Avec Benoît Mandelbrot, la finance moderne avait été confrontée à l’une de ses limites les plus profondes. Les marchés ne se comportent pas toujours comme les modèles gaussiens classiques le supposent. Les variations extrêmes y sont plus fréquentes, les épisodes de turbulence plus concentrés, les ruptures plus nombreuses. Le hasard financier n’est pas seulement continu et régulier ; il est souvent rugueux, intermittent, brutal. Mandelbrot avait ainsi obligé la finance à regarder ce que les modèles issus de Bachelier, Wiener et Black-Scholes-Merton laissaient en grande partie dans l’ombre : les queues épaisses, les discontinuités, les épisodes de crise et les changements d’échelle.
Mais une question demeurait ouverte. Si la volatilité n’est pas constante, si elle augmente dans les périodes de tension et se réduit dans les phases de calme, comment la mesurer ? Comment la modéliser ? Comment passer d’une intuition empirique, les marchés connaissent des régimes de turbulence, à un outil statistique utilisable pour prévoir, couvrir, valoriser et gérer les risques ?
C’est précisément à cette question que Robert Engle apporte une réponse décisive. Son œuvre ne cherche pas d’abord à reconstruire toute la finance théorique. Elle part d’une observation simple, mais essentielle : dans les séries financières, les grands mouvements de prix ont tendance à être suivis par d’autres grands mouvements, tandis que les petites variations sont souvent suivies par d’autres petites variations. Autrement dit, la volatilité se regroupe par périodes. Elle n’est pas uniformément répartie dans le temps. Elle possède une mémoire, non pas nécessairement dans la direction des prix, mais dans l’intensité de leurs fluctuations.
Cette propriété est aujourd’hui connue sous le nom de « volatility clustering[1] », ou regroupement de volatilité. Elle est devenue l’un des faits stylisés les plus importants de la finance empirique contemporaine. Robert Engle lui donne, au début des années 1980, une formulation économétrique rigoureuse avec les modèles ARCH, puis ouvre la voie aux modèles GARCH, qui deviendront l’un des instruments centraux de la mesure moderne du risque financier.
Robert Fry Engle III naît le 10 novembre 1942 à Syracuse, dans l’État de New York. Son parcours intellectuel est révélateur de l’évolution de la finance et de l’économie quantitatives dans la seconde moitié du XXe siècle. Il commence par une formation scientifique, orientée vers la physique, avant de se tourner progressivement vers l’économie. Cette trajectoire n’est pas anecdotique. Comme Bachelier, Wiener ou Mandelbrot, Engle appartient à cette famille de chercheurs dont l’apport à la finance provient d’un déplacement disciplinaire. Il ne vient pas d’abord de la pratique financière, mais d’une culture de la mesure, des modèles dynamiques et de l’analyse des phénomènes complexes.
Après ses études initiales, il poursuit sa formation à Cornell University[2], où il obtient un doctorat en économie. Il enseigne ensuite au Massachusetts Institute of Technology, puis à l’Université de Californie à San Diego, qui deviendra l’un des centres importants de l’économétrie moderne. Il rejoindra plus tard New York University, où son travail se rapprochera encore davantage des applications financières concrètes. Cette trajectoire universitaire le place au croisement de plusieurs mondes : l’économétrie théorique, la macroéconomie, la finance de marché et la gestion des risques.
L’économétrie, discipline au cœur de son travail, consiste à appliquer les méthodes statistiques à l’analyse des phénomènes économiques. Elle ne se contente pas de décrire des données ; elle cherche à identifier des relations, à tester des hypothèses, à construire des modèles capables de rendre compte de l’évolution des variables économiques et financières dans le temps. Dans le cas d’Engle, cette ambition porte sur une variable devenue centrale dans la finance contemporaine : la volatilité.
