En termes simples — La volatilité indique l’ampleur de la dispersion des mouvements selon une mesure déclarée. Elle ne dit pas si le prochain mouvement sera haussier ou baissier et n’existe pas comme nombre unique séparé des données et du calcul.
En finance, la volatilité décrit généralement la variabilité des rendements d’un actif. Un prix qui monte régulièrement peut être moins volatil qu’un prix qui alterne fortement hausses et baisses, même si les deux finissent au même niveau. Une volatilité élevée signifie davantage de dispersion dans la coordonnée mesurée ; elle ne signifie pas automatiquement baisse, risque total élevé ou opportunité rentable.
Avant de comparer deux nombres, il faut demander : volatilité de quoi, calculée sur quelles observations, à quelle fréquence, sur quelle fenêtre, avec quel estimateur et dans quelle unité ? Sans ces coordonnées, « volatilité 20 % » est une information incomplète.
Prix, rendements et direction
L’écart-type appliqué directement aux niveaux de prix dépend de leur échelle et de leur tendance. Pour comparer des périodes ou instruments, on emploie souvent des rendements simples ou logarithmiques :
rₜ = Pₜ / Pₜ₋₁ − 1gₜ = ln(Pₜ / Pₜ₋₁)Ces définitions ne sont pas identiques. Elles sont proches pour de petits mouvements mais diffèrent sur des intervalles larges et dans l’agrégation. Dividendes, intérêts, rolls et corporate actions doivent être traités selon la question : volatilité du prix, du rendement total et d’une série futures continue ne sont pas la même mesure.
Une mesure fréquente est l’écart-type d’échantillon des rendements, à poids égaux. Ici, n compte les rendements (au moins deux), pas les prix ; r̄ est leur moyenne arithmétique :
s = √[Σ(rₜ − r̄)² / (n − 1)]On élève au carré les écarts à la moyenne, pas les rendements non centrés. Inverser tous les signes laisse la dispersion inchangée : la volatilité n’indique pas la direction du prochain mouvement. Deux distributions peuvent partager le même écart-type et différer fortement par asymétrie, queues, sauts et perte maximale.
Exemple reproductible : cinq prix, quatre rendements
Prenons cinq clôtures hypothétiques de séances consécutives, à la même heure et dans la même devise, sans dividendes ni autres ajustements. Fréquence quotidienne, fenêtre de quatre rendements simples, poids égaux et dénominateur n − 1.
| Clôture | Prix | Rendement depuis la clôture précédente |
|---|---|---|
| 0 | 100,00 | — |
| 1 | 102,00 | +2 % |
| 2 | 102,00 | 0 % |
| 3 | 104,04 | +2 % |
| 4 | 104,04 | 0 % |
Par exemple, 104,04 / 102 − 1 = 0,02 = 2 %. Les quatre rendements décimaux sont 0,02 ; 0 ; 0,02 ; 0. Leur moyenne est 0,01, soit 1 % par jour dans l’échantillon.
Les écarts à la moyenne sont +0,01 ; −0,01 ; +0,01 ; −0,01 ; la somme de leurs carrés est 0,0004. Ainsi :
s² = 0,0004 / 3 = 0,00013333… ; s = √s² ≈ 0,011547 = 1,1547 %Diviser par n = 4 donnerait 1 % : une autre convention, pas une différence d’arrondi. Les prix ont augmenté, mais la volatilité mesure la dispersion autour de la moyenne. Quatre rendements illustrent le calcul ; ils ne fournissent pas une estimation fiable du risque futur.
« Historique » et « réalisée » exigent une convention
Dans l’usage courant, volatilité historique et volatilité réalisée désignent parfois une mesure construite à partir de données passées. Dans la littérature, realized volatility peut désigner plus précisément la racine carrée de la somme des rendements intrajournaliers au carré. La somme est la variance réalisée (RV = Σg²) ; sa racine est la volatilité réalisée sur l’intervalle. Ce calcul diffère de l’écart-type d’échantillon, qui soustrait la moyenne et divise par n − 1. Fréquence et intervalle doivent être précisés.
Une spécification reproductible déclare la série — clôture, rendement total, mid ou future continu —, le type de rendement, la fréquence, la fenêtre, la méthode, les poids et l’annualisation. Une fenêtre de 20 séances réagit plus vite qu’une fenêtre de 252, mais varie davantage. Un estimateur intraday peut être affecté par microstructure, horaires, observations manquantes et sauts de nuit.
Les estimateurs basés sur le range utilisent hauts et bas ; d’autres combinent ouverture, haut, bas et clôture. Aucun n’est automatiquement supérieur hors de ses hypothèses. Le nettoyage des erreurs et le traitement des valeurs extrêmes doivent être documentés, car ils modifient directement la statistique.
