Tag: investissement

Je dois faire gaffe à la valeur intrinsèque

Me revoilà sur mon blog et je me concentre sur un truc : ma stratégie d’investissements boursiers. Je veux optimiser ma stratégie et à cette fin je me réfère à Warren Buffett et à sa philosophie d’investissement telle que vous et moi pouvons la trouver dans les rapports annuels de Berkshire Hathaway Inc. (https://www.berkshirehathaway.com/reports.html ). Je prends donc les principes de Warren Buffett et je les applique comparativement à deux compagnies : Tesla (https://ir.tesla.com/#tab-quarterly-disclosure ), la plus grande position dans mon portefeuille d’investissement, d’une part, et Selvita (https://selvita.com/investors-media/ ), une société polonaise de biotechnologie, sur les actions de laquelle je commence à développer un investissement sérieux.   

Avec Tesla, j’ai déjà entamé une analyse façon Warren Buffett (Tesla first in line) et maintenant je continue de manière comparative. C’est un truc qui marche : lorsque je veux comprendre quelque chose de complexe, je peux comparer cette chose complexe avec une autre chose complexe. Comparaison est une stratégie cognitive fondamentale. Elle me permet d’apercevoir les différences et les similarités entre des phénomènes complexes (tout est complexe, en fait) et de comprendre ainsi ce que la science cognitive désigne comme « saillance ».

Le genre de saillance sur laquelle je me concentre maintenant sont les traits distinctifs (et donc saillants et importants) de ces deux sociétés – Tesla (https://ir.tesla.com/#tab-quarterly-disclosure ) et Selvita (https://selvita.com/investors-media/ ) – en ce qui concerne les piliers conceptuels de la stratégie de Warren Buffett, qui sont :

>> l’entreprise en tant que telle : le modèle d’entreprise est-il simple et compréhensible ? l’entreprise a-t-elle une histoire cohérente d’exploitation ainsi que des perspectives favorables à long terme ?

>> la gestion : est-ce que la gestion de l’entreprise semble rationnelle ? Les gestionnaires semblent-ils agir dans le meilleur intérêt des actionnaires ? Les gestionnaires résistent-ils les

 modes et les pressions institutionnelles externes ?

>> la finance : quel est le retour sur capitaux propres ? quels sont les bénéfices agrégés pour les actionnaires ? Quelle est la marge de bénéfice dans les produits de l’entreprise ? Quelle est la concordance entre rétention de trésorerie d’une part et l’accroissement de valeur boursière ?   

>> le marché boursier : quelle est la valeur économique de la société en question ? comment cela concorde-t-il avec sa valeur boursière ?

Je me concentre sur la concordance entre la valeur économique de, respectivement, Tesla et Selvita, d’une part et leur valeur boursière d’autre part. Dans la stratégie modèle de Warren Buffett, la valeur économique d’une entreprise est égale au flux prévisible de trésorerie d’activités d’exploitation, escompté avec un taux de retour sur investissement sans risque. Pour donner un exemple pratiqe de cette méthode de base, je cite et traduis un passage du livre « The Warren Buffett Way » par Robert G. Hagstrom, plus précisément le fragment des pages 136 – 137 de l’édition Kindle, où la méthode de Buffett est démontrée dans son achat de Washington Post en 1973. Alors : « Nous commençons par calculer les revenus propriétaires pour l’année fiscale : bénéfice net de $13,3 millions plus dépréciation et amortissement de $3,7 millions moins les investissements capitalisables de $6,6 millions, ça donne un revenu propriétaire de $10,4 millions. Si nous divisons ce revenu par le taux de rendement des obligations souveraines long-terme de la Trésorerie Fédérale des États-Unis (6,81%), la valeur de Washington Post atteint $150 millions […]. Buffett dit qu’avec le temps, les investissements capitalisables d’un journal vont être égales au flux d’amortissement et de ce fait le bénéfice net devrait être une bonne estimation du revenu propriétaire. »

J’applique le même raisonnement à mes deux cas particuliers, donc Tesla et Selvita. Je vais chez https://ir.tesla.com/#tab-quarterly-disclosure et je sélectionne le rapport annuel pour 2020, soit https://www.sec.gov/Archives/edgar/data/1318605/000156459021004599/tsla-10k_20201231.htm. Je vais droit au rapport des flux de trésorerie https://www.sec.gov/Archives/edgar/data/1318605/000156459021004599/tsla-10k_20201231.htm#Consolidated_Statements_of_Cash_Flows .

Le bénéfice net de Tesla pour 2020 était de $862 millions, la charge d’amortissement montait à $2 322 millions, et le solde d’investissements capitalisables fût $3 132. J’obtiens un revenu propriétaire de $52 millions.  J’utilise deux taux de rendement comme référence : celui des obligations souveraines du Trésor Polonais, soit 3,242% (puisque j’investis à partir de Pologne), ainsi que celui des obligations souveraines long-terme de la Trésorerie Fédérale des États-Unis (1,35%), puisque mon résultat sur Tesla est déterminé par la valeur intrinsèque de Tesla telle qu’estimée par le marché financier pour Tesla se trouve aux États-Unis.

Après avoir divisé le revenu propriétaire de Tesla pour 2020 par ces deux taux alternatifs, j’obtiens une fourchette de valeur intrinsèque entre $1 603,95 milliards et $3 851,85 milliards. La capitalisation boursière de Tesla est couramment de $1 019 milliards, mais tout récemment, le 4 novembre, elle atteignait $1 248,43 milliards.

Je répète le même exercice – donc basé sur les résultats financiers pour l’année 2020 – pour Selvita. Je prends leur rapport financier annuel 2020 (https://selvita.com/wp-content/uploads/2021/03/Selvita-Group-Consolidated-Financial-Statements-2020.pdf ) et sur la page 8 je trouve le rapport des flux de trésorerie. Le bénéfice net était de PLN19 921 919, avec les charges d’amortissement de PLN13 525 722.

En ce qui concerne les d’investissements capitalisables, ça se corse. Je trouve un investissement en actifs matériels et immatériels de valeur totale de PLN15 003 636, ainsi que « l’acquisition d’autres actifs financiers » qui monte à PLN10 152 560. Selon la logique de Warren Buffett, l’investissement strictement dit, donc celui qui est déductible du revenu propriétaire, est celui en actifs productifs afférents à l’exploitation. L’acquisition d’actifs financiers est un placement, pas un investissement en actifs d’exploitation.

Je pense donc que je peux calculer le revenu propriétaire de Selvita de deux façons différentes. La première variante c’est « bénéfice net plus amortissement moins l’investissement en actifs matériels et immatériels » et dans la deuxième variante je considère l’acquisition d’actifs financiers comme un flux additionnel de trésorerie et je l’ajoute au solde du premier calcul. J’obtiens ainsi un revenu propriétaire façon Warren Buffett dans la fourchette entre PLN18 444 005 et PLN28 596 565. Je divise par le taux de rendement comme des obligations souveraines du Trésor Polonais (3,242%) et j’obtiens une fourchette correspondante de valeur intrinsèque entre PLN568 908 235 et PLN882 065 545. La dernière capitalisation boursière de Selvita est de PLN1 478 millions, avec un maximum sur les 12 mois derniers noté le 5 juillet 2021, égal à PLN2 894,7 millions.

Ma conclusion provisoire est que, sur la base des résultats financiers audités pour 2020, Tesla reste sous-valorisée par le marché boursier et ça donne des opportunités intéressantes. En revanche, Selvita semble être un peu gonflée en Bourse et je dois être sur mes gardes. Maintenant je passe à l’extension de l’exercice précèdent avec la méthode de MRQ ou « Most Recent Quarter », soit avec les résultats financiers non-audités de deux sociétés pour le troisième quart de 2021. Je fais un truc très primitif, qui est néanmoins utilisé fréquemment en analyse financière, donc j’extrapole les résultats de trois quarts de l’année fiscale en les multipliant par « 4/3 ». Oui, c’est simpliste et ça donne juste une estimation très provisoire de ce que les résultats annuels audités pour 2021 peuvent bien être. Néanmoins, cette méthode permet de simuler l’état d’esprit d’autres investisseurs qui – tout comme moi – utilisent la méthode de valeur intrinsèque façon Warren Buffett.