Avant Engle, la volatilité est évidemment connue. Elle intervient chez Markowitz comme mesure du risque dans la théorie du portefeuille. Elle devient chez Black-Scholes le paramètre fondamental du prix d’une option. Mais dans ces cadres, elle est souvent traitée comme une grandeur relativement stable, ou du moins comme une donnée que l’on peut estimer sur une période donnée. Or l’observation des séries financières montre tout autre chose. La volatilité change. Elle se contracte, s’amplifie, explose parfois. Elle semble elle-même obéir à une dynamique.
Cette idée est essentielle. Dans un modèle classique, on peut supposer que les rendements d’un actif sont aléatoires, mais que leur variance reste constante. Une telle hypothèse simplifie considérablement les calculs. Elle permet de travailler avec une distribution stable des rendements. Mais elle est empiriquement fragile. Les marchés traversent des régimes très différents. Une action, une devise, un taux d’intérêt ou un indice boursier ne fluctuent pas avec la même intensité en période normale, en période de crise financière, lors d’une annonce de banque centrale ou au moment d’un choc géopolitique. Le risque n’est donc pas seulement présent dans le niveau des prix ; il est aussi présent dans l’instabilité même de l’instabilité.
C’est cette seconde couche d’incertitude qu’Engle permet de formaliser. Dans son article fondateur de 1982, il introduit les modèles ARCH[3], Autoregressive Conditional Heteroskedasticity, que l’on peut traduire par « hétéroscédasticité conditionnelle autorégressive ». Le terme peut sembler technique, mais l’idée est très intuitive. « Hétéroscédasticité » signifie que la variance n’est pas constante. « Conditionnelle » signifie que la variance attendue à une date donnée dépend de l’information disponible à la date précédente. « Autorégressive » signifie que cette variance dépend de ses propres valeurs passées, ou plus précisément des chocs passés observés dans la série.
Autrement dit, dans un modèle ARCH, l’incertitude de demain dépend de l’intensité des erreurs ou des surprises d’hier. Si les marchés ont connu de fortes variations récemment, le modèle prévoit une volatilité plus élevée dans l’immédiat. Si les variations récentes ont été faibles, il prévoit une volatilité plus faible. Cette logique correspond remarquablement bien à l’expérience des marchés : après un choc, les prix ne reviennent pas instantanément à un régime calme. Les investisseurs réévaluent leurs positions, les ordres se multiplient, les couvertures sont ajustées, les marges sont modifiées, les anticipations se dispersent. Le choc initial engendre une période de turbulence prolongée.
La contribution d’Engle peut être résumée par une équation simple. Si l’on note le rendement d’un actif comme une innovation aléatoire dont la variance varie dans le temps, alors cette variance conditionnelle peut dépendre des chocs passés. Dans un modèle ARCH élémentaire, on peut écrire que la variance conditionnelle à la date t dépend d’une constante et du carré de l’erreur observée à la période précédente. Le carré de l’erreur joue ici un rôle central : il mesure l’intensité du choc, indépendamment de son signe. Une forte hausse ou une forte baisse augmentent toutes deux la volatilité future. Ce qui compte n’est pas seulement la direction du mouvement, mais son amplitude.
Ce point est capital pour la finance. Les prix peuvent être difficiles à prévoir en niveau ou en direction, mais la volatilité, elle, présente souvent une forme de prévisibilité. Il est très difficile de savoir si un actif montera ou baissera demain ; il est parfois plus raisonnable d’anticiper si le marché sera calme ou agité. Engle déplace donc l’objet de la prévision. Il ne prétend pas nécessairement prévoir le rendement lui-même ; il cherche à prévoir l’intensité de l’incertitude qui entoure ce rendement.
Cette idée modifie profondément la gestion financière. Pour un investisseur, pour une banque, pour un gestionnaire de portefeuille ou pour une chambre de compensation, il ne suffit pas de connaître le rendement attendu. Il faut mesurer la quantité de risque portée par une position, et cette quantité de risque change dans le temps. Un portefeuille acceptable dans une période de faible volatilité peut devenir dangereux lorsque la volatilité augmente. Une stratégie de levier qui paraît soutenable dans un régime calme peut devenir intenable dans un régime turbulent. Les modèles d’Engle fournissent précisément un langage statistique pour suivre cette transformation.
