Planifier un objectif financier avec Monte Carlo et DCA

Vous voulez atteindre un montant précis dans un certain nombre d'années : un apport pour un achat immobilier, un capital retraite, une réserve de sécurité. La question qui compte n'est pas « combien le marché va-t-il rapporter », personne ne le sait à l'avance, mais « avec le plan que j'ai en tête, quelle est la probabilité d'y arriver ». La simulation Monte Carlo répond justement à cette question, pas avec un seul chiffre mais avec une distribution de résultats possibles.

Ce que fait cette analyse

L'analyse génère des milliers de trajectoires futures pour votre portefeuille, chacune avec une séquence différente de rendements annuels. Ce n'est pas une prévision de ce que fera le marché : c'est un moyen d'explorer l'ampleur possible des écarts si l'avenir ne reproduit pas exactement le passé. Chaque trajectoire part du même capital initial et applique, année après année, un rendement tiré d'une distribution calibrée sur la moyenne et la volatilité attendues. À la fin, la part des trajectoires qui dépasse l'objectif devient la probabilité de réussite.

Le nombre de simulations est configurable : dix mille est le compromis par défaut entre précision de l'estimation et rapidité du calcul, et c'est la valeur que la plupart des utilisateurs garderont sans y toucher.

D'où viennent les rendements simulés

Dans le Planner, vous fixez vous-même la moyenne et la volatilité des rendements annuels, dans les paramètres de la section. C'est l'hypothèse sur laquelle repose tout le cône : la relever ou la baisser déplace chaque percentile, pas seulement la médiane. Si vous lancez l'analyse juste après un backtest en revanche, ces deux chiffres sont calculés par le portefeuille lui-même à partir de ses rendements mensuels historiques, pas besoin de les estimer à la main, mais le résultat hérite aussi des qualités et des défauts de cette période historique particulière.

L'écart compte plus qu'il n'y paraît. Un rendement attendu optimiste fixé dans le Planner, ou un backtest lancé sur une décennie de marchés exceptionnellement favorables, produisent exactement le même effet : un cône décalé plus haut que ce que les marchés réels pourraient garantir dans les années à venir.

DCA et inflation : ce qui change dans le calcul

Si vous avez fixé un DCA, à chaque période le montant versé s'ajoute avant que le rendement ne s'applique, ce qu'on appelle en finance une annuité de début de période : votre argent travaille dès le premier jour de la période, pas depuis le dernier. La fréquence des versements, mensuelle, trimestrielle, semestrielle ou annuelle, c'est vous qui la choisissez.

Avec l'inflation activée, l'objectif cesse d'être un chiffre fixe et devient une cible mobile en termes réels. Un exemple concret : avec une inflation de 2 % par an, 100 000 € dans dix ans valent aujourd'hui environ 82 000 € de pouvoir d'achat. C'est ce montant corrigé, pas les 100 000 € nominaux, que le portefeuille doit effectivement dépasser pour que ce soit un succès.

Le graphique en cône : comment le lire

Le résultat principal est un graphique qui montre comment le capital pourrait évoluer année après année, non pas comme une prévision mais comme une carte des scénarios plausibles. Il comporte quatre éléments à lire ensemble.

La bande interne couvre le 25e et le 75e percentile, la moitié centrale des trajectoires simulées. La bande externe va du 5e au 95e, soit 90 % des cas. Plus les bandes sont resserrées, plus le résultat est prévisible ; plus elles s'élargissent avec le temps, plus la séquence des rendements pèse, au-delà de leur moyenne.

La ligne centrale est la médiane, le 50e percentile : la moitié des simulations finit au-dessus, l'autre en dessous. Une ligne séparée ne suit que les versements, capital initial plus tous les DCA cumulés sans aucun rendement : c'est le plancher théorique si le marché rapportait exactement zéro pendant toute la période, et elle sert à comprendre la part du résultat final qui vient des versements et celle qui vient de la croissance du capital. La ligne pointillée rouge marque l'objectif : si le cône le dépasse nettement, la probabilité est élevée ; si une bonne partie des bandes reste en dessous, elle est faible.

Un exemple chiffré

Capital initial de 20 000 €, DCA mensuel de 300 €, horizon de 20 ans, rendement attendu de 6 % par an avec une volatilité de 15 %, objectif 200 000 €, inflation désactivée. Sur dix mille trajectoires simulées, la médiane pourrait finir autour de 220 000 €, confortablement au-dessus de l'objectif ; mais la bande pessimiste du 5e percentile, celle des pires séquences de rendement, pourrait rester proche de 140 000 €, sous le seuil. La probabilité de réussite globale, le pourcentage de trajectoires atteignant 200 000 € ou plus, pourrait se situer autour de 75 % : un plan avec de bonnes chances, pas une certitude.