 Je commence par Tesla, encore une fois  (https://www.sec.gov/Archives/edgar/data/1318605/000095017021002253/tsla-20210930.htm#consolidated_statements_of_cash_flows . Bénéfice net $3 301 millions plus charge d’amortissement $2 063 moins investissements capitalisables de $5 952, ça donne… merde… – $588. Embarrassant, n’est-ce pas ? Revenu propriétaire négatif veut dire valeur intrinsèque négative. Esquive élégante : « Buffett dit qu’avec le temps, les investissements capitalisables d’un journal vont être égales au flux d’amortissement et de ce fait le bénéfice net devrait être une bonne estimation du revenu propriétaire. » Bon, Tesla, c’est presque comme un journal, quoi. Sauf que ça n’a rien à voir. Ce n’est même pas le même type fondamental de bien économique. Enfin, essayons avec l’équivalence « bénéfice net = revenu propriétaire ». J’extrapole le bénéfice net pour les 9 mois de 2021 sur les 12 mois de l’année fiscale et ça donne $4 401,33 millions. Je divise par le taux de rendement des obligations souveraines long-terme de la Trésorerie Fédérale des États-Unis (1,35%) et j’ai $326 024 milliards.

Je commence à comprendre la danse folle autour des actions de Tesla. Vous regardez le bénéfice net et ça a l’air de décoiffer (positivement). Vous jetez un coup d’œil sur les dépenses capitalisables d’investissement et vous commencer à vous poser des questions. Si le calcul très simple de Warren Buffett donne autant de doute, pas étonnant que plusieurs petits investisseurs se laissent prendre au jeu des grands fonds d’investissement futés.

Je passe à Selvita : https://selvita.com/wp-content/uploads/2021/11/Selvita-Group-Consolidated-Financial-Statements-Q3-2021.pdf . Bénéfice net sur les 9 mois de 2021 fait PLN8 844 005, les charges d’amortissement sur la même période montent à PLN17 764 894, acquisition d’actifs productifs est de PLN9 655 884 et celle d’actifs financiers c’est PLN3 172 566. Je somme des deux façons alternatives décrites plus tôt, j’extrapole sur les 12 mois, je divise par le taux d’intérêt sur les obligations de Trésor Polonais (3,242%)  et j’obtiens une valeur intrinsèque entre PLN660 936 257 et PLN784 623 041. C’est toujours très en-dessous de la capitalisation boursière de Selvita. Je dois faire gaffe.

Lettres de la zone rouge

Mon éditorial sur You Tube

Ça fait du temps depuis ma dernière mise à jour en français. Après une période de silence complet, suivie par une période de mises à jour exclusivement en anglais, je retourne à écrire en français aussi. C’était le rythme que je suivais dans le passé et j’aimais bien. Écrire en anglais et en français, sur les mêmes sujets, me donne comme une perspective sous deux angles différents. Oui, je sais, vu que nous avons des traducteurs automatiques, à présent, nous devenons habitués à l’idée que des langues différentes sont des façons alternatives de dire la même chose. À travers mon expérience personnelle, je peux dire que ce n’est pas vrai. Bien sûr, il y a dans chaque langue cette couche parfaitement traduisible, comme les jours de la semaine. Néanmoins, il y a plus : une langue est une structure cognitive que j’utilise pour appréhender la réalité. Mon polonais natal, l’anglais et le français, bien que pas très distants géographiquement, sont pour moi des structures cognitives distinctes.

Le fait de réalité que je suis en train d’appréhender à travers ces paires de lunettes différentes est le fait de perdre de l’argent en Bourse. Douloureux mais éducatif. Je veux faire cette expérience encore plus éducative en la discutant en des langues différentes. C’est le truc ninja que j’ai découvert en bloguant : lorsque je décris et discute par écrit ce que je fais je développe mes compétences dans ce champ d’activité spécifique.  Ça fait quelques semaines que j’avais décidé de retourner dans le jeu boursier, j’utilise mon blog pour développer ma stratégie d’investissement à long terme et j’ai déjà donné un compte rendu progressif de ce retour dans mes mises à jour en anglais : « Back in the game »  , « Fathom the outcomes », « Sharpen myself », « Bloody hard to make a strategy » et enfin « Rowing in a tiny boat across a big ocean ».        

J’avais décidé de retourner dans le jeu boursier juste avant la panique coronavirus. C’est comme dans ces films, où le personnage principal s’arrête dans un hôtel paisible et le jour suivant l’endroit est attaqué par des loup-garous ou bien un volcan explose dans la proximité. La panique explose dans les marchés financiers et moi, je me dis deux choses. Premièrement, bien sûr, je me dis : « Merde ! Fallait vraiment que ça arrive juste au moment où j’ai décidé de redevenir investisseur… ». Ensuite, lorsque je passe au-delà de ce gémissement de base, je me dis : « Des stratégies efficaces à long terme, ça se forge plus que ça s’invente. Il faut de l’adversité pour se faire une idée juste de ce que mes idées valent vraiment. Une bonne stratégie d’investissement sur plusieurs années – donc précisément ce que je veux développer – je ferais mieux de la tester dans un environnement difficile ».

Le contexte, c’est surtout du rouge. Dans mon portefeuille de valeurs, le sang coule abondamment. Cette métaphore veut dire que je note des pertes – habituellement affichées en rouge – sur presque toutes mes positions d’investissement. Presque toutes : je vois une petite tâche verte, donc un retour positif sur l’investissement. C’est Incyte Corporation où je note un gain de +1,01% sur le prix initial d’ouverture. La question intuitive est « pourquoi ? », donc pourquoi est-ce que je gagne sur cette position spécifique pendant que le reste sombre dans le bain de jus de betterave (je ne veux pas répéter le mot « sang » tout le temps ; la betterave, ça peut être tout aussi dramatique, sous certaines conditions). Les questions qui viennent à l’esprit en premier lieu ne sont pas nécessairement les plus pertinentes. La recherche scientifique, ça m’a appris qu’au lieu de demander pourquoi, il vaut mieux demander « comment ? ». Lorsque je développe une compréhension approfondie de la façon dont les évènements surviennent, je peux généraliser en forme des raisons et causalités.

Lorsque je veux comprendre le comment des choses, j’aime bien utiliser la comparaison, bien dans l’esprit des empiristes. Je compare donc ce qui s’est passé avec Incyte Corporation avec ce qui est arrivé à Virgin Galactic Holdings , qui est la perte la plus vertigineuse dans mon portefeuille : – 34,13% en moins de deux semaines. Je teste donc la qualité du service www.bloomberg.com/quote et je fraye mon chemin à travers la première couche du « comment ? » : l’analyse technique. J’étudie les prix transactionnels et les volumes des transactions, pour ces deux valeurs (actions d’Incyte Corporation et celles de Virgin Galactic), afin de trouver des régularités. Puisque je veux expliquer la différence en termes de mon retour sur l’investissement en ces deux positions, je couvre la période de celui-ci, depuis le 18 février 2020 jusqu’à la dernière cotation, vendredi le 6 mars. Les chiffres correspondants à mon analyse se trouvent dans les deux tableaux ci-dessous. Plus loin, donc en-dessous des deux tableaux, je développe mon analyse.       