L’apport d’Engle est rapidement prolongé par les modèles GARCH, développés notamment par Tim Bollerslev en 1986. Le modèle GARCH[4], pour Generalized ARCH, généralise l’intuition initiale en faisant dépendre la variance conditionnelle non seulement des chocs passés, mais aussi de la variance passée elle-même. Cette extension est importante, car elle permet de capturer la persistance de la volatilité. Dans les marchés financiers, les périodes de turbulence ne disparaissent pas immédiatement ; elles ont une inertie. Les modèles GARCH permettent de représenter cette persistance de manière plus souple et plus efficace que le modèle ARCH initial.
Le succès des modèles ARCH et GARCH tient à leur double qualité. D’un côté, ils sont suffisamment simples pour être estimés sur des données financières réelles. De l’autre, ils sont assez riches pour rendre compte d’un phénomène essentiel : la volatilité évolue dans le temps et dépend de l’histoire récente du marché. Cette combinaison entre maniabilité statistique et pertinence empirique explique leur diffusion massive dans la finance contemporaine.
L’influence d’Engle apparaît d’abord dans la mesure du risque de marché. Les institutions financières doivent estimer les pertes potentielles de leurs portefeuilles. La Value-at-Risk, les stress tests, les exigences de capital, les modèles internes de gestion des risques dépendent tous, directement ou indirectement, d’une estimation de la volatilité future. Or utiliser une volatilité constante revient à ignorer les changements de régime. Les modèles inspirés d’Engle permettent d’ajuster les mesures de risque aux conditions de marché. Lorsque la volatilité récente augmente, les estimations de risque augmentent également. Lorsque le marché se stabilise, les mesures de risque se normalisent progressivement.
Ce mécanisme est particulièrement important pour les activités de marché. Un desk de trading ne prend pas le même risque lorsque la volatilité implicite et la volatilité réalisée sont basses que lorsque les marchés traversent une crise. Le dimensionnement des positions, les limites de risque, les appels de marge, le niveau de levier autorisé et les stratégies de couverture dépendent tous de l’état de la volatilité. Engle a donc contribué à transformer la volatilité en variable dynamique de pilotage. Elle n’est plus seulement une donnée historique ; elle devient une grandeur conditionnelle, actualisée, prévisible à court terme.
L’apport est tout aussi décisif pour le pricing des options. Dans le modèle de Black-Scholes, la volatilité est le paramètre essentiel. Mais le modèle suppose une volatilité constante, ce qui est contredit par l’observation des marchés d’options. Les volatilités implicites varient selon les prix d’exercice et les maturités. Elles dessinent des sourires (smiles), des rictus (skew ou smirks), des surfaces. Les modèles ARCH et GARCH ne suffisent pas à eux seuls à résoudre toute la question du pricing, mais ils participent au même mouvement intellectuel : sortir du monde à volatilité constante. Ils montrent que la volatilité possède sa propre dynamique et qu’elle doit être modélisée comme telle.
Ce déplacement prépare naturellement les modèles de volatilité stochastique, comme celui de Heston. Chez Engle, la volatilité est conditionnelle aux observations passées et estimée économétriquement. Chez Heston, elle devient elle-même un processus aléatoire continu intégré dans le modèle de valorisation. Les deux approches ne sont pas identiques, mais elles répondent à la même insuffisance du cadre Black-Scholes : l’hypothèse d’une volatilité fixe ne permet pas de comprendre pleinement les marchés réels. Engle fournit la voie empirique et économétrique ; Heston proposera une voie plus directement orientée vers le pricing des dérivés.
Il faut également souligner l’importance d’Engle pour la macroéconomie et l’analyse des séries temporelles. Son travail ne concerne pas seulement les actions ou les options. Les modèles ARCH ont d’abord été développés pour analyser l’inflation britannique[5], c’est-à-dire une variable macroéconomique. Leur application aux marchés financiers est venue ensuite, parce que les données financières présentent précisément des phénomènes de variance conditionnelle très marqués. Cette origine macroéconomique rappelle que la volatilité n’est pas uniquement un problème de salle de marché. Elle concerne les taux d’intérêt, les devises, les matières premières, les anticipations d’inflation et, plus largement, toutes les variables économiques dont l’incertitude change dans le temps.
