs

de risque. Cette approche est une évolution de Fama et French (1993) qui

considérait initialement trois facteurs soit la prime de risque de marché (Rmt-Rft),

le facteur de taille (SMBt) et le facteur valeur (HMLt) pour expliquer les

rendements. SMBt représente les rendements d’un portefeuille diversifié de

petite capitalisation moins les rendements d’un portefeuille de grande

capitalisation. HMLt représente la différence de rendements entre des

portefeuilles diversifiés de titres ayant des multiples de valeur au livre sur valeur

marchande élevée et faible. Tandis que le portefeuille Rmt représente le

rendement du portefeuille de marché pondéré par la capitalisation boursière et

Rft le taux sans risque. Les deux facteurs additionnels qui s’ajoutent sont la

profitabilité opérationnelle (RMWt) et les investissements (CMAt). RMWt

représente la différence entre les rendements de deux portefeuilles diversifiés

qualifié de robuste et faible en ce qui concerne leur profitabilité opérationnelle.

Le facteur CMAt est la différence entre les rendements de deux portefeuilles

diversifiés qualifiés d’agressifs et conservateurs au niveau des investissements des

compagnies les composant. On s’attend à ce que ces facteurs expliquent assez

bien les rendements des portefeuilles que nous analyserons. Nous étudierons

l’alpha des portefeuilles découlant des régressions de la forme

Ri,t-Rf,t=αi+βRm(Rmt-Rft)+β

SMBSMBt+βHMLHMLt+β

RMWRMWt+βCMACMAt+εit

Pour bâtir ces régressions, nous utilisons les données de Kenneth French

disponible sur son site Web10 et les convertissons en CAD. Nous utilisons

uniquement les portefeuilles issus du S&P 500 pour effectuer cette analyse parce

que notre couverture géographique internationale ne correspond pas à celle de

Fama et French et il n’existe pas de facteurs quotidiens typiquement canadiens,

mais plutôt des facteurs nord-américains.

10 http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/index.html

30

Pour satisfaire à notre troisième hypothèse de recherche, nous construisons

des frontières efficientes en lien avec nos scénarios. Cette analyse est réalisée

pour apprécier l’impact des exclusions d’EF sur les frontières par rapport à des

frontières sans exclusions. Les portefeuilles utilisés dans cette partie représentent

les onze secteurs GICS sans exclusion d’une part et d’autre part ces mêmes

secteurs « défossilisés »11 selon les scénarios. Par exemple, les portefeuilles dans

le cadre d’une exclusion forte dans l’univers sont présentés dans le graphique 4.1.

Graphique 4.1 : Portefeuilles utilisés pour la construction de frontières efficientes dans le cas d’une exclusion forte.

On constate de prime abord qu’il y a 10 secteurs et non 11 dans ce graphique

parce qu’avec l’exclusion forte, on enlève également le secteur énergie en entier

tout en « défossilisant » les secteurs restants. De manière spécifique, nous

reconstruisons des portefeuilles sectoriels qui excluent les compagnies possédant

des réserves d’EF tel que défini dans le scénario restreint.

La construction des frontières consistera donc à résoudre le problème suivant

chaque fois 𝑚𝑖𝑛𝑤𝑤′𝑉𝑤 tel que 𝑤′𝟙 = 𝟙 et 𝑤′𝔼(𝑟) = 𝑅 où 𝔼(𝑟) sera notre matrice

11 Bien que ce mot n’existe pas, nous l’avons employé pour illustrer notre procédure en pensant que le lecteur en saisira la portée.

Ce graphique montre les secteurs GICS ayant servis à construire la

frontière efficiente dans le cas d’une exclusion forte. Les secteurs

portant la mention ex ont été filtrés selon ce scénario.

31

de rendements historiques réalisés, 𝑅 le rendement ciblé du portefeuille, w le

vecteur de poids positifs et V la matrice de variance-covariance des rendements

des actifs. La solution optimale w* est obtenue de la manière suivante

(w*

λ1λ2

)=(2V 𝟙 𝔼(r)𝟙' 0 0𝔼(r)' 0 0

)

-1

(0𝟙

R

) avec 𝜆1 et 𝜆2 étant les multiplicateurs de

Lagrange.

Étant donné que l’approche précédente considère que l’ensemble des

volatilités historiques ont le même poids (en situation de variance

homoscédastique), nous la transformerons avec une approche plus dynamique de

prédiction de la volatilité (en situation de variance hétéroscédastique). La finalité

est de déboucher sur une transformation de notre matrice de variance-

covariance. Cette approche est d’autant plus pertinente que les séries financières

montrent de fortes autocorrélations dans les rendements au carré. Pour répondre

à cette contrainte, nous modélisons la volatilité selon l’approche GJR de Glosten,

Jagannathan et Runkle (1993) afin d’effectuer des prédictions (ex ante)

nécessaires à la construction des frontières. Cette approche change la

modélisation Generalized Autoregressive Conditional Heteroscedastic (GARCH) de

base en ajoutant une fonction indicatrice pour tenir compte que généralement les

chocs négatifs contribuent plus à la volatilité que les chocs positifs dans les séries

financières. Il s’agit du leverage effect. Mais avant toute chose, il convient de

présenter en quoi consiste un modèle vanille GARCH.

Le modèle GARCH vient de Bollerslev (1986) qui dans sa thèse de doctorat s’est

inspiré des travaux d’Engle (1982) sur la modélisation ARCH. Il a fait évoluer cette

dernière approche pour aboutir à un modèle généralisé. Cette méthodologie vient

corriger des insuffisances de la modélisation ARMA (AutoRegressive Moving

Average) de Box et Jenkins pour effectuer des prédictions. La modélisation ARMA

consiste à utiliser des valeurs passées et présentes d’une série stationnaire telles

que définies dans l’équation suivante

32

Yt=ϕ0+ϕ1Yt-1+ϕ2Yt-2+…+ϕpYt-p⏟ ω0

+ϵt+ω1ϵt-1+ω2ϵt-2+…+ωqϵt-q avec Yt la

variable dépendante, Yt-i la variable dépendante déphasée de i périodes, p l’ordre

du modèle autorégressif, q l’ordre du modèle de la moyenne mobile, ϵt le résidu

au temps t, ϕ1…ϕp et ω1…ωq les coefficients à estimer.

La modélisation GARCH se déroule selon les étapes qui suivent :

• On identifie les paramètres du modèle chronologique de base ARMA (p,q) en

utilisant les fonctions d’autocorrélations et d’autocorrélations partielles de la

série Yt. En complément aux fonctions d’autocorrélation, nous utilisons aussi

d’autres critères comme la variance du modèle et le critère d’information

d’Akaike (AIC). L’AIC nous permet d’apprécier la qualité du modèle en fonction

de sa vraisemblance tout en pénalisant les modèles qui utilisent un nombre

élevé de variables. Les meilleurs modèles ont donc de faibles AIC et variance.

• On modélise les résidus avec le modèle GARCH

ϵt=ztσt avec zt~N(0, 1) une innovation

σt2=α0+∑βiσt-i

2

p

i=1

+∑αiϵt-i2

q

i=1

=α0+β1σt-12 +…+βpσt-p

2 +α1ϵt-12 +…+αqϵt-q

2

Lorsqu’on passe au modèle GJR-GARCH l’équation de la volatilité des résidus

devient

σt2=α0+∑(αj+γj𝕀)ϵt-j

2

q

j=1

+∑βσt-i2

p

i=1

avec 𝕀 une fonction indicatrice qui est telle que {𝕀 = 1 𝑠𝑖 ϵt-1 < 0𝕀 = 0 𝑠𝑖𝑛𝑜𝑛

. Afin de traduire

la pertinence de l’utilisation de la modélisation GJR-GARCH pour la prédiction de

la volatilité, le graphique 4.212 ci-dessous compare des prédictions selon cette

méthode contre celles d’écart-type historique en fenêtre roulante implicite à

l’approche de frontière efficiente traditionnelle.

12 L’annexe 6 présente le même graphique pour nos trois indices

33

Graphique 4.2 : Rendements historiques de l’univers, écarts-types traditionnels et écarts-types GJR-GARCH.

L’on constate que plus la fenêtre de temps est grande plus l’écart-type utilisant

les données historiques sera déphasé par rapport à la volatilité actuelle de la série

de rendements. Alors que l’écart-type prédit selon le modèle GJR-GARCH semble

mieux capter la dynamique évolutive de la volatilité des rendements ainsi que les

effets de clustering.

Conséquemment, nous améliorons notre construction de frontière efficiente

en modifiant la matrice de variance-covariance pour intégrer les volatilités GJR-

GARCH. La procédure est celle qui est décrite ci-dessous.

V*=(

σGJR,1 … 0

⋮ ⋱ ⋮0 … σGJR,n

)(

1 … ρ1,n⋮ ⋱ ⋮ρn,1 … 1

)(

σGJR,1 … 0

⋮ ⋱ ⋮0 … σGJR,n

)=D x C x D

V* = (

σGJR,12 … σGJR,1σGJR,nρ1,n⋮ ⋱ ⋮

σGJR,1σGJR,nρn,1 … σGJR,n2

) où D est la matrice diagonale des

écarts-types prédits selon le modèle GJR-GARCH et C la matrice de corrélation

34

historique. La nouvelle solution optimale 𝑤∗∗ est obtenue en résolvant l’équation

suivante :

(𝑤∗∗

𝜆1𝜆2

) = (2V* 𝟙 𝔼(𝑟)

𝟙′ 0 0𝔼(𝑟)′ 0 0

)

−1

(0𝟙

𝑅

)

Hansen et Lunde (2005) ont montré que le modèle GARCH(1,1) semble bien

performer par rapport à d’autres modèles de prédiction de la volatilité plus

complexes et dans la pratique, il est généralement admis d’utiliser des modèles

parcimonieux pour effectuer des prévisions. Nous nous basons donc sur ces

arguments pour adopter une modélisation GJR-GARCH(1,1,1) dans toutes nos

prédictions de volatilité. Un résumé des paramètres ARMA accompagné de l’écart-

type GJR-GARCH correspondant est présenté à l’annexe 7.

5 Analyse des résultats

Cette section présente les résultats des analyses selon les méthodologies

décrites précédemment. Nous commentons dans un premier temps la structure

des portefeuilles puis analysons leur performance pour terminer par l’analyse des

frontières efficientes.

5.1 Structure des portefeuilles

Notre analyse du poids du secteur énergie converge avec celle du rapport de

la firme Northstar Asset Management (2013) qui trouvait qu’Adler et al (2008)

avait exagéré la taille du secteur énergie sur le plan mondial et aux É-U. Une

moyenne des pondérations quotidiennes du secteur énergie dans nos 3 indices sur

la période allant de 2006 à 2016 nous permet d’obtenir les poids13 consignés dans

le tableau 5.1.

13 Un graphique d’évolution de ces pondérations par secteur et par indice est présenté à l’annexe 8.

35

Tableau 5.1 : Pondération moyenne du secteur énergie

Poids annuel moyen du secteur énergie de 2006 à 2016

Moyenne Minimum Maximum

Univers 9,05 % 4,57 % (année 2006) 11,46 % (année 2008)

S&P 500 10,45 % 7,02 % (année 2016) 13,23 % (année 2008)

S&P/TSX 60 27,40 % 21,32 % (année 2016) 32,24 % (année 2008) Ce tableau présente une moyenne des pondérations quotidiennes du secteur énergie dans les indices mentionnés de 2006 à 2016. Les moyennes annuelles minimale et maximale sur cette période sont aussi présentées avec l’année correspondante au constat de l’extremum.