Incyte Corporation
Date  Volume des transactions  Prix  Valeur totale des transactions
2020, Février 18                 1 209 877   $                     79,30  $       95 943 246,10
2020, Février 19                 1 895 420   $                     82,42  $     156 220 516,40
2020, Février 20                 2 653 348   $                     82,77  $     219 617 613,96
2020, Février 21                 1 413 961   $                     80,89  $     114 375 305,29
2020, Février 24                 1 366 786   $                     78,87  $     107 798 411,82
2020, Février 25                 2 174 593   $                     77,32  $     168 139 530,76
2020, Février 26                 1 442 275   $                     77,97  $     112 454 181,75
2020, Février 27                 1 641 737   $                     75,84  $     124 509 334,08
2020, Février 28                 2 525 548   $                     75,41  $     190 451 574,68
2020, Mars 2                 2 261 393   $                     79,06  $     178 785 730,58
2020, Mars 3                 1 939 411   $                     77,80  $     150 886 175,80
2020, Mars 4                 2 043 844   $                     80,16  $     163 834 535,04
2020, Mars 5                 1 430 221   $                     78,61  $     112 429 672,81
2020, Mars 6                 1 800 123   $                     76,04  $     136 881 352,92
Virgin Galactic
Date  Volume des transactions  Prix  Valeur totale des transactions
2020, Février 18             104 077 763   $                     30,30  $   3 153 556 218,90
2020, Février 19               84 891 132   $                     37,35  $   3 170 683 780,20
2020, Février 20               45 297 426   $                     37,26  $   1 687 782 092,76
2020, Février 21               45 297 426   $                     33,87  $   1 534 223 818,62
2020, Février 24               46 110 165   $                     34,29  $   1 581 117 557,85
2020, Février 25               44 092 654   $                     34,04  $   1 500 913 942,16
2020, Février 26               40 127 391   $                     28,75  $   1 153 662 491,25
2020, Février 27               47 987 693   $                     21,97  $   1 054 289 615,21
2020, Février 28               35 531 152   $                     24,60  $      874 066 339,20
2020, Mars 2               20 098 112   $                     25,98  $      522 148 949,76
2020, Mars 3               20 098 112   $                     24,71  $      496 624 347,52
2020, Mars 4               15 466 394   $                     23,76  $      367 481 521,44
2020, Mars 5               14 124 114   $                     24,09  $      340 249 906,26
2020, Mars 6               12 867 806   $                     21,67  $      278 845 356,02

Le truc de base à se mettre en tête est que ces chiffres représentent, en partie, mais seulement en partie, des comportements humains – des décisions complexes prises en des situations d’incertitude – et la partie non-comportementale (ou plutôt pas immédiatement comportementale) correspond aux transactions automatisées sur la base des logiciels d’intelligence artificielle. Je décris les décisions des logiciels IA comme pas immédiatement comportementales puisque à l’origine, leurs algorithmes sont basés sur une logique imposée par leurs créateurs humains. D’habitude, des logiciels d’investissement contiennent une partie génétique, où l’algorithme s’optimise lui-même en écrivant des lignes de code supplémentaires, donc une fois lâchés de leur laisse, ces trucs peuvent former leur propre logique. Encore, il faut se souvenir que la plupart de ces logiciels achèvent une optimisation linéaire tout à fait simple, du type « donne mois plus de retour que celui offert par l’indice boursier ».

Chaque décision individuelle – donc strictement, humainement comportementale – prise dans le jeu boursier ressemble à surfing. Il y a une force motrice prédominante, soit la tendance temporaire du marché. L’investisseur comprend quelque peu de cette tendance, mais cette compréhension est toujours partielle. Ce que moi je veux comprendre maintenant est la tendance du marché dans ces deux cas – Incyte Corporation et Virgin Galactic Holdings – ainsi que des fines déclinaisons de cette tendance, des déclinaison qui font la différence dans mon retour sur ces deux investissement.

Par vertu de la théorie économique de base j’assume que le comportement de base dans le  marché boursier est la triade sacrée : acheter, garder ou vendre. Moi, pour le moment, vu la panique « coronavirus » je garde mes positions d’investissement comme elles sont, sans acheter plus et sans vendre. Les décisions d’acheter et de vendre sont largement symétriques : elles influencent le prix d’une valeur boursière lorsqu’elles rencontrent l’une l’autre et lorsqu’une transaction est conclue. En termes de comportement, la variable la plus intéressante est le volume des transactions, soit le nombre des valeurs échangées, dans la première colonne numérique de chaque tableau.

Là, dans les cas respectifs d’Incyte Corporation et de Virgin Galactic Holdings, deux modèles se dessinent. Le volume des transactions sur Incyte Corporation oscille, en le dernier volume enregistré, vendredi 6 mars, est en fait supérieur au premier volume observé le 18 février. L’intensité d’échange sur cette valeur démontre quelque chose comme réflexion intense de la part des investisseurs. Ce volume n’est pas du tout corrélé avec les variations des prix : le coefficient de corrélation de Poisson tombe à r = 0,06. Vu la structure mathématique de ce coefficient, il y a probablement trop d’à-coups soudains dans les deux variables. Ça remue, quoi. Si je gagne ou je perds sur cette position dans le marché, c’est précisément parce que ça remue. Dans le cas de Virgin Galactic Holdings, le volume des transactions suit une trajectoire descendante sans équivoque – tout comme le prix – et les deux sont significativement, positivement corrélés, avec r = 0,59. En même temps, bien le volume des transactions strictement dit que la valeur agrégée de ces transactions étaient beaucoup plus élevées dans le cas de Virgin Galactic Holdings que dans celui d’Incyte Corporation.

Je vois donc que les investisseurs se comportent de façon différente vis-à-vis de ces deux valeurs. Le marché boursier est complexe, il marche largement sur anticipation faite sur la base d’information vraiment disparate, et ces différences peuvent être largement le résultat des facteurs autres que les traits individuels de ces sociétés. Ceci dit, les caractéristiques individuelles de ces deux business respectifs peuvent jouer un rôle important pour leur performance boursière. Je passe dont de l’analyse technique à l’analyse fondamentale et jette commence à feuilleter (figurativement, bien sûr, ce sont des documents PDF) leur rapports annuels.   

Incyte Corporation c’est du business bien ancré financièrement. Plus de deux milliards de dollars de revenu en 2019, avec presque 447 millions de bénéfice net, c’est du solide et du hautement profitable. En plus, lorsque j’observe leur compte d’exploitation sur la période 2015 – 2019, je vois in progrès constant et solide. En revanche, Virgin Galactic Holdings c’est plutôt du futur que du présent. Le modèle de business consiste surtout en des dépenses substantielles sur la recherche et le développement des nouvelles technologies (presque 133 millions de dollars) – il s’agit des technologies de voyage spatial commercial – orné ci et là avec des revenus symboliques de 3,8 millions de dollars. Bien sûr, les opérations courantes de ce business sont profondément déficitaires.

Je connecte ces deux observations à la théorie d’investissement formulée par James Tobin et William Brainard, linguistiquement intéressante pour les francophones puisqu’que dans le jargon économique elle est désignée comme la théorie du « q » (regardez, par exemple : Yoshikawa 1980[1]). Dans cette perspective théorique, les titres financiers sujets à l’échange boursier sont surtout et avant tout des titres de contrôle d’actifs productifs exploités par les sociétés émettrices de ces titres. Dans la longue perspective, le marché boursier est donc fortement connecté au marché d’actifs productifs – donc le marché des technologies et de l’immobilier industriel – et cette connexion est plus importante que la mécanique purement interne de la Bourse.

Je me pose la question suivante : comment cette connexion entre les actifs et l’échange boursier d’actions marche dans les deux cas étudiés ici ? Dans le cas d’Incyte Corporation , le 18 février les investisseurs avaient fait des transactions égales à 2,8% d’actifs totaux de la société et le 6 mars les transactions journalières avaient fait 3,99% de la valeurs comptable d’actifs. Avec Virgin Galactic Holdings , c’est une histoire différente : le 18 février le mouvement boursier sue leurs actions avait fait 520,78% de la valeur comptable de leurs actifs, pour descendre à 46,05% desdits actifs dans la journée du 6 mars. Je vois donc deux modèles comportementaux complètement différents dans les décisions d’investissement boursier dans ces deux sociétés. La différence entre ces deux modèles comportementaux peut être liée de la différence sectorielle : Incyte Corporation c’est de la biotechnologie bien tassée et Virgin Galactic Holdings c’est un rêve follement charmant d’organiser des vols orbitaux à l’échelle commerciale et ce rêve semble avoir un fort potentiel de générer des retombées technologiques substantielles.