En 2003, Robert Engle reçoit le prix de la Banque de Suède en sciences économiques en mémoire d’Alfred Nobel, partagé avec Clive Granger. Le comité Nobel récompense ses travaux sur les méthodes d’analyse des séries temporelles économiques à volatilité variable dans le temps. Cette reconnaissance institutionnelle confirme l’importance de son apport : Engle a donné aux économistes et aux financiers un outil permettant de modéliser non seulement les niveaux des variables, mais aussi l’évolution de leur incertitude.
L’œuvre d’Engle marque donc une étape importante dans l’histoire de la mathématisation de la finance. Bachelier avait introduit l’idée que les prix peuvent être décrits par des probabilités. Wiener avait donné au mouvement brownien une fondation rigoureuse. Markowitz avait fait du risque une variable centrale dans l’allocation de portefeuille. Black, Scholes et Merton avaient montré comment valoriser un produit dérivé dans un cadre de diffusion continue. Mandelbrot avait révélé que les marchés sont plus irréguliers, plus extrêmes et plus rugueux que ne le supposent les modèles gaussiens. Engle, lui, donne un instrument opérationnel pour mesurer l’une des manifestations les plus importantes de cette rugosité : la variation de la volatilité elle-même.
Son apport est d’autant plus important qu’il se situe à la frontière entre théorie et pratique. Les modèles ARCH et GARCH ne sont pas seulement des constructions académiques. Ils sont utilisés dans les banques, les sociétés de gestion, les systèmes de contrôle des risques, les modèles de prévision de volatilité, les plateformes de trading et les travaux de recherche appliquée. Ils appartiennent à cette catégorie d’outils qui ont profondément modifié la manière dont les marchés sont observés, mesurés et pilotés.
Mais comme toute grande construction théorique, le programme d’Engle possède aussi ses limites. Les modèles ARCH et GARCH supposent que la dynamique future de la volatilité peut être raisonnablement inférée à partir de son comportement passé. Or les crises financières montrent que certains changements de régime peuvent être brutaux. Un choc politique, une faillite bancaire, une pandémie, une guerre ou une rupture de liquidité peuvent modifier instantanément les conditions du marché. Dans ces situations, l’histoire récente peut ne plus suffire. La volatilité ne se contente pas toujours de persister ; elle peut sauter.
De plus, les modèles GARCH capturent bien le regroupement de volatilité, mais ils ne décrivent pas toujours correctement les queues extrêmes des distributions ni les asymétries de marché. Les baisses violentes ont souvent un effet plus fort sur la volatilité future que les hausses de même ampleur. C’est ce que l’on appelle parfois l’effet de levier : lorsque le prix d’une action baisse, le levier financier de l’entreprise augmente mécaniquement, ce qui peut accroître le risque perçu et donc la volatilité. Des extensions du modèle initial ont été développées pour tenir compte de ces effets asymétriques, comme les modèles EGARCH ou GJR-GARCH.
Ces limites ne diminuent pas la portée de l’œuvre ; elles en montrent au contraire la fécondité. Un grand modèle n’est pas seulement un outil définitif. Il est aussi un point de départ. Engle a ouvert un champ immense de recherche sur la volatilité conditionnelle, les corrélations dynamiques, le risque systémique et la prévision financière. Il a donné un vocabulaire et une méthode à un phénomène que les praticiens observaient depuis longtemps sans toujours pouvoir le formaliser.
L’une des extensions importantes de son travail concerne les corrélations dynamiques. Dans la théorie de Markowitz, les covariances entre actifs jouent un rôle central dans la construction du portefeuille. Mais, comme la volatilité, les corrélations ne sont pas constantes. Elles changent avec les régimes de marché et ont souvent tendance à augmenter en période de crise. Cela signifie qu’un portefeuille diversifié en temps normal peut se révéler beaucoup moins diversifié lorsque les marchés chutent ensemble. Engle développera plus tard des modèles de corrélation conditionnelle dynamique, ou DCC, afin de mieux mesurer cette instabilité des dépendances entre actifs. Ce prolongement relie directement son œuvre à la gestion de portefeuille et au risque systémique.