À l’international et aux É-U, le secteur énergie varie autour d’une moyenne

d’un dixième de la taille des indices. Cette proportion s’accroit au Canada où les

deux secteurs les plus importants en ce qui concerne leur taille dans les indices

sont le secteur financier et celui de l’énergie. Sur le TSX/60, le poids moyen du

secteur énergétique s’élève à 27,40 % sur l’ensemble de la période

d’échantillonnage. Ainsi, selon notre approche, le poids du secteur énergie est

inversement proportionnel à la taille des marchés que nous étudions. Une autre

perspective d’analyse de ces poids est l’année de leur constatation. En effet, sur

les trois indices les poids moyens annuels maximaux sont atteints en 2008. Cela

n’est pas fortuit, car c’est l’année où le baril du pétrole a franchi le seuil de

140 USD14 sur les marchés. On peut déduire qu’avec un tel niveau de prix du

pétrole la valorisation des compagnies dans ce secteur a suivi une tendance à la

hausse, car étant liée à celle des réserves possédées. Les poids moyens minimaux

sont atteints en 2016 en Amérique du Nord et en 2006 à l’international.

Cependant, l’on doit noter que si l’année 2006 était exclue le minimum serait aussi

atteint en 2016 à l’international avec une pondération de 6,63 %. Cette même

année, le baril de pétrole franchissait le seuil de 50 USD après un processus de

décroissance prononcée du prix du pétrole.

Le tableau 5.2 présente le nombre de compagnies exclues chaque année selon

les scénarios d’exclusion que nous avons définis. Nous mettons également en

perspective chaque année le poids de ces scénarios en fin d’année dans les indices

respectifs.

14 L’annexe 9 présente une évolution du prix du pétrole sur la période d’échantillonnage

36

Il est à noter que les pondérations dans ce tableau suivent toutes la même

tendance baissière entre 2008 et 2016. Ainsi, comme dans le cas du secteur

énergie, nous voyons que nos scénarios décroissent sur le plan de l’importance de

la capitalisation relative. En outre, ceux qui excluent le moins d’entreprises et qui

ont les poids les plus faibles sont ceux qui concernent les réserves et l’activité

principale liée au charbon. Tout cela est encore en droite ligne avec les résultats

du Tableau 4.1, car nous avions identifié à la base très peu de compagnies liées au

charbon tant au niveau de la détention de réserves qu’à celui de l’activité

principale. Par contre, le nombre le plus important de compagnies exclues dans

les quatre premiers scénarios sur l’ensemble des indices arrive entre les

années 2012 et 2014 c’est-à-dire lorsque le prix du baril de pétrole oscillait autour

de 100 USD. Un fait à prendre en considération est que ce n’est pas dans cette

période de temps que nous constatons les poids les plus importants d’exclusion.

Ces poids maximaux étaient atteints la plupart du temps autour de 2008. Par ordre

d’importance, après le scénario d’exclusion forte, nous avons l’exclusion de

l’activité principale du pétrole & gaz (six sous-industries), les entreprises détenant

des réserves de pétrole & gaz, les réserves les plus controversées puis les scénarios

charbon.

La tendance baissière des pondérations des scénarios sur la période

d’échantillonnage doit être analysée à l’aune du fait que notre étude ne couvre

pas plusieurs cycles économiques. Il serait juste de penser que ce portrait aurait

été différent sur d’autres cycles passés.

37

N % N % N % N % N % N % N % N % N % N % N %

Nbre total de cie dans l'indice 1256 100% 1267 100% 1261 100% 1258 100% 1232 100% 1244 100% 1239 100% 1239 100% 1233 100% 1250 100% 1269 100%

Activité liée au secteur énergie et réserve d'E.F. 82 5,10% 89 12,58% 98 13,24% 105 13,06% 107 13,46% 109 13,97% 116 12,68% 114 11,19% 113 9,29% 110 7,10% 104 8,39%

Activité liée au pétrole & Gaz 65 4,36% 71 10,64% 78 11,06% 85 10,46% 87 10,68% 88 11,68% 95 10,45% 94 9,28% 95 7,78% 93 6,06% 87 7,13%

Réserve de gaz et de pétrole 41 3,80% 43 8,73% 51 10,63% 55 9,82% 58 9,78% 58 9,90% 62 9,30% 61 7,91% 61 6,37% 58 5,09% 56 5,85%

Réserve de charbon therm. & pétrole non conv. 34 3,37% 36 7,74% 42 8,92% 44 8,38% 46 8,50% 46 8,57% 50 8,07% 49 6,79% 48 5,43% 47 4,27% 44 5,01%

Réserve de charbon 6 0,35% 6 0,91% 6 0,74% 7 1,14% 7 1,29% 7 1,04% 8 1,08% 8 0,88% 7 0,68% 8 0,38% 8 0,58%

Activité liée au charbon 3 0,05% 4 0,15% 5 0,10% 4 0,15% 4 0,18% 5 0,12% 4 0,08% 3 0,06% 3 0,04% 2 0,02% 2 0,01%

Nbre total de cie dans l'indice 532 100% 537 100% 534 100% 526 100% 516 100% 519 100% 518 100% 518 100% 515 100% 532 100% 544 100%

Activité liée au secteur énergie et réserve d'E.F. 33 9,81% 36 12,97% 41 13,19% 44 11,73% 45 12,47% 45 12,54% 48 11,21% 47 10,52% 46 8,56% 44 6,48% 41 7,58%

Activité liée au pétrole & Gaz 30 9,46% 33 12,35% 37 12,83% 39 11,02% 40 11,56% 39 11,92% 43 10,74% 43 10,13% 44 8,43% 43 6,44% 40 7,49%

Réserve de gaz et de pétrole 14 7,36% 16 9,43% 20 10,89% 21 8,98% 23 9,49% 23 9,56% 24 8,09% 24 7,40% 24 5,79% 23 4,38% 22 5,30%

Réserve de charbon therm. & pétrole non conv. 14 7,36% 16 9,43% 20 10,89% 21 9,00% 23 9,51% 23 9,58% 24 8,08% 24 7,39% 23 5,77% 22 4,38% 21 5,20%

Réserve de charbon 0 0,00% 0 0,00% 0 0,00% 1 0,06% 1 0,09% 1 0,08% 1 0,04% 1 0,02% 0 0,00% 0 0,00% 0 0,00%

Activité liée au charbon 1 0,08% 1 0,12% 2 0,09% 2 0,15% 2 0,19% 3 0,12% 2 0,05% 1 0,03% 1 0,00% 0 0,00% 0 0,00%

Nbre total de cie dans l'indice 70 100% 66 100% 65 100% 65 100% 60 100% 61 100% 61 100% 62 100% 64 100% 63 100% 61 100%

Activité liée au secteur énergie et réserve d'E.F. 14 31,69% 15 32,66% 16 31,56% 17 31,92% 16 31,08% 16 29,87% 17 29,09% 17 26,78% 18 23,76% 16 20,33% 15 23,48%

Activité liée au pétrole & Gaz 12 28,48% 13 30,19% 14 30,28% 15 28,73% 14 26,87% 14 27,35% 15 26,69% 15 24,95% 16 22,67% 14 19,60% 13 22,20%

Réserve de gaz et de pétrole 6 18,33% 7 20,28% 8 20,30% 9 20,38% 9 19,12% 9 18,90% 10 18,06% 10 17,83% 10 13,99% 8 12,68% 8 14,00%

Réserve de charbon therm. & pétrole non conv. 7 20,02% 8 21,59% 9 20,65% 10 22,35% 10 22,04% 10 20,77% 11 19,80% 11 19,00% 11 14,59% 9 12,90% 9 14,94%

Réserve de charbon 1 1,70% 1 1,30% 1 0,35% 1 1,96% 1 2,92% 1 1,87% 1 1,75% 1 1,17% 1 0,59% 1 0,22% 1 0,94%

Activité liée au charbon 1 1,52% 1 1,16% 1 0,94% 1 1,23% 1 1,29% 1 0,65% 1 0,65% 1 0,65% 1 0,50% 1 0,50% 1 0,34%

2015

Ce tableau présente le nombre de compagnies qui ont été incluses dans les indices par année. Ce nombre de compagnies est aussi donné pour chacun des scénarios d’exclusion sur les différents indices sous la colonne N. Le pourcentage de

capitalisation correspondant à chaque N à la fin de l’année est présenté sous la colonne %.

Tableau 5.2: Nombre de compagnies exclues par année et pourcentage de capitalisation correspondant

2016

Un

ive

rsS

&P

50

0T

SX

60

2006 2007 2008 2009 2010 2011 2012 2013 2014

38

5.2 Analyse ex post de la performance

5.2.1 Performance alpha avec Fama & French (2015)

Les résultats de la régression avec les cinq facteurs de Fama et French sont

contenus dans le tableau 5.3. Ces régressions qui concernent uniquement l’indice

américain ont dans l’ensemble des coefficients de détermination ajustés assez

élevés. Nous comparons pour chacun des scénarios le S&P 500 auquel est appliqué

le filtre pertinent et la portion exclue qui est agrégée en portefeuille. Puis, les

mêmes analyses sont réalisées en séparant la fenêtre de temps en deux parties

égales. Les périodes testées sont différentes dans les scénarios charbon parce que

selon notre procédure d’identification des titres à exclure nous n’avons pas pu

trouver de titres sur certaines périodes. Ainsi, les quatre premiers scénarios seront

testés sur toute la période et de janvier 2006 à juin 2011 puis de juillet 2011 à

décembre 2016. De plus, l’on doit rappeler que le rééquilibrage des portefeuilles

se fait à l’instar des indices de référence c’est-à-dire trimestriellement.

Sur l’ensemble de la période, aucune des portions exclues n’a un alpha

significativement différent de zéro. Cela traduit le fait que de telles stratégies

n’auraient pas ajouté de valeur. Toutefois, on a une histoire différente sur la

deuxième période pour les scénarios relatifs au charbon. En effet, dans le cas du

portefeuille de réserve de charbon nous avons un alpha significatif et positif alors

qu’avec le portefeuille d’activité liée au charbon l’alpha est cette fois-ci

significativement négatif. Dans ce dernier cas, on détruisait de la valeur plutôt que

d’être neutre à ce niveau. L’on doit cependant prendre en considération que les

portefeuilles charbon sont loin d’être des portefeuilles diversifiés. Certaines

années, il y a seulement une compagnie dans le portefeuille et dans le cas des

réserves, il s’agissait d’exclure l’entreprise Cleveland-Cliffs.