Maintenant, j’applique la même méthode de comparaison – volume des transactions, valeur totale des transactions – aux deux autres valeurs dans mon portefeuille, toutes les deux dans le même secteur cette fois. Je parle du secteur des technologies photovoltaïques et là-dedans, j’ai investi dans les actions de First Solar (- 21,07% de perte dans mon portefeuille) et dans celles de Vivint Solar (perte – 7,96%). Bien que dans le rouge après vendredi dernier, ces deux valeurs c’étaient défendues longtemps contre la panique « coronavirus ». Encore mardi dernier, j’avais un retour positif sur ces deux positions. Toutes les deux démontrent une proportion similaire entre la valeur totale des transactions boursières et la valeur comptable des actifs. Dans le cas de First Solar , cette proportion était de 1,04% le 18 février et 0,84% vendredi 6 mars. En ce qui concerne Vivint Solar , on parle de 0,54% le 18 février et 0,80% le 6 mars.

Ci-dessous, dans deux autres tableaux, je présente les données détaillées à propos de ces deux sociétés. Je continue mon développement plus loin.  

First Solar
Date  Volume  Prix  Valeur totale des transactions
2020, Fevrier 18   1 407 357   $                     55,65  $       78 319 417,05
2020, Fevrier 19     1 945 614   $                     57,37  $     111 619 875,18
2020, Fevrier 20   4 156 485   $                     59,32  $     246 562 690,20
2020, Fevrier 21   9 774 901   $                     50,59  $     494 512 241,59
2020, Fevrier 24    3 700 847   $                     51,21  $     189 520 374,87
2020, Fevrier 25 2 807 226   $                 48,57  $     136 346 966,82
2020, Fevrier 26 2 670 436   $                     46,11  $     123 133 803,96
2020, Fevrier 27 2 699 288   $                  44,25  $     119 443 494,00
2020, Fevrier 28 2 950 667   $                     45,77  $     135 052 028,59
2020, Mars 2 2 730 409   $                     44,95  $     122 731 884,55
2020, Mars 3 1 569 455   $                     44,21  $       69 385 605,55
2020, Mars 4 1 340 145   $                     45,48  $       60 949 794,60
2020, Mars 5 1 259 142   $                     45,47  $       57 253 186,74
2020, Mars 6 1 448 658   $                     43,37  $       62 828 297,46
Vivint Solar
Date  Volume  Prix  Valeur totale des transactions
2020, Fevrier 18 1 319 176   $                    11,04  $        14 563 703,04
2020, Fevrier 19 2 290 068   $                    11,80  $        27 022 802,40
2020, Fevrier 20 4 279 615   $                    12,85  $        54 993 052,75
2020, Fevrier 21 3 125 854   $                    11,44  $        35 759 769,76
2020, Fevrier 24 2 476 290   $                    11,76  $        29 121 170,40
2020, Fevrier 25 2 004 507   $                    11,59  $        23 232 236,13
2020, Fevrier 26 3 798 572   $                    11,91  $        45 240 992,52
2020, Fevrier 27 3 563 184   $                    11,08  $        39 480 078,72
2020, Fevrier 28 2 526 386   $                    11,24  $        28 396 578,64
2020, Mars 2 3 188 036   $                    11,19  $        35 674 122,84
2020, Mars 3 2 886 017   $                    11,69  $        33 737 538,73
2020, Mars 4 1 539 854   $                    11,91  $        18 339 661,14
2020, Mars 5 1 478 135   $                    11,73  $        17 338 523,55
2020, Mars 6 1 990 593   $                   10,78  $        21 458 592,54

Voilà donc qu’une régularité se dessine. Dans la panique ambiante des marchés financiers, parmi les quatre valeurs que je viens d’analyser point de vue prix et volume, les deux gagnants – Incyte Corporation toujours dans le vert et Vivint Solar juste un peu dans le rouge – démontrent un trait commun intéressant. Dans les deux cas, entre le 18 février et le 6 mars, le coefficient « valeur totale des transactions boursières par jour divisée par la valeur comptable des actifs » démontre une tendance croissante, tout en restant relativement modeste.

Par ailleurs, dans le cas des sociétés du photovoltaïque, on peut remarquer les retombées des derniers développement aux États-Unis. Selon bloomberg.com, en janvier 2020, l’administration du président Donald Trump avait donné le feu vert pour la construction de la première méga-ferme solaire dans le désert californien et cette ferme va être construite précisément par First Solar. On peut voir qu’entre le 18 et le 21 février le volume des transactions en actions de First Solar avait bondi tout à coup, tout en faisant des vagues côté et Vivint Solar.    

Bon, c’est tout dans cette mise à jour. Vous pouvez me contacter à travers la boîte électronique de ce blog : goodscience@discoversocialsciences.com .

[1] Yoshikawa, H. (1980). On the” q” Theory of Investment. The American Economic Review, 70(4), 739-743.

La marge opérationnelle de $1 539,60 par an par 1 kilowatt

Mon éditorial sur You Tube

Alors, je change un peu d’azimut. Dans « All hope is not lost: the countryside is still exposed » j’ai présenté une revue de littérature à propos des risques liées aux inondations et aux sécheresses en Europe. Il paraît que ces risques sont très différents de ce que je pensais qu’ils étaient. Comme quoi, il est bon de ne pas céder à l’hystérie collective et d’étudier patiemment la science que nous avons à notre disposition. Je reviens donc un peu sur les propos que j’ai exprimés dans « Le cycle d’adaptation ». J’avais écrit que les infrastructures urbaines en Europe sont parfaitement adaptées aux conditions climatiques qui n’existent plus : maintenant je reviens et je nuance sur ce propos. Oui, les villes européennes ont besoin d’adaptation aux changements climatiques, mais elles sont en train de s’adapter déjà. En revanche, la partie majeure des pertes humaines et matérielles suite d’inondations et de sécheresses survient en dehors des grandes villes, dans les endroits ruraux. La sécheresse, ça frappe les agriculteurs bien avant que ça frappe les citadins. Lorsque les habitants des villes voient l’eau manquer dans leurs robinets, les agriculteurs en sont déjà à faire la solde des pertes dues aux récoltes plus modestes que d’habitude.

Le Navigateur des Projets, accessible à travers la page de « International Renewable Energy Agency », m’a fait réfléchir sur les objectifs communs autour desquels les communautés locales d’Europe peuvent s’organiser pour développer des projets comme mon concept d’Étangs Énergétiques. Maintenant, après une revue de littérature, je pense qu’un objectif rationnel est de construire des infrastructures aquatiques, pour stocker l’eau de pluie ainsi que produire et stocker l’hydroélectricité, dans des régions rurales, pour protéger l’agriculture et indirectement protéger les ressources hydrologiques des villes.

Vous pouvez lire dans « All hope is not lost: the countryside is still exposed » que la littérature scientifique n’est pas tout à fait d’accord sur les risques liés à la sécheresse en Europe. Néanmoins, la science à ses limites méthodologiques : elle peut dire quelque chose à coup sûr seulement si les données empiriques sont suffisamment abondantes et claires pour vérifier les hypothèses statistiquement comme il faut. Les données empiriques que nous avons à propos des sécheresses en Europe et de leurs effets économiques souffrent de l’effet pervers de notre capacité d’adaptation. J’explique. Pour une preuve statistique vraiment rigoureuse, il faut que les distributions d’erreurs locales des différentes variables soient mutuellement indépendantes (donc pas de corrélation significative entre les erreurs d’estimation de variable A et celles de variable B) et aléatoires, donc dispersées au moins aussi largement que le suggère la distribution normale. L’erreur d’estimation de l’humidité résiduelle du sol, par exemple, doit être aléatoire et indépendante de l’erreur d’estimation de la récolte de blé. Eh bien, à en croire Webber et al. (2018[1]), il n’en est pas le cas : les bases de données qui croisent du météo et hydrologie avec de l’agriculture rendent des corrélations significatives entre les erreurs d’estimation après régression linéaire d’une variable sur les autres. Pourquoi ? Mon explication intuitive à moi est que nous, les humains, on réagit vite lorsque notre base de bouffe est menacée. Nous réagissons tellement vite, à travers les modifications des technologies agriculturales, que nous induisons de la corrélation entre le climat et la récolte.