C’est ici que l’on mesure la continuité profonde entre Markowitz et Engle. Markowitz avait montré que le risque d’un portefeuille dépend des variances et des covariances. Engle montre que ces grandeurs ne sont pas fixes. Elles évoluent dans le temps. La frontière efficiente elle-même n’est donc pas une structure stable ; elle se déplace avec les conditions de marché. Ce qui était optimal hier peut ne plus l’être demain, non seulement parce que les rendements attendus changent, mais parce que la matrice de risque elle-même se transforme.
L’apport d’Engle est donc à la fois technique et philosophique. Il oblige la finance à penser le risque comme un objet dynamique. Le risque n’est pas une mesure figée que l’on calcule une fois pour toutes. Il est une variable vivante, dépendante de l’histoire récente, des chocs accumulés, des régimes de marché et des comportements collectifs. La volatilité devient ainsi une mémoire de l’incertitude. Elle enregistre les secousses passées et influence les décisions futures.
Cette vision a profondément transformé la finance contemporaine. Aujourd’hui, aucun acteur sérieux des marchés ne raisonne comme si la volatilité était constante. Les traders suivent la volatilité réalisée et implicite. Les risk managers ajustent leurs modèles aux régimes de marché. Les banques centrales observent les indices de volatilité comme des indicateurs de stress financier. Les régulateurs imposent des scénarios de crise. Les investisseurs savent que le niveau de volatilité conditionne le levier, la liquidité, la valorisation des options et la stabilité des portefeuilles.
Robert Engle occupe ainsi une place essentielle dans l’histoire des rapports entre mathématiques, statistiques et finance. Son œuvre prolonge la critique de Mandelbrot en lui donnant une traduction économétrique opérationnelle. Mandelbrot avait montré que les marchés sont irréguliers ; Engle montre comment mesurer, modéliser et prévoir une partie de cette irrégularité. Mandelbrot avait souligné la violence des extrêmes ; Engle donne un outil pour suivre la montée de la turbulence. Mandelbrot avait contesté la vision trop lisse du hasard financier ; Engle construit une méthode pour analyser un hasard dont l’intensité varie dans le temps.
Après Black-Scholes-Merton, Engle représente donc une étape indispensable. Il ne remplace pas la théorie du pricing, mais il en corrige l’un des présupposés les plus fragiles. Il rappelle que la volatilité n’est pas une constante technique inscrite dans une formule ; elle est une réalité de marché mouvante, observable, persistante, parfois explosive. En ce sens, son œuvre appartient pleinement à la finance post-Black-Scholes : celle qui conserve la puissance des modèles, mais cherche à les rapprocher des comportements réels des marchés.
La conclusion que l’on peut tirer de son apport est simple : dans les marchés financiers, le risque change de régime. Il ne suffit pas de le mesurer ; il faut suivre sa dynamique. Robert Engle a donné à la finance moderne l’un de ses instruments les plus puissants pour le faire. Grâce à lui, la volatilité est devenue non seulement un paramètre de modèle, mais un objet d’analyse à part entière. Elle n’est plus l’ombre statistique du rendement ; elle est devenue l’un des langages principaux par lesquels les marchés expriment leur inquiétude, leur instabilité et leur mémoire.
Ph Alezard
[1] Journal of Economic and Social Development (JESD) – Resilient Society Vol. 10, No. 2, September 2023
[2] https://news.cornell.edu/content/nobel-laureates-affiliated-cornell-university
[3] https://fr.scribd.com/document/879266492/Engle-R-F-1982
[4] https://public.econ.duke.edu/~boller/Published_Papers/joe_86.pdf
[5] https://warwick.ac.uk/fac/soc/economics/staff/gboero/publications/bsw5_englefest.pdf