39

R²adj

0,00052 0,56588 -0,26812 0,01578 -0,58253 -0,67624 0,00043 0,00090

(3,61) (41,60) (-11,29) (0,64) (-17,99) (-15,03) (1,08) (3,54) ***

0,00018 1,15708 -0,45697 -0,15689 -0,06239 -0,71198 0,00064 0,00039

(0,97) (64,69) (-14,63) (-4,84) (-1,47) (-12,04) (1,22) (1,14)

0,00051 0,57953 -0,26385 0,01110 -0,58871 -0,69712 0,00043 0,00090

(3,55) (42,11) (-10,98) (0,45) (-17,97) (-15,32) (1,09) (3,52) ***

0,00018 1,14603 -0,46643 -0,15813 -0,04171 -0,69957 0,00062 0,00042

(0,97) (64,04) (-14,92) (-4,88) (-0,98) (-11,82) (1,18) (1,21)

0,00051 0,58630 -0,27273 0,00977 -0,55325 -0,74854 0,00044 0,00089

(3,50) (42,62) (-11,35) (0,39) (-16,89) (-16,45) (1,11) (3,47) ***

0,00015 1,12591 -0,53040 -0,16930 -0,04277 -0,56810 0,00062 0,00036

(0,80) (63,00) (-16,99) (-5,23) (-1,01) (-9,61) (1,22) (1,06)

0,00050 0,57765 -0,27539 0,01163 -0,54278 -0,74030 0,00044 0,00089

(3,51) (42,35) (-11,56) (0,47) (-16,72) (-16,41) (1,11) (3,48) ***

0,00015 1,12663 -0,52963 -0,17029 -0,04345 -0,56727 0,00062 0,00036

(0,80) (63,14) (-17,00) (-5,27) (-1,02) (-9,61) (1,23) (1,05)

janv 09 - juin 11 juil 11 - déc 13

0,00027 0,97361 -0,22060 -0,07000 -0,36556 -0,26749 0,00028 0,00022

(5,61) (162,58) (-23,24) (-8,06) (-33,19) (-17,28) (3,75) *** (4,17) ***

-0,00070 1,59272 0,23802 0,55820 -0,86342 -1,67063 0,00064 0,00021

(-0,84) (14,17) (1,35) (2,35) (-4,24) (-4,76) (0,76) (4,74) ***

janv 06 - juin 10 juil 10 - déc 14

0,00033 0,98949 -0,24651 -0,07300 -0,32237 -0,25337 0,00047 0,00021

(8,22) (267,18) (-37,60) (-11,08) (-35,70) (0,01) (7,37) *** (4,74) ***

-0,00053 1,70478 0,06123 -0,36109 0,14423 -2,07867 0,00064 -0,00134

(-0,94) (33,54) (0,66) (-4,01) (1,15) (-12,10) (0,85) (-2,14) **

βRMW βCMA

********

*** ***

******

***

α βRm βSMB βHML

***

*** *** ***

******

***

*** *** ***

***

71,63%

***

*** *** ***

******

69,27%

71,93%

67,93%

*** *** *** *** ***

************

*** *** *** ***

72,41%

69,89%

*** *** *** *** ***

51,78%

***

******

***

Tableau 5.3 : Résultats empiriques de la régression avec les 5 facteurs de Fama et French

janv 06 - juin 11 juil 11 - déc 16

67,84%

72,24%

******

***

******

*** ***

S&P500 excluant énergie fossile - Rf

Rend. énergie fossile - Rf

S&P500 excluant activité pétrole & gaz - Rf

Rend. Ptf activité pétrole & gaz - Rf

α

2009-2013

2006-2014

Le tableau présente les coefficients i ssus des régress ions . Les va leurs entre parenthèses sont les t-s tats et leurs s igni ficativi tés est représentées à 5% et 1% respectivement par ** et ***. Les va leurs non s igni ficativement

di fférentes de 0 sont en rouge. Rm est la prime de rendement du marché, SMB représente la di fférence moyenne de rendements entre des portefeui l les de peti tes et de grandes capita l i sations , HML représente la di fférence

moyenne de rendement entre des portefeui l les va leur et des portefeui l les croissance, RMW est la di fférence moyenne de rendement entre des portefeui l les robustes et fa ibles au niveau de la profi tabi l i té opérationnel le,

CMA est la di fférence de rendement moyenne entre des portefeui l les de ti tres conservateur et agress i f au niveau des investissements .La période d'échanti l lonnage va du 3 janv. 2006 au 30 déc. 2016 pour tous les scénarios

sauf ceux qui concernent le charbon. Dans le cas des réserves de charbon cette période va du 21 décembre 2009 au 31 décembre 2013. Dans celui du secteur charbon, el le va du 20 novembre 2006 au 19 septembre 2014. Les

régress ions sont également effectuées en divisant la période d'échanti l lonnage où les données sont disponible en deux partie égale. l 'a lpha de ces 2 périodes est présenté dans la section de droi te du tableau.

2006 - 2016

S&P500 excluant réserve de charbon - Rf

Rend. Ptf réserve de charbon - Rf

S&P500 excluant Réserve de pétrole & gaz - Rf

Rend. Ptf. Réserve de pétrole & gaz - Rf

S&P500 excluant réserve de pétrole non

conventionnel & charbon therm. - Rf

Rend. Ptf réserve de pétrole non conventionnel

& charbon therm. - Rf

97,98%

39,42%

97,97%

Rend. Ptf activité charbon - Rf

S&P500 excluant activité charbon - Rf

40

Par contre, tous les portefeuilles du S&P 500 filtrés selon les différents niveaux

d’exclusion ont des alphas positifs et très significatifs. Ces stratégies ont donc été

rentables sur toute la période d’échantillonnage. Cependant, cette bonne

performance résulte des bons résultats sur la dernière sous-période. De toute

évidence, les quatre premières stratégies d’exclusion n’ont pas ajouté de valeur

de janvier 2006 à juin 2011 alors que de juillet 2011 à décembre 2016 nous avons

des alphas positifs et très significatifs. Une annualisation15 des alphas obtenus sur

cette seconde période montre des valeurs fluctuant autour de 22 % tandis que ces

mêmes alphas sur 10 ans annualisés sont approximativement de 13 %.

L’exclusion du charbon aboutit dans les deux cas et sur les sous-périodes à des

alphas significatifs, mais plus faibles que ceux des quatre premiers scénarios.

5.2.2 Performance générale pour l’international, les É-U et le Canada

L’annexe 10 présente des graphiques d’évolution de la richesse cumulée d’un

dollar (1 CAD) investi dans les différents secteurs et les indices de référence. Le

tableau 5.5 donne la richesse cumulée résultante à la fin de la période pour le

secteur énergie et les indices correspondants. Par ordre d’importance, la richesse

cumulée est plus importante dans les indices internationaux, aux É-U puis au

Canada. La richesse cumulée dans le secteur énergie suit le même ordre de

classement.

15 L’annualisation se fait en multipliant les alphas du tableau 5.3 par 255 jours.

41

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

11,02% 19,69% 23,43% 11,02% 17,06% 15,96% 5,97% 25,18% 25,83% 13,48% 15,47% 20,20% 11,07% 25,05% 14,59% 12,15% 12,82% 19,68%

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

10,86% 19,54% 24,66% 11,01% 17,56% 15,86% 5,40% 25,03% 27,26% 13,53% 15,81% 20,12% 12,05% 22,98% 16,56% 11,15% 14,28% 18,06%

sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR

0,454 -0,074 2,161 0,960 0,990 0,289 0,136 -0,209 1,951 1,115 0,694 0,158 0,438 0,146 1,407 0,536 0,688 0,270

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

9,60% 25,22% 12,00% 15,70% 10,79% 21,00% 6,57% 32,95% 13,38% 18,84% 9,92% 26,83% 5,79% 33,91% 7,54% 20,19% 6,66% 27,90%

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

10,94% 19,50% 24,34% 11,00% 17,45% 15,83% 5,47% 25,08% 27,17% 13,53% 15,82% 20,15% 12,02% 23,43% 16,34% 11,33% 14,16% 18,40%

sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR

0,458 -0,044 2,134 0,749 0,985 0,250 0,139 -0,193 1,944 1,074 0,693 0,167 0,428 0,155 1,365 0,504 0,669 0,269

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

8,54% 26,26% 12,26% 16,60% 10,38% 21,96% 6,32% 32,61% 13,75% 18,76% 9,97% 26,60% 5,68% 33,40% 7,52% 20,09% 6,60% 27,55%

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

11,05% 19,65% 24,34% 11,01% 17,51% 15,93% 5,63% 25,13% 27,03% 13,52% 15,84% 20,18% 11,97% 23,54% 16,12% 11,30% 14,03% 18,46%

sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR

0,461 0,025 2,132 0,901 0,983 0,363 0,145 -0,181 1,935 1,282 0,693 0,242 0,423 0,207 1,350 0,575 0,659 0,336

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

8,64% 24,08% 10,40% 15,53% 9,52% 20,25% 6,43% 31,71% 11,46% 19,11% 8,92% 26,18% 3,73% 35,97% 4,37% 23,37% 4,05% 30,33%

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

10,92% 19,57% 24,58% 11,05% 17,55% 15,89% 5,62% 25,13% 27,04% 13,52% 15,84% 20,18% 11,77% 23,23% 16,24% 11,16% 13,98% 18,22%

sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR

0,456 -0,076 2,146 1,534 0,988 0,450 0,144 -0,187 1,936 1,301 0,693 0,241 0,421 0,151 1,377 0,584 0,666 0,302

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

9,48% 25,69% 9,11% 16,25% 9,30% 21,49% 6,52% 31,73% 11,40% 19,07% 8,93% 26,17% 4,59% 36,56% 4,70% 23,55% 4,64% 30,75%

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

10,91% 19,71% 23,59% 11,04% 17,08% 15,97% 5,97% 25,18% 25,84% 13,48% 15,48% 20,19% 10,92% 24,79% 14,67% 12,03% 12,78% 19,48%

sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR

0,452 -0,405 2,059 1,189 0,953 0,080 0,158 -0,285 1,852 0,902 0,675 0,073 0,360 -0,225 1,147 0,199 0,561 -0,072

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

13,64% 34,89% 4,58% 21,99% 9,02% 29,16% 5,63% 33,72% -13,96% 32,18% -4,67% 32,96% -2,72% 68,26% -2,98% 54,30% -2,85% 61,67%

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

11,01% 19,68% 23,45% 11,02% 17,07% 15,95% 5,97% 25,16% 25,85% 13,48% 15,48% 20,19% 11,26% 24,97% 14,65% 12,13% 12,94% 19,62%

sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR sharpe IR

0,458 -0,060 2,048 1,067 0,954 0,143 0,158 -0,112 1,853 1,003 0,675 0,074 0,371 0,531 1,136 0,347 0,565 0,445

CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ CAGR σ

-3,19% 51,60% -12,56% 31,00% -8,00% 42,56% -5,28% 61,50% -17,60% 29,77% -11,66% 48,31% -16,34% 46,48% -3,17% 30,85% -9,99% 39,44%

Ptf réserve Pétr. & Gaz

Indice Ex. réserve pétrole NC & charb. therm.

Ptf réserve pétrole NC & charb. therm.

Indice Ex. réserve charbon

Ptf réserve charbon

Indice Ex. charbon

Indice Ex. réserve Pétr. & Gaz

INTERNATIONAL

sharpe sharpeIndice

Indice avec exclusion forte

Ptf Energie Fossile

Indice Ex. Pétr. & Gaz

Ptf Pétr. & Gaz

USA CANADA

2007-2011 2012-2016 2007-2016 2007-2011 2012-2016 2007-2016 2007-2011 2012-2016 2007-2016

sharpe sharpe

0,458 2,047 0,953 0,158 1,852 0,674 0,362 1,130 0,557

sharpe sharpe sharpe sharpe sharpe

sharpe sharpe sharpe sharpe

0,301 0,709 0,426 0,139 0,664 0,301 0,112 0,330 0,172

sharpe sharpe sharpe sharpe sharpe

sharpe sharpe sharpe sharpe

0,249 0,686 0,388 0,133 0,687 0,305 0,110 0,331 0,172

sharpe sharpe sharpe sharpe sharpe

sharpe sharpe sharpe sharpe

0,276 0,614 0,378 0,140 0,554 0,270 0,048 0,150 0,072

sharpe sharpe sharpe sharpe sharpe

0,507 0,346 0,143 0,552 0,271 0,071 0,163 0,091

sharpe sharpe sharpe sharpe sharpe

Ce tableau présente le rendement effectif, l ’écart‐type annualisé, le ratio de Sharpe et le ratio d’information sur 10 ans et deux sous périodes de 5 ans à savoir 2007‐2011 et 2012‐2016. Ces mesures de performance sont présentées pour les indices fi ltrés selon les scénarios d’exclusion et

aussi pour le portefeuille représentant la portion exclue. Les taux sans risque pour le calcul des ratios de Sharpe proviennent de la banque du Canada. Sur les différentes périodes, les 3 meilleurs (2 meilleurs) ratios de Sharpe (ratios d’information) sont surlignés en vert alors que les 3 pires

(2 pires) ratios de Sharpe (ratios d’information) sont surlignés en jaune.

sharpe sharpe sharpe sharpe

0,334 0,169 0,246 0,108 -0,461 -0,198 -0,069 -0,071 -0,076

sharpe sharpe sharpe sharpe sharpe

Ptf charbon

Tableau 5.4 : Ratio de Sharpe, ratio d'information, écart-type et rendement effectif annuel par période

sharpe sharpe sharpe sharpe

-0,101 -0,433 -0,231 -0,118 -0,620 -0,280 -0,394 -0,131 -0,300

sharpe sharpe sharpe sharpe sharpe

sharpe sharpe sharpe sharpe

0,291

42

Tableau 5.5 : Richesse cumulée de 2006 à 2016 International É-U Canada

Indice de référence 6,89 $ 5,06 $ 4,21 $

Port. secteur énergie 3,41 $ 3,28 $ 2,15 $

Port. énergie fossile 3,58 $ 3,29 $ 2,26 $

Port. Pétr. & Gaz 3,43 $ 3,30 $ 2,18 $

Port. réserve Pétr. & Gaz 3,16 $ 3,08 $ 1,75 $

Port. réserve de pétrole non conv. & charb. therm.