Ces chiffres sont un exemple construit pour montrer comment lire le résultat, pas l'issue d'une simulation réelle : la probabilité effective dépend des paramètres que vous saisissez et change d'un cas à l'autre.

Les hypothèses et les limites à connaître

Le modèle suppose des rendements annuels distribués selon une loi log-normale, avec une moyenne et une volatilité que vous fixez, ou qui découlent des rendements mensuels historiques si vous lancez l'analyse après un backtest. Le portefeuille est considéré comme rééquilibré chaque année selon les proportions d'origine, et les rendements utilisés sont avant impôts.

La limite la plus importante concerne justement la loi log-normale : elle tend à sous-estimer les queues épaisses, c'est-à-dire les événements extrêmes, et ne capte pas les crises systémiques corrélées comme celle de 2008, où plusieurs actifs chutent ensemble d'une façon que le modèle statistique ne prévoit pas. Si les paramètres de moyenne et de volatilité viennent d'un backtest, une période historique particulièrement favorable ou défavorable fausse les projections dans un sens ou dans l'autre. L'analyse, en outre, ne tient pas compte des frais de transaction, de la fiscalité sur les gains effectifs ni des événements de liquidité exceptionnels, un imprévu qui vous oblige à retirer du capital hors plan.

Quand la probabilité de réussite ne convainc pas, il existe aussi un chemin inverse : au lieu d'estimer la probabilité à partir du plan, on part de la probabilité souhaitée et on calcule ce qu'il faut changer pour l'atteindre. Il y a trois leviers, activables aussi ensemble : l'horizon temporel, combien d'années ajouter ; le DCA, combien verser en plus pour combler l'écart ; et, uniquement dans le flux lié à un backtest, l'allocation du portefeuille le long de la frontière efficiente calculée sur les mêmes données historiques. Dans le Planner, vous pouvez actionner les deux premiers, le levier sur l'allocation nécessite une frontière efficiente déjà calculée, disponible seulement après un backtest.

Dans BacktestFolio

Analyse d'Objectif Financier génère le graphique Projection de Croissance (Cône d'Ibbotson) et, en dessous, six encadrés avec la valeur du portefeuille à l'échéance par scénario : pessimiste au 5e percentile, une seule simulation sur vingt finit plus mal ; prudent au 25e ; médian au 50e ; favorable au 75e ; optimiste au 95e. Chaque encadré affiche aussi le CAGR implicite du scénario, le rendement annuel composé qui le produirait, utile pour le comparer à vos objectifs de rendement sans avoir à refaire le calcul à la main.

Vous la trouvez gratuitement juste après avoir lancé un backtest, sur la même page, avec la moyenne et la volatilité historiques qui viennent d'être calculées. La version dédiée et indépendante, sans avoir à lancer un backtest au préalable, se trouve dans le Planner pour les abonnés Plus.

Questions fréquentes

Une probabilité de réussite de 75 % veut-elle dire que j'ai quand même un problème dans 25 % des cas ?

Cela signifie que, parmi les milliers de séquences de rendement simulées et cohérentes avec les paramètres saisis, un quart finit sous l'objectif. Ce n'est pas une prédiction de ce qui va arriver, c'est la fréquence à laquelle le plan n'a pas tenu dans les conditions testées : une raison de plus de regarder aussi le scénario pessimiste, pas seulement la médiane.

Vaut-il mieux augmenter le DCA ou allonger l'horizon si la probabilité est faible ?

Ça dépend duquel des deux leviers vous pouvez réellement actionner. Un DCA plus élevé agit tout de suite, un horizon plus long laisse plus de temps à la croissance composée mais repousse l'objectif. La planification inversée calcule ce qu'il faut pour chaque levier, la décision devient donc un chiffre à comparer, pas une impression.

Voir aussi

• Glossaire : Monte Carlo, DCA, CAGR, Cône d'Ibbotson
• Guide : Taux de retrait «sûr» (SWR) et règle des 4 %

Le contenu de cette page est fourni à des fins éducatives uniquement et ne constitue pas un conseil financier, une recommandation d'investissement ou une promesse de rendement. Consultez la Clause de non-responsabilité financière.