Lorsque la rigueur scientifique nous fait défaut, c’est une bonne idée de tourner vers l’observation plus élémentaire et plus anecdotique. Je passe en revue les actualités du marché agricole. Chez moi, en Pologne, la récolte des fruits menace d’être plus basse de 30% par rapport aux pronostics faits au mois de Mai[2]. La récolte céréalière peut baisser entre 8% et même 40% par rapport à celle de l’année dernière, suivant la région exacte du pays[3]. En France, selon Europe 1, l’alerte sécheresse dans l’agriculture est devenue quelque chose de normal[4]. Je passe aux prix des contrats à terme sur les biens agricoles de base. Le blé, contrats MATIF, donc le marché européen, ça s’agite cette année. La tendance des dernières semaines est à la hausse des prix, comme si les traders prévoyaient un déficit d’offre en Europe. Les contrats MATIF sur le maïs montrent à peu de choses près la même tendance. En revanche, les contrats CBOT sur blé, émis par CME Group et basés sur le marché américain, montrent une tendance plus décidément ascendante dans le long terme quoi que descendante dans l’immédiat. Ah, je viens de regarder les prix CBOT dernière minute sur https://www.barchart.com/futures/quotes/ZW*0/futures-prices: ça grimpe aujourd’hui dans la matinée. Voilà donc que je cerne le risque qui correspond à la sécheresse en Europe : c’est le risque de volatilité croissante des prix agricoles. Si je veux approcher ce risque de façon analytique, je peux essayer d’estimer, par exemple, la valeur du marché d’un instrument financier hypothétique – comme un contrat à terme ou une option – qui paie lorsque les prix restent dans l’intervalle désiré et apporte des pertes lorsque les prix vont hors de cet intervalle.

Je généralise l’approche financière à mon concept d’Étangs Énergétiques. Je pense que l’investissement qui a des chances de gagner le support d’acteurs sociaux est celui dont la Valeur Actuelle Nette – pour un cycle de vie utile de l’infrastructure de « m » années – est égale à NPV(m) = vente d’hydroélectricité (m) + réduction du risque lié aux inondations (m) + réduction du risque lié aux sècheresses (m). En ce qui concerne les revenus de la vente d’électricité – disons que j’appelle ces revenus VE(m) – le calcul est comme suit : VE(m) = puissance en kilowatts * 365 jours * 24 heures * prix de marché d’électricité = {flux par seconde en litres (ou en kilogrammes d’eau, revient au même) * constante gravitationnelle a = 9,81 * dénivellation en mètres / 1000} * 365 jours * 24 heures * prix de marché d’électricité (consultez « Sponge Cities »). Chez moi, en Pologne – avec 1 kilowatt heure achetée à un prix total d’à peu près $0,21 – 1 kilowatt de puissance génératrice représente un revenu de : 8760 heures dans l’année multipliées par $0,21 par kilowatt heure égale $1 839,60 par an.

Pour autant que j’ai pu me renseigner dans une publication par IRENA, l’investissement nécessaire en hydro-génération est d’à peu près $1500 ÷ $3000 par 1 kilowatt de puissance, à l’échelle mondiale. Cette moyenne globale représente un éventail assez étendu d’investissement par kilowatt, en fonction de la région géographique, de la puissance totale installée dans l’installation donnée, ainsi que de la dénivellation du cours d’eau correspondant. Pour des raisons que je n’ai pas encore étudié en détail, l’investissement requis par 1 kilowatt de puissance dans les installations classées comme petites varie le plus en Europe, en comparaison aux autres régions du monde. En partant de ce seuil général d’à peu près $1500 l’investissement requis par 1 kilowatt peut aller même jusqu’à $8000. Allez savoir pourquoi. Ce plafond maximum est deux fois plus élevé que ce qui est reporté dans quelle autre région du monde que ce soit.

La dénivellation naturelle du cours d’eau où la turbine hydroélectrique est installée joue son rôle. Dans des endroits vraiment plats, où la seule façon d’avoir un peu de force dans ce flux d’eau est de pomper l’eau dans des réservoirs élevés, l’investissement pour les petites turbines de moins de 50 kilowatts est d’environ $5400 par kilowatt, comme moyenne mondiale. Ça tombe vite à mesure que la dénivellation va de quasi-zéro vers et au-dessus de 25 mètres et ensuite ça tombe de plus en plus gentiment.

À part le retour requis sur l’investissement, le coût complet d’une kilowatt heure contient celui de maintenance et de gestion opérationnelle. Selon le même rapport d’IRENA, ce coût peut atteindre, dans des conditions plutôt pessimistes, comme $300 par an par 1 kilowatt de puissance installée. Après la déduction de ce coût le flux annuel de revenu des ventes d’électricité tourne en un flux de marge opérationnelle égal à $1 839,60 – $300 =  $1 539,60 par an. Quelques pages plus loin, toujours dans la même publication d’IRENA je trouve que le coût actualisé d’énergie, « LCOE » pour les amis, peut se ranger en Europe entre $0,05 et $0,17. Le coût de maintenance et de gestion opérationnelle, qui fait partie de LCOE, est de $300 par an par 1 kilowatt de puissance installée, divisé par 8760 dans l’année, donc $0,03 par kilowatt heure. Par conséquent, la partie « retour sur investissement » du LCOE peut varier entre $0,05 – $0,03 = $0,02 et $0,17 – $0,03 = $0,14 par kilowatt heure. Ce retour sur investissement, je le multiplie par 8760 heures dans l’année, pour obtenir le retour requis par an sur l’investissement en 1 kilowatt de puissance. Ça donne un intervalle entre $175,20 et $1 226,40 par an. Ceci me donne deux informations importantes. Premièrement, la marge opérationnelle de $1 539,60 par anest suffisante pour satisfaire même les projections financières des plus exigeantes.

Deuxièmement, longue histoire courte, comme disent les Anglo-Saxons, je prends l’investissement le plus coûteux possible, donc sur mon continent à moi (l’Europe), donc $8000, et je divise par cette fourchette des retours annuels. Ça tombe entre $8000/$1226,40 et $8000/$175,20, soit entre 6,5 et 46 années. Bon, disons que les 46 années c’est de l’abstrait. En fait, tout ce qui va plus loin que 20 ans, dans les investissements en la génération d’énergie, c’est tout simplement l’absence d’égard au retour sur l’investissement strictement dit. Ce qui m’intéresse c’est la dent inférieure de la fourchette, donc les 6,52 années. Je prends cet intervalle de temps comme benchmark du retour espéré par les investisseurs les plus exigeants. Par ailleurs, là, il est bon de rappeler quelque chose comme un paradoxe : plus vite vont se développer les technologies des turbines hydroélectriques, plus court sera le temps de vie morale de toute technologie spécifique, donc plus court sera le temps alloué au retour sur l’investissement.     

Une conclusion partielle que je peux tirer de ces calculs, à propos de mon projet « Étangs Énergétiques » est que les ventes d’électricité produite dans les turbines hydroélectriques faisant partie de l’infrastructure prévue peuvent constituer une motivation claire pour des investisseurs potentiels, à condition toutefois de maintenir la taille de l’investissement local dans les dizaines des milliers des dollars plutôt que dans les milliards que dépense le gouvernement Chinois sur le projet des « Sponge Cities ».

Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund (aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon . Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ? Vous pouvez me contacter à travers la boîte électronique de ce blog : goodscience@discoversocialsciences.com .

[1] Webber, H., Ewert, F., Olesen, J. E., Müller, C., Fronzek, S., Ruane, A. C., … & Ferrise, R. (2018). Diverging importance of drought stress for maize and winter wheat in Europe. Nature communications, 9(1), 4249.