3,13 $ 3,08 $ 1,90 $

Port. réserve de charbon 3,20 $ 0,62 $ 1,09 $

Port. charbon 0,47 $ 0,28 $ 0,45 $ Ce tableau présente la richesse cumulée d’un investissement de base d’un dollar (1 CAD) de 2006 à 2016. Cette richesse cumulée est présentée pour les indices de référence, le secteur énergie et les portefeuilles correspondant aux six scénarios d’exclusion.

Le tableau 5.4 présente des mesures de performance des indices filtrés

comparés chaque fois avec la portion exclue. Les portefeuilles d’activités et de

réserve de charbon ont de façon persistante des ratios de Sharpe classés parmi les

3 pires ratios sur l’ensemble des indices. Il n’est pas étonnant que ces portefeuilles

arrivent aux plus faibles richesses cumulées. Les ratios d’informations des

stratégies d’exclusion du charbon bien qu’étant positifs n’ont pas été les meilleurs

à l’international et aux É-U. Toutefois, sur 10 ans l’exclusion de la sous-industrie

du charbon au Canada produit le ratio d’information le plus important par rapport

à l’ensemble des autres stratégies sur ce marché. L’annexe 11 présente une

évolution de ces ratios d’information année après année pour les différents

indices. Ces graphiques nous montrent que les ratios d’information ont été

globalement positifs au Canada par rapport aux autres marchés. Nous obtenons

dans les faits des ratios d’information positifs entre 55 % et 73 % du temps sur ce

marché. Aux É-U, cette proportion passe à 45 % et à l’international elle varie entre

50 % et 63 %. Ces ratios d’informations sont également plus importants à

l’international et aux É-U comparativement au Canada.

L’exclusion des réserves de pétrole & Gaz et des réserves les plus polluantes

produit les meilleurs ratios d’information sur l’ensemble des marchés sur 10 ans.

Bien qu’étant diversifiés, les quatre premiers scénarios ont des volatilités sur 10

ans beaucoup plus importantes par rapport aux indices filtrés. Cet écart de

43

volatilité devient plus prononcé lorsque l’indice est plus concentré. L’annexe 12

présente une version plus détaillée du tableau 5.4.

L’étude de deux sous périodes de changement de régime du prix du pétrole

nous donne également des ratios d’information positifs sur ces périodes. Comme

le montre le graphique de l’annexe 9, le prix du pétrole était plus ou moins stable

autour de 100 USD entre mai 2011 et juin 2014 puis s’est effondré de juillet 2014

à janvier 2016. Le tableau 5.6 indique que ces ratios d’information ont été plus

importants pendant la période de chute du prix du pétrole pour les quatre

premiers scénarios. Cependant, nous soupçonnons, comme le montrent nos

analyses, que dans des périodes de fortes hautes du prix pétrole que ces ratios

soient plus faibles du fait de la bonne performance des compagnies associées aux

EF. Ainsi, le désinvestissement aurait été moins payant dans des périodes de

hausses soutenues du prix du pétrole.

Tableau 5.6 : Ratios d’information sur des périodes de différents régimes de prix du pétrole

Mai 2011 - Juin 2014 Juil. 2014 - Janv. 2016

Intern. É-U Canada Intern. É-U Canada

Indice avec exclusion forte

0,58 0,78 0,51 1,35 1,38 0,86

Indice ex. Pétr. & Gaz 0,25 0,67 0,3 1,18 1,42 0,86

Indice ex. réserve de Pétr. & Gaz

0,39 0,96 0,43 1,24 1,42 0,95

Indice ex. réserve de pétr. non conv. & charb.

therm. 1,44 0,98 0,55 1,78 1,42 0,92

Indice ex. réserve de charbon

1,49 0,7 0,93 0,31

Indice ex. charbon 1,37 0,85 0,3 0,06 Ce tableau présente les ratios d’information des indices filtrés selon les six scénarios d’exclusion sur deux périodes de changement de régime du prix du pétrole. La période de mai 2011 à juin 2014 a des prix du pétrole plus ou moins stables autour de 100 USD alors que la période de juillet 2014 à janvier 2016 est une période de baisse drastique des prix du pétrole.

5.3 Impact de l’exclusion sur les frontières

La construction de frontières efficientes obéit à la logique d’évaluation des

scénarios d’exclusion sur l’ensemble de portefeuilles optimaux. Des scénarios

auraient un impact négatif en nous privant d’une portion significative de

44

rendement ou en augmentant le risque de façon démesurée. De plus, la théorie

de portefeuille nous enseigne que se priver d’une partie de notre univers

d’investissement se traduirait en coût par rapport à l’univers de base.

Les graphiques 5.1, 5.2 et 5.3 nous présentent les frontières efficientes

traditionnelles. Ce dernier qualificatif est utilisé parce que nous utilisons la

modélisation de base pour la construction de ces frontières et plus

particulièrement des volatilités et incidemment une matrice de variance-

covariance traditionnelle. Dans ces graphiques, nous présentons les frontières

bâties à partir des secteurs GICS sans exclusions puis avec les quatre scénarios

d’exclusion les plus importants. Il s’agit notamment de l’exclusion forte, l’exclusion

du secteur et des réserves de pétrole & gaz et enfin de l’exclusion des réserves les

plus polluantes. L’omission des scénarios incluant le charbon est due à

l’anticipation ceux-ci auraient eu un impact moindre sur les frontières. Les

graphiques sont toujours présentés selon le même format c’est-à-dire un premier

graphique regroupant les frontières sur 10 ans et sur les deux sous-périodes de 5

années. Les frontières avec les données de 10 ans se trouvent toujours au milieu

des frontières des sous-périodes, car étant une moyenne de ces dernières.

Ensuite, nous présentons les frontières sur les différentes périodes soient 2007-

2016, 2007-2011 et 2012-2016. Les frontières de 2007 à 2011 présentent toujours

des rendements plus faibles et des niveaux de risques plus élevés que les

frontières de 2012-2016 à cause de l’impact de la crise financière de 2008. En

outre, les frontières de 2007-2011 sont sur un espace de risque plus étendu que

les autres. Cela traduit la très grande dispersion des portefeuilles sur ce plan. Une

illustration de cette dispersion de portefeuille au niveau du risque est présentée

au graphique 5.7. Toutes les valeurs sont annualisées et les frontières sont bâties

en partant du portefeuille à variance minimale jusqu’au secteur ayant eu le

rendement maximal.

Le constat sur ces trois premiers graphiques est que sur les 10 ans l’exclusion

a eu très peu d’impact sur les frontières. Le zoom sur les frontières montre un

impact, mais qui est toutefois très faible. Cependant, à l’international et aux États-

45

Unis nous observons une perte de rendement significative sur la première période

de 2007-2011. Cet impact est observé avec les scénarios d’exclusion forte,

d’exclusion des réserves de pétrole & gaz et d’exclusion des réserves les plus

controversées. L’impact est minimal sur ces frontières de 2012 à 2016. Sur le

TSX 60, nous constatons un impact très faible. De façon très intéressante, nous

voyons, distinctement sur le zoom du graphique 5.3 que deux frontières avec

exclusion dominent la frontière de base sans exclusion. Cela est contrintuitif. En

effet, nous devons rappeler que nous changeons les caractéristiques des

portefeuilles pour construire les frontières ce qui a une incidence sur la matrice de

variance-covariance. Dans un contexte habituel, on se serait attendu au fait que

les frontières avec exclusion soient toujours dominées par la frontière de base. Ici,

ce n’est pas le cas à cause du changement des caractéristiques des portefeuilles

utilisés pour la construction des frontières entrainant le fait qu’on ait des

frontières avec exclusion qui dominent la frontière de base sur certains pans du

graphique.

Dans le deuxième jeu de graphiques (5.4, 5.5 et 5.6), nous améliorons la

construction des frontières avec la prévision de volatilité à la GJR-GARCH. Cette

fois-ci, nous présentons uniquement l’exclusion la plus forte pour nous faire une

idée de son impact. Sur les 10 années à l’international et aux É-U, la frontière avec

exclusion forte domine la frontière de base sur des portions assez étendues.

Cependant, les conclusions sont identiques au contexte précédent pour les

frontières de 2007 à 2011. Dans le cas de la période 2012-2016 aux États-Unis,

nous constatons que l’exclusion forte prive d’une partie des rendements sur la

frontière près de la zone du minimum global variance. Comme dans le contexte

précédent, l’impact le plus faible de l’exclusion se voit sur le TSX 60.

46

Graphique 5.1 : Frontières inconditionnelles à l’international.

Graphique 5.2 : Frontières inconditionnelles aux États-Unis.

Graphique 5.3 : Frontières inconditionnelles au Canada

47

Graphique 5.4 : Frontières conditionnelles à l’international

Graphique 5.5 : Frontières conditionnelles aux États-Unis

Graphique 5.6 : Frontières conditionnelles au Canada

48

Graphique 5.7 : Frontières inconditionnelles et portefeuilles à l’international

49

6 Conclusion et limites

Cette étude nous a permis d’apprécier l’impact de l’exclusion des énergies

fossiles sur des portefeuilles. Pour ce faire, nous avons établi, différents niveaux

d’exclusion selon des scénarios qui correspondent assez bien aux politiques ex-

énergie fossile des FNB nord-américains. Ces impacts sont établis en prenant la

perspective d’un investisseur canadien. Incidemment, nous n’avons pas investigué

sur l’impact éventuel du taux de change sur nos résultats. De plus, il faudrait tenir

compte du fait qu’il y a un effet blue chips dans les résultats, car notre univers est

construit à partir des titres ayant les capitalisations boursières les plus importantes

sur leurs marchés respectifs. Or, beaucoup de compagnies en lien avec les EF ont

des capitalisations moyennes ou faibles. Cet impact est visible au tableau 4.1 dans

lequel nous saisissons que le croisement des données de Trucost avec notre

univers de titres enlève plus de la moitié des titres. Ainsi, on peut déduire que

cette portion omise représente des titres de plus faible capitalisation.

Toutefois, les résultats sont valables, car les indices utilisés capturent 70 % de

la capitalisation boursière mondiale et les portions exclues sont assez

représentatives de l’univers des EF. Nous trouvons que sur l’ensemble de la

période d’échantillonnage, l’exclusion des EF a été plus payante à l’international

et sur le S&P/TSX 60. L’ensemble de nos analyses convergent sur ces points. De

plus, les différents scénarios d’exclusion ont généré sur la même fenêtre de temps

de la valeur ajoutée aux États-Unis. Ce dernier point est établi en prenant en

considération des facteurs de risque largement reconnus par le marché. Nous

aboutissons aussi au fait que l’exclusion semble avoir eu un impact faible sur les

frontières efficientes sur cette période. Les résultats positifs dans l’ensemble

semblent être dus à la performance après 2011. L’on est donc en droit de se

demander si ces résultats ne sont pas causés par la baisse majeure du prix du

pétrole durant l’année 2014.