Annualiser sans cacher les hypothèses
Si s_d est un écart-type quotidien, une convention fréquente est :
σ_ann = s_d × √NN est le nombre de périodes quotidiennes supposé par an, par exemple 252 séances ou 365 jours. Il doit correspondre à la fréquence et au calendrier des données. Dans l’exemple, 1,1547 % × √252 ≈ 18,33 %. On annualise l’écart-type, pas la moyenne de 1 %.
La justification part de la variance d’une somme : on additionne les variances et deux fois les covariances entre périodes. Si les incréments ont des variances finies égales et des covariances nulles, la variance sur N périodes est Nσ² et l’écart-type est √Nσ. Cette identité ne nécessite pas la normalité.
Les rendements logarithmiques s’additionnent dans le temps ; les rendements simples se composent en multipliant 1 + r. Pour les rendements simples, la formule reste une convention d’échelle, pas l’identité exacte de la dispersion du rendement annuel composé.
L’autocorrélation et des variances différentes exigent des termes supplémentaires. Le clustering n’invalide pas à lui seul toute règle de la racine du temps, mais projeter une estimation récente sur un an exige de la prudence : une prévision conditionnelle doit préciser comment les variances évoluent. Sauts, calendrier et risque de queue restent à évaluer. 18,33 % n’est ni un mouvement prévu ni un intervalle garanti.
Écart-type, range, ATR et IV ne sont pas synonymes
L’écart-type des rendements mesure une dispersion autour de la moyenne. La
variance réalisée somme des rendements au carré. Les estimateurs range-based
utilisent hauts et bas. L’Average True Range (ATR) agrège le true range, TR = max(H − L, |H − C_précédente|, |L − C_précédente|), en unités de prix ; H et L sont le plus haut et le plus bas de la barre, C_précédente la clôture précédente. Longueur, initialisation et méthode de moyenne doivent être précisées. La volatilité implicite est
inversée depuis le prix d’une option à l’aide d’un modèle.
Un ATR de deux euros n’est pas une volatilité annualisée de 20 %. Un range absolu peut être normalisé par le prix pour comparer des instruments, mais il reste une autre mesure. Volatilité implicite et réalisée montre comment conserver ces coordonnées distinctes.
Régimes, risque et dimensionnement
La volatilité apparaît souvent par grappes : des périodes agitées suivent plus fréquemment des périodes agitées. Cette propriété motive des modèles conditionnels, mais ne rend pas certaine la prochaine observation. Une estimation utilise des données déjà vues et peut réagir après un saut.
Les termes haute volatilité, faible volatilité, compression et expansion n’ont de sens que par rapport à une distribution, un horizon et un benchmark. Une compression ne garantit pas un breakout et une expansion n’indique pas sa direction. Volatilité et liquidité sont également différentes : un marché calme peut avoir un carnet fragile et un marché volatil peut rester profond.
La volatilité aide parfois à calibrer les expositions :
exposition indicative ∝ budget de risque / volatilité estiméeCe principe n’est pas une garantie de perte maximale. L’estimation change, les queues et gaps dépassent la dispersion ordinaire, les corrélations peuvent monter et l’exécution peut être défavorable. Limites de levier, scénarios de stress et coûts restent nécessaires.
Une comparaison robuste montre aussi l’incertitude de l’estimation. Deux fenêtres proches peuvent inverser un classement ; quelques observations extrêmes peuvent dominer l’écart-type. Publier le nombre d’observations, les sous-périodes et la sensibilité aux conventions légitimes évite de présenter une précision qui n’existe pas. La volatilité reste une estimation de dispersion, jamais une description exhaustive du risque économique.
Erreur fréquente — Comparer 20 % et 25 % sans savoir si les mesures sont implicites ou réalisées, sur quel horizon, quelle fenêtre et avec quelle annualisation. Les décimales ne compensent pas une définition absente.
Références
U.S. Commodity Futures Trading Commission, CFTC Glossary — Volatility — définition institutionnelle et distinction historique/implicite.
Options Industry Council, Volatility & the Greeks — volatilité historique, implicite et sensibilités.
National Institute of Standards and Technology, Measures of Scale — écart-type et mesures robustes de dispersion.
Michael Parkinson, The Extreme Value Method for Estimating the Variance of the Rate of Return, 1980 — estimateur fondé sur le range.
Torben G. Andersen et al., The Distribution of Realized Stock Return Volatility, 2001 — construction de volatilité réalisée à haute fréquence.
Cboe Global Indices, Cboe Volatility Index Methodology — exemple de mesure issue des options selon une méthodologie publiée.
National Institute of Standards and Technology, Propagating Error — variance des sommes et terme de covariance.
J.P. Morgan/Reuters, RiskMetrics — Technical Document, 4e éd., 1996, §5.2.2, pp. 85–88 — échelle temporelle et limites des projections de volatilité.
Federal Reserve Board, Expected Stock Returns and Variance Risk Premia, 2007 — variance réalisée à partir des rendements intrajournaliers au carré.
Fidelity, Average True Range, section Calculation — définition du true range et agrégation de l’ATR.