[2] http://www.portalspozywczy.pl/owoce-warzywa/wiadomosci/zbiory-owocow-w-2019-roku-beda-nawet-o-30-procent-nizsze-niz-zwykle-wideo,173565.html dernier accès 16 Juillet 2019

[3] http://www.portalspozywczy.pl/zboza/wiadomosci/swietokrzyskie-w-zwiazku-z-susza-zbiory-zboz-moga-byc-nizsze-nawet-o-40-proc,160018.html dernier accès 16 Juillet 2019

[4] https://www.europe1.fr/societe/secheresse-pour-les-agriculteurs-les-restrictions-deau-sont-devenues-la-routine-3908427 dernier accès 16 Juillet 2019

Le cousin du beau-frère de mon ami d’école

Mon éditorial

Je retourne au sujet des villes intelligentes, que j’avais déjà commencé à développer dans ma mise à jour du 11 janvier, intitulée « My individual square of land, 9 meters on 9 ». Je me mets, à présent, à rechercher des sources de données que je juge vitales pour le développement des villes intelligentes : densité de population, croissance démographique et prix de l’immobilier. J’ai déjà fait un peu de recherche côté immobilier au sujet de la ville de Lyon – et le projet local baptisé « Confluence » – ainsi que sur Vienne, la capitale d’Autriche, toutes les deux très fortement engagées dans l’investissement en villes intelligentes. J’avais déjà étudié leurs prix locaux de l’immobilier et leurs taux respectifs de croissance démographique. Maintenant, j’ajoute l’information sur la densité de population. Je rappelle que cette variable a été jugée comme vitale par les auteurs du rapport ‘The State of European Cities’ : apparemment, 3000 habitants par km2 est le seuil minimum pour pouvoir envisager des investissements en infrastructure urbaine intelligente. La logique de ce chiffre particulier est simple : c’est le seuil inférieur de densité de population qui détermine le bien-fondé d’investissements en l’infrastructure des transports en commun. En tout cas, selon l’INSEE, la densité de population dans la commune urbaine de Lyon est de 10 583,1 habitants par kilomètre carré . J’en passe sur le sort pas très clair de ce un dixième d’habitant par mètre carré. Ça doit être une expérience étrange, lorsqu’on est un habitant, d’avoir besoin d’être constamment étendu sur 10 km2 pour être un habitant complet. La distance de votre chambre à coucher à votre salle des bains peut s’étendre jusque 141,4213562 mètres, contre un maximum de 13,94321098 mètres pour chacun des 10 583 habitants complets avant la virgule décimale. En tout cas, le deuxième arrondissement de Lyon, celui où le projet « Confluence » commence à voir le jour, se caractérise par une densité de population légèrement inférieure : juste 8 926 habitants par km2 .  Par comparaison, Vienne, en Autriche, associée avec la ville de Lyon dans ce projet des villes intelligentes, montre une densité de population de 4 326,1 habitants par kilomètre carré . Munich, la troisième ville de ce partenariat tripartite, recense recense 4 700 habitants par kilomètre carré .

Intéressant : parmi ces trois villes métropolitaines, engagées toutes les trois dans des projets coordonnés d’investissement en villes intelligentes, la ville de Lyon recense la population la plus dense et elle est la seule des trois où le projet de ville intelligente prend la forme de réaménagement d’un quartier entier. Autre truc qui m’intrigue : à Lyon, l’emplacement exact du projet, le deuxième arrondissement, tout en étant très peuplé, a une densité de population légèrement inférieure à la moyenne de la ville entière. Tout comme si cette différence 10583,1 – 8926 = 1657,1 (ou plus 18,6%) d’habitants par kilomètre carré était une sorte de densité résiduelle, possible à atteindre à travers l’investissement en l’infrastructure de ville intelligente.   Bon, je forme deux hypothèses de travail rapides. Premièrement, l’investissement en l’infrastructure des villes intelligentes a du sens à partir d’une densité de population de 3000 habitants par km2, ça prend de l’élan au-dessus de 4000 habitants sur le kilomètre carré, et ça a des fortes chances de prendre la forme de réaménagement des quartiers entiers lorsqu’on se balance dans 8000 habitants, ou plus, sur leur kilomètre carré statistique moyen. Deuxièmement, l’émergence d’infrastructure de ville intelligente peut entraîner une croissance en densité de population, par un peu plus de 1500 personnes par km2 ou à peu près 18%.

Ces deux hypothèses me permettent déjà de commencer à esquisser mon business plan pour investir en des villes dont l’intelligence a des fortes chances de surpasser celle de certains de leurs habitants. Avant que je m’en prenne à modeler le truc façon économie, voilà encore une poignée de données intéressantes sur le sujet : le rapport d’INSEE intitulé « L’accès aux services, une question de densité des territoires » , ainsi que deux rapports signés EUROSTAT, tout d’abord celui intitulé « Urban Europe 2016 » et ensuite « L’Annuaire régional d’Eurostat ». J’espère bien de retourner à discuter le contenu de tous les trois, sur mon blog, en français ou bien en anglais (dépendra du jour) mais à présent, je modèle. Je me dis que du point de vue business, l’investissement en des villes intelligentes veut dire investissement tout court, donc un bilan. Ce bilan, il s’installe dans une ville sous la forme d’une infrastructure : réseau routier, métro, tramway, bâtiment, réseau sanitaire, approvisionnement en énergie etc. Cette infrastructure élémentaire est ce dont nous avons besoin pour pouvoir nous appeler une ville, mais ce n’est pas tout : nous en avons besoin en une certaine densité par kilomètre carré. Oui, mesdames et messieurs, une ville, ça n’a pas seulement plus de personnes par kilomètre carré que la campagne, mais aussi plus de capital investi dans l’infrastructure, sur le même kilomètre carré. Enfin, pas rigoureusement le même kilomètre, ça peut être bien un autre kilomètre, équivalent, quoi.

En tout cas, une ville, c’est un territoire R habité par une population N et pourvu en infrastructure équivalente en valeur à un montant de capital K. Tout habitat humain se caractérise par des coefficients respectifs N/R et K/R. A propos, je n’en sais rien du second, c’est à dire de la valeur comptable d’infrastructure urbaine. Faudra que je me renseigne. Lorsqu’une ville arrête d’être bête et commence à être intelligente, son bilan change de deux façons. D’une part, il y a de l’infrastructure nouvelle. Des fibres optiques en abondance, c’est certain, ainsi que des transmetteurs haut débit de signal Internet. Avec ça, nous pouvons ajouter des sources génératrices locales d’énergies renouvelables : panneaux solaires, petites turbines hydrauliques, des moulins à vent c’est trop gros mais un système de recirculation d’eau chaude en provenance du refroidissement des gros serveurs (marche en Scandinavie, apparemment). Ça, c’est de l’investissement immédiat en l’infrastructure, qui suggère plus de capital dans le bilan immédiat et qui est l’équivalent urbain d’un diplôme humain : ça suggère la possibilité d’une intelligence latente, mais ne la garantit pas. En plus, c’est comme un cerveau. Ça a besoin de tout le reste du corps et en même temps ça peut transformer ce corps. La présence des connexions intelligentes change la façon dont l’infrastructure urbaine lourde fonctionne. Le réseau des transports en commun, le réseau sanitaire, l’approvisionnement en énergie : tout ça, ça s’adapte à mesure que ça a plus de retour d’information. Tous ces millions d’euros investis en conduits, rails, câbles etc., ça va se réallouer dans l’espace.

Voilà une question intéressante : après que tout soit fait et dit, à long terme, quoi, une ville intelligente contient-elle plus ou bien moins de K/R ? Encore une fois, je n’en sais que dalle sur les valeurs réelles de K/R dans des villes typiques – bêtes ou intelligentes, peu importe – et il faudra que je prenne quelques prisonniers de guerre pour me renseigner là-dessus. Néanmoins, je peux formuler des hypothèses. Par instinct économique, je définis trois périodes distinctes de temps : t-1 ou ville bête d’avant, t0 ou ville intelligente comme je l’ai devant mes yeux et enfin t+1 qui correspond à la ville encore plus intelligente que j’espère dans l’avenir. Ensuite, je pose deux hypothèses alternatives. Premièrement, je peux avoir K/R(t-1) < K/R(t0) < K/R(t+1) : la ville intelligente d’avenir aura plus de capital par kilomètre carré que ses versions précédentes. Deuxièmement et alternativement, il se peut que K/R(t-1) < K/R(t0) et K/R(t+1) < K/R(t-1) donc que la ville encore plus intelligente de l’avenir sera moins pourvue en l’infrastructure lourde que la ville bête du passé, comme elle apprendra à utiliser ladite infrastructure lourde de façon plus intelligente.