Comme nous l’avons vu dans la revue de la littérature, beaucoup

d’investisseurs pensent que l’ISR coûte du rendement. Cependant, selon le Global

50

Risks Report (2018)16 du Forum Économique Mondial de Davos, les risques

environnementaux font partie du top 5 des risques mondiaux en termes de

probabilité d’occurrence et de force d’impact depuis 2011. Ainsi, les changements

climatiques sont des facteurs de plus en plus pris en compte par les décideurs. En

droite ligne avec ce constat, cette étude montre que l’exclusion des EF ne nuit pas

à la performance sur notre période d’échantillonnage sans occulter le fait qu’elle

contribue à améliorer la responsabilité environnementale des investisseurs qui

conduiront de telles stratégies.

L’on ne saurait jamais assez insister enfin sur le fait que les résultats du passé

ne sont pas forcément représentatifs du futur. Cela est d’autant plus vrai que la

fenêtre de temps étudiée est limitée. Les résultats devraient être validés à travers

plusieurs cycles économiques. Nous sommes à ce niveau, tributaire du fait que la

recherche dans ce domaine est à ces débuts et il en va de même pour les données

disponibles.

16 Le graphique de l’annexe 13 présente une évolution des risques mondiaux en termes d’impact et de probabilité d’occurrence de 2008 à 2018.

51

Bibliographie

Adler, T., & Kritzman, M. (2008). The cost of socially responsible investing. Journal of Portfolio Management, 35(1), 52.

Advisors, A. (2015). Measuring the growth of the global fossil fuel divestment and clean energy investment movement. Arabella Advisors: Washington, DC, USA.

Amundi Asset Management. (2016). Extraction et exploitation du charbon : vers une exclusion du secteur ou une plus grande sélectivité.

Ansar, A., Caldecott, B. L., & Tilbury, J. (2013). Stranded assets and the fossil fuel divestment campaign: what does divestment mean for the valuation of fossil fuel assets?.

Arbuthnott, K. D., & Dolter, B. (2013). Escalation of commitment to fossil fuels. Ecological Economics, 89, 7-13.

Baker, H. K., & Nofsinger, J. R. (2012). Socially responsible finance and investing: financial institutions, corporations, investors, and activists. John Wiley & Sons.

Barnett, M. L., & Salomon, R. M. (2006). Beyond dichotomy: The curvilinear relationship between social responsibility and financial performance. Strategic Management Journal, 27(11), 1101-1122.

Berthon, J. (2000). Indices et performances boursières dans l’investissement éthique. Revue d’économie financière, 137-143.

Bessembinder, H. (2016). Frictional costs of fossil fuel divestment.

Black, F. (1972). Capital market equilibrium with restricted borrowing. The Journal of business, 45(3), 444-455.

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.

Bullard, N. (2014). Fossil fuel divestment: a $5 trillion challenge. White Paper, Bloomberg New Energy Finance, August, 25.

Capelle‐Blancard, G., & Monjon, S. (2014). The performance of socially responsible funds: does the screening process matter?. European Financial Management, 20(3), 494-520.

Carhart, M. M. (1997). On persistence in mutual fund performance. The Journal of finance, 52(1), 57-82.

Champagne, C., Coggins, F. & Latulippe, L. (2018). Éléments de la finance responsable : une perspective multidimensionnelle. Éditions Yvons Blais.

Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society, 987-1007.

52

Fama, E. F., & French, K. R. (1992). The cross‐section of expected stock returns. the Journal of Finance, 47(2), 427-465.

Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of financial economics, 33(1), 3-56.

Fama, E. F., & French, K. R. (1995). Size and book‐to‐market factors in earnings and returns. The journal of finance, 50(1), 131-155.

Fama, E. F., & French, K. R. (2014). A Five-Factor Asset Pricing Model [en ligne]. Columbia University.[Consulté le 28 février 2016]. Disponible à l’adresse : http://www8. gsb. columbia. edu/programs/sites/programs/files/finance/Finance% 20Semin ar/spring, 202014.

Fischel, D. R., & Lexecon, C. (2015). Fossil fuel divestment: A costly and ineffective investment strategy. Compass Lexecon.

Geddes, P. (2013). Do the investment math: Building a carbon-free portfolio. Aperio Group.

Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. The journal of finance, 48(5), 1779-1801.

Goodwin, T. H. (1998). The information ratio. Financial Analysts Journal, 54(4), 34-43.

Gouvernement du Canada. (2018, Mars 05). Énergie et les émissions de gaz à effet de serre (GES). Récupéré sur Ressources Naturelles Canada : https://www.rncan.gc.ca/energie/faits/energie-ges/20074

Hansen, P. R., & Lunde, A. (2005). A forecast comparison of volatility models: does anything beat a GARCH (1, 1)?. Journal of applied econometrics, 20(7), 873-889.

Hickman, K. A., Teets, W. R., & Kohls, J. J. (1999). Social investing and modern portfolio theory. American Business Review, 17(1), 72.

Humphrey, J. E., & Tan, D. T. (2014). Does it really hurt to be responsible?. Journal of business ethics, 122(3), 375-386.

Ibikunle, G., & Steffen, T. (2017). European green mutual fund performance: A comparative analysis with their conventional and black peers. Journal of Business Ethics, 145(2), 337-355.

Jensen, M. C., Black, F., & Scholes, M. S. (1972). The capital asset pricing model: Some empirical tests.

Kahneman, D. (2011). Thinking, fast and slow. Macmillan.

Kinder, P. D., & Domini, A. L. (1997). Social screening: Paradigms old and new. The Journal of Investing, 6(4), 12-19.

53

Lintner, J. (1965). Security prices, risk, and maximal gains from diversification. The journal of finance, 20(4), 587-615.

Lintner, J. (1969). The aggregation of investor's diverse judgments and preferences in purely competitive security markets. Journal of financial and quantitative analysis, 4(4), 347-400.

Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.

McKibben, B. (2012). Global warming’s terrifying new math. Rolling Stone, 19(7), 2012.

Morgan Stanley. (2016). Climate change and fossil fuel aware investing: risk, opportunities and a roadmap for investors.

Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica: Journal of the econometric society, 768-783.

MSCI. (2016). Fossil fuel divestment: a practical introduction.

Nelson, D., Hervé-Mignucci, M., Goggins, A., Szambelan, S. J., Vladeck, T., & Zuckerman, J. (2014). Moving to a low-Carbon Economy: The Impact of policy pathways on fossil fuel Asset Values. CpI Energy Transition Series, 1-47.

Northstar Asset Management. (2013). The cost of fossil fuel divestment has been greatly exaggerated.

Pachauri, R. K., & Meyer, L. (2014). Climate change 2014 Synthesis Report.

Paun, A., Knight, Z., & Chan, W. S. (2015). Stranded assets: what next?. HSBC Bank plc.

Ritchie, J., & Dowlatabadi, H. (2015). Divest from the carbon bubble? Reviewing the implications and limitations of fossil fuel divestment for institutional investors. Rev. Econ. Financ, 5, 59-80.

Ross, S. A. (2013). The arbitrage theory of capital asset pricing. In HANDBOOK OF THE FUNDAMENTALS OF FINANCIAL DECISION MAKING: Part I (pp. 11-30).

Shapiro, R., & Pham, N. (2012). The Financial Returns from Oil and Natural Gas Company Stocks Held by American College and University Endowments.

Sharpe, W. F. (1963). A simplified model for portfolio analysis. Management science, 9(2), 277-293.

Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The journal of finance, 19(3), 425-442.

Sharpe, W. F. (1966). Mutual fund performance. The Journal of business, 39(1), 119-138.

Sharpe, W. F. (1994). The sharpe ratio. Journal of portfolio management, 21(1), 49-58.

Sireklove, J. (2016). Fossil-Free Investing. The Journal of Index Investing, 6(4), 129-133.

54

Treynor, J. L. (1961). Toward a theory of market value of risky assets. Unpublished manuscript, 6, 831-868.

Treynor, J. L., & Black, F. (1973). How to use security analysis to improve portfolio selection. The Journal of Business, 46(1), 66-86.

Trinks, A., Scholtens, B., Mulder, M., & Dam, L. (2017). Divesting Fossil Fuels: The Implications for Investment Portfolios.

Trinks, P. J., & Scholtens, B. (2017). The opportunity cost of negative screening in socially responsible investing. Journal of Business Ethics, 140(2), 193-208.

World Economic Forum. 2011. Accelerating the Transition towards Sustainable Investing. Consulté au http://www3.weforum.org/docs/WEF_IV_AcceleratingSustainableInvesting_Report_2011.pdf

World Economic Forum. 2018. The Global Risks Report 2018. Consulté au http://www3.weforum.org/docs/WEF_GRR18_Report.pdf

55

Annexes

Listes des annexes :

Annexe 1 : Répartition du nombre de compagnies dans l’indice de référence sur

la période d’échantillonnage.

Annexe 2 : Taux sans risque canadien pour le calcul des ratios de Sharpe.

Annexe 3 : Description du secteur énergie dans la classification GICS.

Annexe 4 : Extraits de politiques d’exclusion des énergies fossiles de FNB nord-

américain.

Annexe 5 : Champs de données d’énergie fossile extraits du module énergie

fossile de Trucost.

Annexe 6 : Rendements quotidiens d’indice, volatilité historique selon le modèle

GJR-GARCH et la moyenne simple en fenêtre roulante.

Annexe 7 : Paramètres des modèles ARMA(p,q) et écart-type GJR-GARCH(1,1,1)

des portefeuilles.

Annexe 8 : Évolution des pondérations sectorielles dans les indices.

Annexe 9 : Prix du baril de pétrole.

Annexe 10 : Richesse cumulative dans les différents secteurs, les indices de

référence et les portefeuilles filtrés.

Annexe 11 : Évolution des ratios d’information année après année.

Annexe 12 : Statistiques descriptives de la performance.

Annexe 13 : Évolution des risques mondiaux en termes de forces d’impact et de

probabilité d’occurrence.

56

Annexe 1 : Répartition du nombre de compagnies dans l’indice de référence sur la période d’échantillonnage

Région Pays 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Europe de l'ouest Allemagne 33 34 36 35 35 37 39 40 40 41 44

Amérique du sud Argentine 3 3 2 2

Australie et Nouvelle Zélande Australie 52 56 60 55 54 57 51 51 52 54 53

Europe de l'ouest Autriche 3 4 4 4 4 4 4 4 4 3 3

Europe de l'ouest Belgique 10 10 11 12 11 11 10 10 10 10 10

Amérique du sud Brasil 17 17 17 20 17 18 19 20 19 19 19

Amérique du nord Canada 70 66 65 65 60 61 61 62 64 63 61

Amérique du sud Chili 10 10 11 12 11 11 11 10 10 10 10

Amérique du sud Colombie 2 2 2 2 2 2

Asie de l'est Corée du sud 10 12 13 13 13 13 13 13 11 11 14

Europe du nord Danemark 5 5 6 6 6 6 6 7 9 12 14

Europe du sud Espagne 18 19 20 22 20 20 20 18 19 20 20

Amérique du nord Etats-Unis 530 538 534 526 516 518 517 518 515 532 544

Europe du nord Finlande 6 7 7 8 8 8 9 9 10 9 9

Europe de l'ouest France 49 50 52 51 50 50 52 52 49 50 49

Europe du sud Grèce 4 5 5 5 5 5 3 2 2

Europe de l'ouest Hollande 19 18 16 15 15 17 17 19 19 21 21

Asie de l'est Hong Kong 19 23 20 18 19 21 22 23 23 23 22

Europe du nord Irelande 6 6 6 7 4 4 4 5 4 5 6

Europe du sud Italie 28 23 22 25 23 23 22 22 22 25 27

Asie de l'est Japon 150 150 153 152 155 154 154 155 151 154 154

Amérique centrale Mexique 10 10 10 10 10 10 8 8 8 10 10

Europe du nord Norvège 6 7 7 7 7 8 8 8 8 8 9

Amérique du sud Perou 3 3 3 3 3 3 3 2

Europe du sud Portugual 6 6 6 6 7 7 6 4 4 3 2

Europe du nord Royaume-Unis 134 127 118 115 111 108 110 108 107 106 105

sud-est asiatique Singapour 8 8 7 7 7 7 7 6 6 6 6

Europe du nord Suède 21 23 25 25 25 27 27 28 29 27 28

Europe de l'ouest Suisse 22 23 22 26 27 28 27 26 28 28 31

Asie de l'est Taiwan 14 14 13 13 13 12 12 13 12 12 12

Total 1263 1274 1268 1265 1236 1250 1244 1246 1240 1267 1287

Tableau 1: Répartition du nombre de compagnies par pays et par année dans l'univers

57

Tableau 2: Répartition du nombre de compagnies par région et par année dans l'univers

Région 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Amérique centrale 10 10 10 10 10 10 8 8 8 10 10

Amérique du nord 600 604 599 591 576 579 578 580 579 595 605

Amérique du sud 30 30 30 37 31 34 35 35 34 34 33

Asie de l'est 193 199 199 196 200 200 201 204 197 200 202

Australie et Nouvelle Zélande 52 56 60 55 54 57 51 51 52 54 53

Europe de l'ouest 136 139 141 143 142 147 149 151 150 153 158

Europe du nord 178 175 169 168 161 161 164 165 167 167 171

Europe du sud 56 53 53 58 55 55 51 46 47 48 49

sud-est asiatique 8 8 7 7 7 7 7 6 6 6 6

Total 1263 1274 1268 1265 1236 1250 1244 1246 1240 1267 1287

58

Annexe 2 : Taux sans risque canadien pour le calcul des ratios de Sharpe

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Moyenne annuelle des rendements quotidiens des bons du Trésor à 1 an

2,74 % 2,87 % 1,58 % 0,18 % 0,32 % 0,61 % 0,63 % 0,67 % 0,63 % 0,36 % 0,32 %

Moyenne sur 5 ans des rendements quotidiens des obligations à 5 ans

2,00 % 0,87 %

Moyenne sur 10 ans des rendements quotidiens des obligations à 10 ans

1,85 %

Taux du marché monétaire et autres taux d’intérêt de la Banque du Canada. Valeurs extraites quotidiennement sur la période allant du 3 janvier 2006 au 31 décembre 2016 à partir du tableau 176-0048 sur le site Web de statistique Canada consulté le 18 janvier 2018. Les valeurs des bons du Trésor à 1 an sont une moyenne annuelle des taux quotidiens des bons du Trésor à 1 an. Les valeurs des obligations 5 ans sont une moyenne sur 5 ans des taux quotidiens des obligations 5 ans. La valeur de l’obligation 10 ans est une moyenne sur 10 ans des taux quotidiens des obligations 10 ans.

59

Annexe 3 : Description du secteur énergie dans la classification GICS

SECTEUR GROUPE D'INDUSTRIES

INDUSTRIE SOUS-INDUSTRIE

10 Énergie 1010 Énergie 101 010 Équipements et Services dédiés à l’Énergie

10 101 010 Forage gazier et pétrolier

Entrepreneurs de forage ou propriétaires d’appareils de forage qui offrent leurs services pour les puits de forage

10 101 020 Équipements et Services liés au Pétrole et au Gaz

Fabricants d’équipement, y compris les appareils et l’équipement de forage, et fournisseurs de produits et de services aux entreprises actives dans le forage, l’évaluation et la réalisation de puits gaziers et pétroliers.

101 020 Pétrole, Gaz et Combustibles 10 102 010 Gaz et Pétrole intégrés

Compagnies pétrolières intégrées spécialisées dans l’exploration et la production de pétrole et de gaz, ainsi que dans au moins une autre activité importante suivante : raffinage, commercialisation et transport, ou produits chimiques.

10 102 020 Exploration et Production de Pétrole et de Gaz

Sociétés spécialisées dans l’exploration et la production de pétrole et de gaz n’appartenant à aucune autre classification.

10 102 030 Raffinage et Commercialisation de Pétrole et de Gaz

Sociétés spécialisées dans le raffinage et la commercialisation de produits pétroliers, de gaz et/ou de produits raffinés et non-classées dans les sous-industries des Compagnies Gazières et Pétrolières Intégrées, ou des Producteurs Indépendants d’Électricité et du Commerce d’Énergie.

10 102 040 Stockage et Transport de Pétrole et de Gaz

Sociétés spécialisées dans le stockage et/ou le transport des produits pétroliers, de gaz et/ou de produits raffinés. Sont incluses les compagnies de gaz naturel diversifiées du secteur médian qui font face aux marchés concurrentiels, les conduites d’acheminement des produits pétroliers et des produits raffinés, les conduites d’acheminement des boues de charbon, et les entreprises de transport de pétrole et de gaz.

10 102 050 Charbon et Combustibles

Sociétés qui font partie principalement de la production et l’exploitation de charbon, de produits connexes, et d’autres combustibles liés à la génération d’énergie. Ne sont pas incluses les sociétés qui produisent principalement des gaz et qui sont classées dans la sous-industrie des Gaz Industriels et les sociétés qui exploitent principalement le charbon métallurgique (cokéfaction) utilisé dans la production d’acier.

Source : MSCI

https://www.msci.com/gics

60

Annexe 4 : Extraits de politiques d’exclusion des énergies fossiles de FNB nord-américain.

Nom Gestionnaire Origine Politique d’exclusion des énergies fossiles Sources

1919 Socially responsive balanced fund

1919 Investment USA a mix of common stocks and other equity securities of U.S. companies of any market capitalization and fixed income securities which are primarily investment grade and may be of any maturity… at least 65% equity… and at least 25% fixed income…avoidance of investments in companies that manufacture nuclear weapons or other weapons of mass destruction, derive more than 5% of their revenue from the production of non-nuclear weaponry or derive more than 5% of their revenue from the production or sales of tobacco, or have significant direct exposure to fossil fuel real assets.

Prospectus

APPLESEED FUND APPLESEED FUND USA We exclude companies from the Appleseed portfolio that generate material revenues in the following industries: Fossil Fuels, Alcohol, Tobacco, Gambling, Weapon systems, Pornography

Prospectus Site web

Azzad fund Azzad Asset Management Ziegler Capital Management

USA The Fund does not invest in corporations that derive substantial revenue (defined as more than 5% of total revenue) from alcohol, tobacco, pornography, pork, gambling, hydraulic fracturing, private prisons, or weapons industries as determined by the Adviser

Prospectus

BMO Fossil Fuel Free Fund

BMO Asset Management Canada exclude the securities of issuers that: - explore for, process, refine and/or distribute coal, oil and/or gas - produce and/or transmit electricity derived from fossil fuels - transmit natural gas

Prospectus

Boston Commom ESG impact

Boston Common Asset Management

USA we avoid companies who are primarily engaged in practices with negative global impacts. These practices include production of genetically modified organisms or seeds, mining of coal and uranium (and their major suppliers), electric power generation relying on coal or nuclear power, and manufacture of polyvinyl chloride (PVC).

Site web

Change Finance Diversified Impact U.S. Large Cap Fossil Fuel Free ETF

Change Finance Vident Investment Advisory

USA the Fund seeks to track the performance, before fees and expenses, of the ...Index...The Index ... uses an objective, rules-based methodology to measure the performance of an equal-weighted portfolio of approximately 100 large cap U.S.-listed companies that meet a diverse set of environmental, social, and governance (“ESG”) standards. Construction of the Index begins with the constituents of the Solactive US Large & Mid Cap Index ... screened against the Index’s ESG criteria based on scores provided by Oekom Research AG (“Oekom”)...The Index’s ESG criteria include receiving a minimum Oekom score with respect to (i) whether a company’s primary business is in a prohibited industry (e.g., oil, gas, coal, tobacco); (ii) whether a company is involved in producing goods in a controversial business area (e.g., fossil fuels, nuclear power, genetically modified organisms, military weapons, pesticides)...

Prospectus

61

Nom Gestionnaire Origine Politique d’exclusion des énergies fossiles Sources

ClearBridge SUSTAINABILITY LEADERS FUND

Legg Mason Partners Fund Advisor ClearBridge Investments

USA The fund will not invest in companies with significant direct involvement in extraction of fossil fuels and mining, and instead will seek other attractive sustainable opportunities in the energy, industrials, and materials sectors. Direct involvement in fossil-fuel extraction and mining would be inclusive of companies that derive revenues primarily from: extraction and/or burning of coal; mining of metals or minerals; exploration and production of oil and gas; and refining of fossil fuels. The fund may invest in companies that provide equipment and services to the energy and mining sectors.

Prospectus

Domini Impact Equity Fund

Domini Impact Investment USA Domini will seek to avoid investment in firms that it determines to be sufficiently involved with such goods and services to warrant exclusion. These goods and services include, but may not be limited to, alcohol, tobacco, gambling, weapons, nuclear power as well as owners and producers of oil or natural gas and companies substantially involved in coal mining.

Prospectus

Emerging Markets Fossil Fuel Free Equity

Acadian Asset Management

Global This composite invests in emerging equity markets, with no developed market exposure. This strategy avoids exposures to firms that own fossil fuel reserves. The strategy also seeks to reduce carbon emission exposure relative to the index.

document de présentation

Emerging Markets Sustainability Core 1 Portfolio

Dimensional Fund Advisors USA may consider carbon and other greenhouse emissions, or potential emissions, land use, cluster munitions manufacturing, biodiversity, involvement in toxic spills or releases, operational waste, water use, tobacco, child labor, and factory farming activities, among other factors. In particular, the Portfolio may exclude companies the Advisor considers to have high carbon or greenhouse gas emissions or reserves that may produce those emissions.

Prospectus

ESSEX ENVIRONMENTAL OPPORTUNITIES FUND

Essex Fund USA The Adviser’s proprietary universe consists of approximately 600 stocks comprised of companies ... that generate at least 25% of revenues from one or more of ...investment themes...• Agricultural Productivity & Clean Fuels: Technologies that allow for improved agricultural yields or lower greenhouse gas (GHG) emissions and have less environmental impact than fossil fuel based sources

Prospectus

Etho Climate Leadership U.S. ETF

Etho Capital USA excludes companies in industries or sub-industries or specific companies that are broadly associated with negative environmental, social, or corporate governance (“ESG”)...based on data provided by Trucost...generally exclude (i) all companies in the energy sector, (ii) all companies in the tobacco, aerospace and defense industries, and (iii) all companies in the gambling, gold and silver sub-industries.

Prospectus

GMO Climate change GMO Funds USA The Fund generally expects to exclude from its portfolio companies with significant involvement in fossil fuel extraction or production

Prospectus

62

Nom Gestionnaire Origine Politique d’exclusion des énergies fossiles Sources

Green century Equity Green Century USA Fund does not intend to invest in companies that explore for, extract, produce, manufacture or refine coal, oil or gas or produce or transmit electricity derived from fossil fuels or transmit natural gas or have material carbon reserves.

Prospectus

Hartford Global Impact Hartford Funds Management Company

USA invests at least 80% of its assets in companies engaged in low carbon electricity, energy efficiency, low carbon transportation, and/or water and resource management, or otherwise involved in seeking to address environmental challenges and/or improve the efficiency of resource consumption. Although the Fund may invest across different sectors and countries and has no limit on the amount it may invest in any single sector or country, the Fund generally can be expected to emphasize investments in the utilities and industrial sectors. The utilities and industrial sectors tend to include companies that address environmental challenges and/or seek to improve the efficiency of resource consumption. The Fund generally expects to exclude companies that have significant exposure to fossil fuels.