Bon, ça commence à prendre une forme cohérente, au moins je l’espère. Je peux traduire mes hypothèses en une structure logique avec des conditions préalables et des changements possibles :

  • ville intelligente, condition nécessaire : N/R > 2999 habitants par km2 ; K/R > X1 € par km2
  • ville intelligente, ça devient intéressant : N/R > 3999 habitants par km2; K/R > X2 € par km2
  • ville intelligente, ça devient politique : N/R > 7999 habitants par km2; K/R > X3 € par km2
  • ville intelligente, ça peut apporter du changement 1500 < ∆N/R < 1700 habitants par km2 ou bien 15% < (∆N/R)/[N/R(t0)] < 20% et en plus
    • K/R(t-1) < K/R(t0) < K/R(t+1)

ou bien

  • K/R(t-1) < K/R(t0) et K/R(t+1) < K/R(t-1)

Bon, ça c’est le côté bilan et maintenant je jette un coup d’œil côté compte d’exploitation. Le retour sur l’investissement en infrastructure urbaine peut prendre deux formes, une directe et une autre plus chic. Façon directe et brutale, je peux vendre l’accès à mon infrastructure sur la base platement commerciale, comme accès à Internet. Néanmoins, si le cousin du beau-frère de mon ami d’école est proche des certains milieux, je peux obtenir une subvention publique qui couvrira une part ou le total des revenus dont j’ai besoin pour avoir un retour décent (indécent ?) sur mon investissement. Dans ce second scénario, les habitants me paient de toute façon mais ils le font indirectement, à travers leurs impôts, et ça s’appelle « partager » (avec le cousin du beau-frère de mon ami d’école) au lieu de « vendre et se faire payer » et quand ça sonne bien c’est toujours mieux. Quoi qu’il en soit au sujet du cousin du beau-frère de mon ami d’école, je peux espérer un flux futur FR(t0 ; t+1) de trésorerie. Avec l’investissement dénoté comme ∆K, en équilibre il faut que ∆K = FR(t0 ; t+1) mais soyons raisonnables : le bon business c’est quand ∆K < FR(t0 ; t+1) .

Le flux FR de trésorerie dépend, bien sûr, du nombre N d’habitants et du revenu disponible D/N par tête d’habitant. Enfin, pas seulement la tête. Les talons-aiguille Manolo Blahnik, ça ne se porte pas sur la tête et il y a même des cas où ça se gagne autrement qu’avec la tête. Quoi qu’il en soit, la population N a un revenu disponible agrégé de D = N*D/N et ce qui importe c’est le revenu disponible D/R = {N*(D/N)}/{N/R} par kilomètre carré de ma ville (votre ville aussi) et c’est important parce que mon flux futur FR(t0 ; t+1) de trésorerie par kilomètre carré, soit FR(t0 ; t+1)/R sera une fraction de ce revenu disponible et cette fraction sera une fonction et ça veut dire FR(t0 ; t+1)/R = f(D/R). A ce moment-là, mon sac à probabilités devient vraiment bien pourvu. La transformation d’une ville bête en une ville intelligente peut influencer pratiquement toutes les variables de l’équation. Il peut y avoir plus de N/R dans une ville intelligente que dans la ville bête d’avant, mais c’est juste une hypothèse. Ces gens peuvent gagner plus par tête mais là aussi, c’est une hypothèse. La fonction qui transforme leur revenu disponible en flux de trésorerie dans la direction d’investisseurs en l’infrastructure de la ville intelligente peut changer sous l’impact de cet investissement-même.

Bon, fini de modeler pour aujourd’hui. Maintenant, faut mettre cette pâte modelée au four et la cuire, pour que ça durcisse. Si ça casse dans la cuisson, cela voudra dire qu’il faut modeler à nouveau.

Ceux parmi vous qui ont bien voulu suivre mon activité de blogger sur l’année dernière ont probablement vu que mon objectif est de créer de la science de bonne qualité, neuve ou presque. Sur mon chemin vers la création d’un site éducatif payant je passe par le stade de financement participatif. Voici le lien hypertexte de mon compte sur Patreon . Si vous vous sentez prêt à cofinancer mon projet, vous pouvez vous enregistrer comme mon patron. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon projet de création de site éducatif ?

Cinq entreprises de pompes funèbres et un restaurant

Mon éditorial

J’ai l’habitude de chercher, à dessein, au moins une ou deux occasions par an de participer dans la préparation d’un business plan réel. Mon expérience personnelle de recherche scientifique me dit qu’il est très facile de tomber dans de la théorie plus ou moins ésotérique (c’est-à-dire le genre de théorie que très peu de personnes comprennent), donc facile de s’éloigner de la vie réelle. Un business plan, ça me ramène droit dans la réalité, surtout quand ça sert à convaincre une banque de financer le projet. Cette fois, je suis sur un projet immobilier situé dans ma ville : Cracovie (Pologne). Le sujet m’intéresse. Je suis un peu obsédé par l’idée d’intelligence collective et par la géographie de la société humaine comme une des expressions les plus fondamentales de ladite intelligence. Comme vous avez peut-être pu le constater, j’examine, pas à pas, des différents outils théoriques que je soupçonne pouvoir être utiles dans la recherche sur l’intelligence collective. Un business plan pour un projet immobilier, ça m’oblige à réduire toute cette théorie à des choses vraiment terre à terre, des questions à la fois fondamentales et pratiques. J’en profite pour faire un petit cours de microéconomie.

Alors, lorsqu’on parle pratique dans l’immobilier, les prix viennent en tête comme sujet d’étude de marché. En Pologne, les prix des terrains de construction immobilière évoluent comme un peu en détachement des prix des bâtiments eux-mêmes, surtout lorsqu’on parle de l’immobilier de logement. Les prix des terrains de construction dans les grandes villes polonaises croissent régulièrement depuis 2011. Il y a des petits chavirements de courte durée, comme un ou deux mois, mais la tendance de long terme, depuis 2011, est fermement ascendante. En même temps, les prix des logements, après une plongée très profonde entre 2007 et 2014, avaient recommencé à grimper depuis, mais c’est vraiment timide comme croissance.   Si vous voyiez ces deux tendances de prix – que je ne peux malheureusement pas reproduire ici, par respect des droits d’auteur et que ceux parmi vous qui connaissent le polonais peuvent voir par eux-mêmes sous ce lien hypertexte – ont l’air de représenter deux marchés différents.

L’une des leçons de base en économie est que si les prix empiriquement observables semblent représenter deux marchés différents, le plus vraisemblablement ils représentent deux marchés différents. J’assume donc que dans les grandes villes polonaises il y a deux marchés distincts qui se superposent l’un à l’autre, aussi bien métaphoriquement que littéralement : le marché des terrains d’une part et celui d’immobilier de logement d’autre part. L’analyse de base en ce qui concerne les prix est celle d’équilibre Marshallien entre l’offre et la demande. La croissance du prix moyen est alors représentée comme une croissance de demande plus rapide que celle de l’offre. Bon, je modèle. Classiquement et gentiment, comme dans un manuel de microéconomie, je représente : la demande comme D, l’offre comme S, le prix c’est P et la quantité est représentée comme Q (c’est vraiment drôle juste durant les quelques premières minutes). Leurs taux de croissance respectifs sont : ∂D, ∂S, ∂P et ∂Q. La croissance systématique des prix est un cas de (∂D/∂S) > 1 ainsi que ∂P*∂Q = ∂D/∂S.