Prospectus

MD Fossil Fuel Free Bond Fund MD Fossil Fuel Free Equity Fund

MD Financial management Canada The Fund will seek to avoid investment in companies involved in extracting, transporting, processing of fossil fuels, such as: ••companies involved in oil and gas refining, marketing, storage & transportation ••oil, gas, coal & consumable fuels producers ••energy equipment & energy services companies ••companies that have significant involvement in transporting fossil fuels and the fossil fuel transportation infrastructure (includes marine, marine ports and services, railroads and trucking) ••any companies in the utilities sector that have significant involvement in the fossil fuel industry

Prospectus

Parnassus Fund Parnassus Investments USA The Fund avoids investing in companies engaged in the extraction, exploration, production, manufacturing or refining of fossil fuels; the Fund may invest in companies that use fossil fuel-based energy to power their operations or for other purposes

Prospectus

Pax Global Environmental Markets Fund

Pax World Management Impax Asset Management

USA The Fund avoids investing in companies that its investment adviser determines are significantly involved in the extraction and/or refining of fossil fuels (coal, oil and gas).

Prospectus

Portfolio 21 Global Equity Fund

Trillium Asset management USA There are certain industries and business activities that we believe are too environmentally risky or present social outcomes that are too unattractive to warrant investment consideration. We exclude the extractive industries of mining and fossil fuel production, as well as companies exclusively involved in agricultural biotechnology, gambling, nuclear energy, tobacco, and weapons production.

Prospectus

63

Nom Gestionnaire Origine Politique d’exclusion des énergies fossiles Sources

RBC Vision Fossil Fuel Free Global Equity Fund

RBC Global asset management

Canada To provide long-term capital growth by investing primarily in equity securities of companies that operate in different countries around the world while avoiding companies that are directly involved in extracting, processing or transporting coal, oil or natural gas or those included in ‘The Carbon Underground 200’.

Site web

SPDR® S&P® 500 Fossil Fuel Reserves Free ETF

State Street Global advisors

USA provide investment results that, before fees and expenses, correspond generally to the total return performance of ...Index…The index is designed to measure the performance of companies in the S&P 500 Index that are "fossil fuel free", which are defined as companies that do not own fossil fuel reserves. For purposes of the composition of the Index, fossil fuel reserves are defined as economically and technically recoverable sources of crude oil, natural gas and thermal coal but do not include metallurgical or coking coal, which are used in connection with steel production

Fact sheet

The Dreyfus Sustainable U.S. Equity Fund

The Dreyfus Corporation Newton Investment Management

USA invests at least 80% of its net assets...companies that demonstrate attractive investment attributes and sustainable business practices and have no material unresolvable environmental, social and governance (ESG) issues...assigns an ESG quality review rating to a company based on a proprietary quality review that includes one or more of the following: • Environmental analysis, which includes an assessment of material environmental issues, such as carbon emissions, water management, energy sources and uses, hazardous materials, environmental benefits, natural resources, biodiversity, land rehabilitation and the risks presented by physical threats such as extreme weather events.

Prospectus

The Gabelli ESG Fund Class AAA

Gabelli Fund USA the Fund will not invest in publicly traded fossil fuel (coal, oil, and gas) companies, the top 50 defense/weapons contractors, or in companies that derive more than 5% of their revenues from the following areas: tobacco, alcohol, gaming, and defense/weapons production. The Fund utilizes MSCI’s ESG ratings to assist in its holistic analysis of each company considered for investment.

Site web

64

Annexe 5 : Champs de données d’énergie fossile extraits du module énergie fossile de Trucost

Coal

Reserves 1P Metallurgical Coal (m tonnes)

Reserves 2P Metallurgical Coal (m tonnes)

Reserves 1P Thermal Coal (m tonnes)

Reserves 2P Thermal Coal (m tonnes)

Reserves 1P Other Coal (m tonnes)

Reserves 2P Other Coal (m tonnes)

Oil

Reserves 1P Conventional Oil (mmbbl)

Reserves 2P Conventional Oil (mmbbl)

Reserves 1P Unconventional Oil (mmbbl)

Reserves 2P Unconventional Oil (mmbbl)

Gas

Reserves 1P Natural Gas (bcf)

Reserves 2P Natural Gas (bcf)

Reserves 1P Shale Gas (bcf)

Reserves 2P Shale Gas (bcf)

65

Annexe 6 : Rendements quotidiens d’indice, volatilité historique selon le modèle GJR-GARCH et la moyenne simple en fenêtre roulante

66

Annexe 7 : Paramètres des modèles ARMA(p,q) et écart-type GJR-GARCH(1,1,1) des portefeuilles

p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1)

Ptf énergie fossile 3 3 0,7581% 2 0 1,2526% 1 5 0,6997% 4 4 1,0388% 5 3 1,8760% 2 2 0,6886% 2 2 0,7390% 5 3 1,1512% 2 2 0,6721% 5 4 0,6973% 3 3 1,1089% 5 4 1,1249% 3 4 0,7228%

Matériaux ex. rés. Pétr. Gaz & Charb. 2 5 0,6273% 2 1 1,3855% 3 4 0,6337% 1 5 0,8887% 5 5 1,7922% 5 5 0,9784% 4 4 0,8139% 1 5 1,2045% 5 3 0,7054% 1 1 0,7113% 5 5 0,5395% 4 4 0,6647% 5 5 0,5684%

Industrie ex. rés. Pétr. Gaz & Charb. 5 5 0,6110% 2 4 0,9944% 5 0 0,6314% 1 2 0,9073% 0 2 1,8439% 5 4 0,6984% 3 2 0,6778% 4 4 0,7582% 2 1 0,7067% 3 2 0,6345% 5 5 0,6951% 1 2 0,7045% 0 4 0,6643%

Cons. Discr. 5 3 0,6658% 5 3 0,9407% 4 4 0,6482% 5 3 0,7925% 3 5 1,4774% 2 2 0,6728% 5 5 0,7405% 2 3 0,8925% 4 2 0,5263% 7 0 0,6033% 4 3 0,6226% 4 4 0,8721% 34 0 0,6194%

Cons. Base ex. rés. Pétr. Gaz & Charb. 2 4 0,6563% 5 5 0,5348% 9 0 0,6460% 5 4 0,8173% 3 3 1,3420% 3 5 0,6228% 3 2 0,5441% 2 3 0,4726% 5 3 0,4132% 7 0 0,6025% 5 4 0,6435% 5 5 0,7652% 40 0 0,5897%

Santé 2 1 0,7840% 2 2 0,7318% 7 0 0,7778% 5 2 0,6557% 5 5 1,1999% 2 3 0,5732% 2 3 0,6355% 1 1 0,6576% 4 4 0,4943% 2 1 0,6768% 5 5 0,7431% 5 4 0,8718% 26 0 0,7735%

Finance ex. rés. Pétr. Gaz & Charb. 4 5 0,8425% 5 2 2,1422% 4 2 0,7962% 4 4 1,1634% 11 0 3,1328% 14 0 1,0449% 1 4 0,8218% 5 3 1,3922% 3 3 0,6911% 2 2 0,7059% 8 0 0,7722% 4 5 0,7724% 3 4 0,8989%

Tech. Infor. 1 1 0,7998% 0 1 0,9547% 5 0 0,7811% 1 1 1,2417% 5 2 2,1548% 1 1 0,6192% 3 5 0,6735% 5 3 0,7961% 3 3 0,6517% 3 3 0,6009% 14 0 0,7913% 5 5 0,8549% 3 5 0,8365%

Télécommunication 4 4 0,5652% 3 3 0,6019% 4 5 0,5445% 5 4 1,0781% 5 5 0,8698% 4 5 0,4995% 3 4 0,5946% 3 3 0,5947% 4 5 0,4337% 7 0 0,5735% 14 0 0,6693% 2 1 0,7215% 46 0 0,5478%

Serv. Aux collectivités ex. rés. Pétr. Gaz & Charb. 5 5 0,6793% 4 5 0,8169% 2 3 0,6965% 3 3 0,8390% 5 3 1,1209% 4 4 0,5768% 2 3 0,6744% 5 2 0,7757% 4 5 0,5377% 31 0 0,5989% 4 5 0,8192% 2 3 0,8247% 9 0 0,7760%

Immobilier 5 4 0,7439% 5 4 0,9252% 5 5 0,6463% 5 5 1,2018% 5 5 2,4566% 20 0 0,8536% 1 1 0,7963% 5 5 0,8169% 29 0 0,5320% 5 5 0,7577% 4 4 0,6795% 27 0 0,6378% 5 5 0,7707%

p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1)

Ptf énergie fossile 4 3 1,0454% 3 4 1,4141% 5 4 0,9710% 5 4 1,3449% 4 5 2,7708% 3 3 0,7746% 3 2 0,8515% 5 2 1,3502% 2 3 0,8747% 3 4 0,9026% 2 2 0,9909% 5 5 1,5941% 4 5 0,9712%

Matériaux ex. rés. Pétr. Gaz & Charb. 5 2 0,8292% 5 2 1,4255% 5 5 0,8892% 2 2 1,3887% 5 1 2,6809% 5 4 0,8774% 3 3 0,7622% 5 2 1,2733% 2 2 0,8223% 4 4 0,8501% 5 5 0,6120% 5 4 0,9874% 4 4 0,8054%

Industrie ex. rés. Pétr. Gaz & Charb. 3 3 0,8038% 3 3 1,1259% 3 3 0,8371% 4 3 1,1998% 5 4 2,5665% 4 4 0,6899% 5 4 0,7544% 5 2 1,0265% 5 5 0,6990% 3 3 0,7536% 4 3 0,7080% 4 4 0,8642% 4 4 0,8166%

Cons. Discr. 2 4 0,8240% 2 4 1,0261% 5 0 0,8502% 1 1 1,3311% 4 4 3,1666% 5 2 0,7231% 5 5 0,9271% 4 4 1,0162% 2 4 0,6928% 36 0 0,6853% 3 4 0,7619% 5 4 0,8928% 1 3 0,8604%

Cons. Base ex. rés. Pétr. Gaz & Charb. 3 4 0,7703% 3 4 0,6179% 5 4 0,8192% 2 2 0,9003% 4 3 1,8021% 4 2 0,6602% 2 3 0,6349% 3 5 0,5542% 2 3 0,5222% 7 0 0,6237% 4 5 0,7437% 4 5 0,8271% 3 3 0,8031%

Santé 5 1 0,8743% 4 3 0,8537% 3 3 0,8462% 3 4 0,9798% 5 2 1,6760% 0 3 0,7215% 2 3 0,7651% 4 5 0,7893% 5 4 0,5869% 36 0 0,7353% 5 5 0,9209% 1 2 0,9168% 1 1 0,9593%

Finance ex. rés. Pétr. Gaz & Charb. 5 5 1,1718% 5 5 1,6102% 5 4 1,1460% 5 3 1,6657% 5 5 3,1376% 4 5 1,0461% 3 2 1,1042% 5 2 1,5216% 2 1 0,9676% 4 3 0,9500% 13 0 0,7326% 5 5 1,0302% 26 0 1,2860%

Tech. Infor. 4 3 0,9803% 0 1 1,1117% 3 3 0,9329% 1 1 1,3688% 4 5 2,5056% 1 1 0,6448% 4 3 0,8513% 3 3 1,0026% 2 3 0,8149% 5 4 0,6873% 5 5 0,7229% 5 5 1,1003% 5 3 0,9488%

Télécommunication 3 3 0,9657% 3 4 0,7602% 5 5 0,9312% 4 5 1,4240% 3 4 2,4375% 2 2 0,7804% 4 2 0,6835% 5 5 0,8066% 5 4 0,7159% 9 0 0,7866% 4 5 0,9526% 2 2 0,8337% 3 5 0,9216%

Serv. Aux collectivités ex. rés. Pétr. Gaz & Charb. 3 2 1,0674% 3 2 0,7906% 2 2 0,8946% 4 4 1,1225% 4 5 2,0446% 1 1 0,8848% 5 3 0,6540% 5 5 0,6271% 1 1 0,6470% 2 1 0,7709% 5 5 1,1214% 4 4 1,0539% 4 3 0,9722%

Immobilier 3 5 0,9775% 4 5 1,1832% 0 2 0,8182% 2 2 2,2689% 4 5 5,0396% 3 4 1,1199% 3 3 0,9921% 4 4 0,8882% 4 5 0,7006% 1 1 0,8296% 4 2 0,7522% 1 2 1,0409% 4 4 0,9687%

p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1)

Ptf énergie fossile 5 5 0,8791% 5 4 1,4020% 5 5 0,8072% 5 2 1,1067% 4 4 3,3529% 5 5 0,8882% 5 5 0,7408% 5 4 1,2601% 3 1 0,7131% 10 0 0,6149% 4 5 1,4196% 5 5 1,6886% 3 3 0,9139%

Matériaux ex. rés. Pétr. Gaz & Charb. 3 5 1,6949% 5 5 2,4143% 2 2 1,7152% 5 5 1,3645% 5 1 4,2775% 5 5 2,1697% 3 5 1,0642% 4 4 1,7523% 12 0 1,3442% 3 4 1,2228% 4 3 1,8267% 5 4 2,0425% 28 0 2,0601%

Industrie ex. rés. Pétr. Gaz & Charb. 3 5 0,9225% 2 3 1,1311% 5 5 0,9065% 4 4 1,3757% 3 4 2,2492% 4 5 1,0615% 50 0 0,8864% 5 4 0,8683% 3 3 0,9026% 27 0 0,8880% 2 4 0,9396% 12 0 1,0919% 4 2 0,8903%

Cons. Discr. 5 3 0,7368% 4 5 1,0153% 5 4 0,7532% 5 5 0,8341% 4 4 2,2198% 5 4 0,5338% 5 5 0,6304% 4 3 0,9310% 5 5 0,6509% 4 0 0,6747% 11 0 0,8134% 4 3 0,9856% 2 2 0,6144%

Cons. Base ex. rés. Pétr. Gaz & Charb. 5 0 0,7379% 5 4 0,8247% 3 3 0,7111% 5 4 0,6702% 3 4 1,3593% 1 1 0,8047% 3 3 0,6558% 5 2 0,7256% 4 5 0,5956% 3 3 0,8401% 3 2 0,8799% 5 5 0,8737% 3 3 0,7544%

Santé 5 5 3,3869% 2 2 1,6964% 5 5 4,2551% 1 1 1,4061% 4 4 2,2850% 3 3 1,5276% 0 1 1,8670% 4 4 1,9750% 2 1 1,8340% 32 0 1,8414% 5 5 1,3292% 2 2 5,5809% 5 5 3,8496%

Finance ex. rés. Pétr. Gaz & Charb. 2 5 0,4727% 2 5 0,9086% 1 5 0,4773% 2 5 0,8220% 3 4 1,4391% 5 4 0,7282% 2 2 0,6463% 5 5 0,9214% 4 0 0,5051% 5 4 0,4719% 5 2 0,5361% 3 5 0,7521% 11 0 0,4840%

Tech. Infor. 5 5 1,1485% 2 2 4,0780% 5 5 1,1071% 4 5 2,3711% 5 5 4,2132% 5 5 1,6794% 17 0 1,9572% 2 1 3,5159% 14 0 5,4219% 5 5 2,9326% 18 0 1,4147% 0 1 1,2770% 1 2 1,1422%

Télécommunication 5 5 0,6588% 5 2 0,7085% 2 1 0,6486% 4 3 0,9496% 3 5 1,8420% 3 3 1,1667% 4 4 0,7082% 5 3 0,5375% 5 2 0,5517% 4 5 0,5773% 25 0 0,7083% 5 3 1,0278% 3 2 0,5066%

Serv. Aux collectivités ex. rés. Pétr. Gaz & Charb. 5 5 0,8140% 5 5 0,8089% 5 5 0,7886% 5 5 1,2090% 5 3 1,7914% 4 4 0,7945% 18 0 0,5367% 2 5 0,6667% 14 0 0,5464% 10 0 0,7672% 10 0 0,7586% 2 2 0,8598% 5 5 0,9504%

Immobilier

2013 2014Secteur GICS

10 ans 2007-2011 2012-2016 2007 2008

2015 2016

2015 2016

Secteur GICS10 ans 2007-2011 2012-2016 2007 2008 2009 2010

2009 2010 2011 2012

2008

2011 2012 2013 2014

2015 2016

Indice international

S&P 500

S&P/TSX 60

2009 2010 2011 2012 2013 2014Secteur GICS

10 ans 2007-2011 2012-2016 2007

67

p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1) p q σ gjr(1,1)

Energie 3 3 0,8173% 2 0 1,2585% 1 5 0,7623% 4 3 1,0292% 4 5 1,4410% 5 4 0,9565% 5 4 0,9063% 5 4 1,3755% 5 5 0,8375%

Matériaux 2 5 0,6574% 2 1 1,4251% 3 4 0,6574% 5 2 0,8430% 5 2 1,5174% 5 5 0,8862% 5 5 1,5777% 4 5 2,4192% 2 2 1,6146%

Industrie 5 5 0,6042% 2 4 0,9732% 1 2 0,6323% 3 4 0,8121% 3 3 1,1278% 3 3 0,8371% 3 5 0,9219% 2 3 1,1135% 5 5 0,9026%

Cons. Discr. 5 3 0,6643% 5 3 0,9532% 4 4 0,6482% 2 4 0,8323% 5 4 1,0288% 5 0 0,8502% 5 3 0,7375% 4 5 1,0105% 5 4 0,7532%

Cons. Base 2 4 0,6527% 5 5 0,5306% 0 0 0,6480% 3 4 0,7684% 3 4 0,6179% 5 4 0,8192% 5 0 0,7379% 5 4 0,8233% 3 0 0,7148%

Santé 2 1 0,7840% 2 2 0,7317% 0 0 0,7582% 5 1 0,8744% 4 3 0,8537% 3 3 0,8462% 5 5 3,4162% 2 2 1,6965% 5 5 4,2551%

Finance 4 5 0,8483% 5 2 2,1335% 4 2 0,7958% 5 5 1,1390% 5 5 1,6028% 4 5 1,1348% 2 5 0,4799% 2 5 0,8869% 1 5 0,4773%

Tech. Infor. 1 1 0,8033% 0 1 0,9598% 5 0 0,7821% 3 3 0,9760% 0 1 1,1117% 3 3 0,9343% 5 5 1,1595% 2 2 4,0780% 5 5 1,1124%

Télécommunication 4 4 0,5675% 3 3 0,6016% 4 4 0,5471% 3 3 0,9656% 3 4 0,7602% 5 5 0,9312% 5 5 0,6580% 5 2 0,6977% 2 1 0,6486%

Serv. Aux collectivités 5 5 0,6791% 5 5 0,8622% 3 3 0,6686% 3 2 1,0674% 3 2 0,7919% 2 2 0,8946% 5 5 0,8137% 5 5 0,8200% 5 5 0,8030%

Immobilier 4 4 0,7426% 5 4 0,9253% 4 5 0,6541% 3 5 0,9771% 4 5 1,1698% 0 2 0,8182%

Secteur GICS10 ans 2007-2011 2012-2016

International S&P 500 S&P/TSX 60

10 ans 2007-2011 2012-2016 10 ans 2007-2011 2012-2016

68

Annexe 8 : Évolutions des pondérations sectorielles dans les indices

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Évolution des pondérations sectorielles moyennes dans l'univers Immobilier

Serv. Aux collect.

Télécomm.

Tech. De l'inf.

Finance

Santé

Cons. De base

Cons. Discré.

Industrie

Matériaux

Energie

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Évolution des pondérations sectorielles moyennes dans le S&P 500 Immobilier

Serv. Aux collect.

Télécomm.

Tech. De l'inf.

Finance

Santé

Cons. De base

Cons. Discré.

Industrie

Matériaux

Energie

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Évolution des pondérations sectorielles moyennes dans le S&P/TSX 60Serv. Aux collect.

Télécomm.

Tech. De l'inf.

Finance

Santé

Cons. De base

Cons. Discré.

Industrie

Matériaux

Energie

69

Annexe 9 : Prix du baril de pétrole

Source : Bloomberg.

70

Annexe 10 : Richesse cumulative dans les différents secteurs, les indices de référence et les portefeuilles filtrés.

71

72

73

Annexe 11 : Évolution des ratios d’information année après année.

0,38

-1,4

2

0,20 0,34

-0,1

8

-0,1

5

2,23

0,16

2,48

2,32

-1,6

3

0,40

-1,2

5

0,14

0,77

0,13

-0,5

6

2,06

-0,2

7

2,14

2,03

-1,4

3

0,44

-1,2

7

-0,0

7

1,31

0,41

-0,2

6

2,37

-0,2

8

2,73

2,35

-1,3

9

0,35

-1,3

0

-0,0

8

0,86

-0,0

8

-0,1

6

2,28

3,28

2,45

2,34

-1,5

6

-0,0

8

-1,0

7

0,18

-2,2

1

-0,9

4

1,03

1,03

3,21

2,05

2,75

-2,2

1

0,88

-1,3

2

0,3

1

-1,5

4 -0,7

9

1,6

8

1,0

4

1,2

8

1,5

3 2,3

2

-0,1

2

2 0 0 6 2 0 0 7 2 0 0 8 2 0 0 9 2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6

RATIOS D' INFORMATION À L’ INTERNATIONAL

Indice avec exclusion forte Indice Ex. Pétr. & Gaz

Indice Ex. réserve Pétr. & Gaz Indice Ex. réserve pétrole NC & charb. therm.

Exclusion réserve charbon Exclusion charbon

-0,6

5

-1,6

6

-0,0

9

1,14

-0,7

1 -0,1

9

1,51

1,27

2,18

2,00

-1,1

7-0,6

4

-1,5

9

-0,1

3

1,42

-0,5

1

-0,4

1

1,46

1,18

2,09

1,97

-1,1

3-0,8

2

-1,5

2

-0,4

0

2,05

-0,2

5

-0,3

8

1,91

1,60

2,31

2,03

-1,0

8

-0,8

2

-1,5

2

-0,4

0

2,04

-0,3

0

-0,3

8

1,96

1,62

2,30

2,04

-1,0

8

-0,8

8

-1,4

2

0,38

1,40 1,

67

0,50

-1,5

6

0,30

-1,7

2

-1,1

0

1,75

1,22

2,26 2,

56

2 0 0 6 2 0 0 7 2 0 0 8 2 0 0 9 2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6

RATIOS D' INFORMATION AUX É-U

Indice avec exclusion forte Indice Ex. Pétr. & Gaz

Indice Ex. réserve Pétr. & Gaz Indice Ex. réserve pétrole NC & charb. therm.

Exclusion réserve charbon Exclusion charbon

0,31

-0,0

1

0,26

-0,1

7

0,21

0,28 0,

76

0,62

1,35

0,85

-0,9

9

0,53

-0,2

7

0,15 0,

43 0,86

-0,1

7

0,81

0,32

1,12

0,81

-0,6

9

0,26

-0,6

1

0,18

0,75

0,70

0,10

1,20

0,04

1,47

0,57

-0,5

1

0,09

-0,4

1

0,29

0,07

0,02 0,

37

1,10

0,38

1,67

0,64

-0,9

4

-0,9

5

1,01 1,15

-4,2

3

-1,8

7

1,09

0,08

1,38

2,17

0,96

-3,0

2

-0,4

9

0,77

0,60

-0,9

6 -0,3

9

1,92

-0,1

0

-0,0

6

0,68

0,02

1,61

2 0 0 6 2 0 0 7 2 0 0 8 2 0 0 9 2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6

RATIOS D' INFORMATION AU CANADA

Indice avec exclusion forte Indice Ex. Pétr. & Gaz

Indice Ex. réserve Pétr. & Gaz Indice Ex. réserve pétrole NC & charb. therm.

Exclusion réserve charbon Exclusion charbon

74

Annexe 12 : Statistiques descriptives de la performance.

75

76

77

Annexe 13 : Évolution des risques mondiaux en termes de force d’impact et de probabilité d’occurrence.