Si les prix P(TR) des terrains de construction croissent suivant une tendance différente de celle des prix P(LB) des logements, je peux tranquillement assumer (∂D(TR)/∂S(TR)) ≠  (∂D(LB)/∂S(LB)). Il y a une intuition intéressante à propos du marché de l’immobilier en général, probablement depuis les écrits de David Ricardo : la demande pour terrains de construction change beaucoup plus vite que leur offre. L’offre c’est essentiellement le paysage autour de nous plus les dispositions légales quant à son exploitation. La demande est un flot complexe de capital, couvrant toute une gamme de sources passives : fonds propres, prêt, fonds fiduciaires et toutes sortes d’autres trucs qu’homo sapiens a inventé au cours des siècles. L’offre est plus ou moins constante à court terme, surtout en terrain urbain. Cependant, à moyen terme, l’offre est décroissante. Avec chaque nouvelle vente de terrain, la quantité qui reste à vendre diminue. Ça va même plus loin : à mesure que la demande croît, l’offre diminue. Plus grande est la superficie totale de terrains demandée par les investisseurs, plus grande est la décrue dans la superficie qui reste à la disposition d’acheteurs futurs. David Ricardo en avait déduit, quelques cinq décennies avant Karl Marx, une source inhérente de crises dans le capitalisme industriel.

En revenant à mon business plan et à l’environnement urbain de ce projet, la structure profonde de l’espace habité dans ma ville semble changer. L’immobilier de logement est progressivement remplacé par de l’immobilier utilitaire, surtout par de l’espace de bureau et par celui occupé par le commerce et les services. Les tendances mutuellement autonomes dans les prix respectifs du terrain et des logements posent une sorte de paradoxe à travers mon business plan. D’une part, une fois que quelqu’un a acheté un bâtiment dans le centre-ville, il peut simplement attendre que la hausse des prix du terrain lui offre in retour confortable sur investissement. Cependant, une telle stratégie est passive point de vue flux de trésorerie : le pognon investi initialement dans l’achat ne peut être récupéré qu’une fois le bâtiment revendu à l’investisseur suivant. Si je veux assurer un peu de mouvement de capital liquide dans ce projet, cette spéculation simpliste n’est pas nécessairement la meilleure stratégie. Il faut quelque chose qui pousse le pognon à circuler et dans l’immobilier ce quelque chose c’est la vente à la pièce ainsi que la location.

Mon flux de trésorerie, il commence avec l’achat de l’immeuble et sa rénovation, pour un montant K(t0). Bien sûr, comme K(t0) est une dépense, il a un signe négatif : K(t0) < 0. La dépense de trésorerie peut être réduite par le moyen d’un prêt, disons 70% de K(t0). En généralisant, le montant du prêt sera égal au produit d’un coefficient ƒ de levier financier (c’est-à-dire le pourcentage de la valeur comptable d’actifs couvert par l’emprunt), exprimé en pourcentage, multiplié par K(t0). J’ai donc initialement deux stratégies d’investissement : dépenser K(t0) d’un coup ou bien se donner un coup de levier financier et dépenser juste (1 – ƒ)*K(t0), tout en donnant à mon banquier l’occasion de me prêter ƒ*K(t0). Du côté actif de ma trésorerie, j’espère un flux de loyer L payé par les tenanciers des locaux commerciaux, ainsi qu’un flux V de recettes de la vente d’appartements séparés à l’intérieur de l’immeuble.  Le flux L commence à un moment ti après l’acquisition de l’immeuble et continue jusqu’à un moment hypothétique tn dans l’avenir. C’est donc quelque chose comme L(ti -> tn). En ce qui concerne la vente d’appartements, je la localise à un moment tk, plus ou moins unique dans l’avenir. Je pense donc en termes de V(tk). Si je finance l’acquisition et la rénovation de l’immeuble avec fonds propres uniquement, c’est à peu près tout en termes de flux de trésorerie. En revanche, si je décide d’inclure une banque dans mon business, j’aurai à dépenser, dans l’avenir, le remboursement de mon prêt, donc ƒ*K(t0), ainsi que les intérêts ƒ*K(t0)*((1 + r)m)) calculés sur la base d’un taux d’intérêt r. Somme toute, mes deux stratégies financières – que j’appelle 1 et 2 faute de meilleure idée – se présentent comme des flux de trésorerie FT, respectivement FT1 et FT2, plus ou moins suivant les formules ci-dessous :

Stratégie 1, sans emprunt : FT1 = -K(t0) + L(ti -> tn) + V(tk)

Stratégie 2, avec levier financier : FT2 = -(1 – ƒ)*K(t0) + L(tj -> tn) + V(tk) – ƒ*K(t0) – ƒ*K(t0)*((1 + r)m)   

Bon, alors maintenant il est temps que je me penche un peu sur ces L(tj -> tn) et ces V(tk). Ça ne va pas se mettre en marché tout seul. Mettre un bien en marché veut dire s’adresser à un client. Question importante : qui sera mon client dans ce cas ? J’avais jeté mon filet vraiment large et j’en retire des informations très diverses. Tout d’abord, un peu de démographie. Ma ville, Cracovie, est officiellement assez stable en termes de population : ça vacille entre 795 et 800 mille habitants officiellement enregistrés comme tels. Ces statistiques ne reflètent pas la réalité et néanmoins ils en reflètent une partie. La partie en question c’est la pyramide de l’âge. La population officielle de la ville se penche progressivement vers deux catégories d’âge : d’une part les jeunes adultes entre 30 et 40 ans, et d’autre part les seniors après la soixantaine. La partie cachée, que les statistiques officielles ne reflètent pas (encore ?), c’est une double migration. La population réelle de la ville s’est très largement répandue dans des communes satellites qui sont devenues des banlieues de fait. La ville de Cracovie devient progressivement le noyau d’une petite agglomération. Des estimations semi-officielles parlent de quelques 1,2 million de personnes au total dans cette structure hétérogène. Comme dans toute agglomération, il y a ce phénomène de circulation entre le centre et la périphérie. C’est une circulation journalière faite des voyages « chez moi – boulot – chez moi à nouveau », aussi bien qu’une circulation plus séculaire au rythme des déménagements et des déplacements à travers la hiérarchie sociale. La seconde couche de migration est composée d’Ukrainiens, jeunes pour la plupart, pour lesquels Cracovie est l’une des escales les plus évidentes dans leur recherche de vie meilleure. Une estimation très conservatrice parle d’à peu près 200 milles de personnes.

Les faits démographiques forment la trame du marché de l’immobilier. Dans ce vaste tissu, mon projet se situe dans le quartier de Grzegorzki. En termes des prix, les logements ici sont plutôt chers et plutôt grands. C’est l’un de ces endroits dans la ville où vous pouvez faire de vraiment bonnes affaires en vendant des appartements de 100 mètres carrés ou plus. Les prix par mètre carré sont de 15 à 60% plus élevés qu’ailleurs et les prix les plus hauts sont précisément atteints dans la vente d’appartements les plus grands. Le quartier où, par ailleurs, j’avais passé une partie de mon enfance et dont je me souviens comme plutôt pauvre, est en train de devenir BCBG. En des termes utilitaires, l’immeuble pour lequel je prépare ce business plan est composé de trois parties distinctes : deux étages plus un grenier habitable en-dessus, deux locaux commerciaux au rez-de-chaussée, avec pignon sur rue et des arrière-boutiques, et enfin un sous-sol spacieux qui peut être fonctionnellement attaché aux appartements des étages supérieurs ou bien aux locaux commerciaux du rez-de-chaussée, quoi qu’il y a une vision alternative de l’exploiter de façon autonome pour quelque activité commerciale suffisamment originale pour compenser le manque relatif de lumière du jour.

J’ai pu constater que le quartier est nettement meilleur pour la vente d’appartements que pour la location de locaux commerciaux. Très près de cette adresse, il y a un centre commercial plutôt bien, qui a fini par dominer très nettement l’activité de commerce et de services dans les environs. En des termes de business plan cela veut dire que la location de locaux commerciaux est soumise à une pression beaucoup plus forte sur les loyers que c’est le cas pour les prix d’appartements. Dans cet endroit précis de la ville, il vaut mieux acheter de l’immobilier pour le revendre ensuite que pour le louer. En plus, il y a un détail à la fois embarrassant et amusant : dans les environs immédiats de l’immeuble, il y a cinq entreprises de pompes funèbres et seulement un restaurant. Un peu étrange, au moins pour moi.