Les Étoiles D'aujourd'hui Préjugent-Elles Des Étoiles de Demain ?

Mars 2007
Dpartement des tudes
Les toiles daujourdhui prjugent-elles des toiles de demain ?

Etude sur le cas des OPCVM actions commercialiss en France entre 2000 et 2005
Les Cahiers scientifiques - n3
Olivier Garnier* et Thierry Pujol**1

* Membre du Conseil scientifique de lAutorit des marchs financiers et Directeur gnral adjoint de Socit Gnrale Asset Management ** Associ de DPA Invest
Les auteurs tiennent remercier Morningstar et Standard & Poors pour avoir mis leur disposition leurs bases de donnes dOPCVM. Bien entendu, cette tude relve de la seule responsabilit de ses auteurs et nengage nullement ces deux socits.
Rsum
Le dveloppement de la distribution externe de fonds dinvestissement saccompagne dune utilisation de plus en plus rpandue des classements. Cette pratique, dj ancienne dans les pays anglo-saxons, a plus rcemment gagn lEurope continentale et la France en particulier. Les classements les plus couramment mis disposition des investisseurs individuels, tels que les toiles attribues par Morningstar ou par Standard & Poors, sappuient sur des mesures de performances passes (ajustes du risque) et nont donc pas vocation, en principe, prjuger des performances futures. Pour autant, compte tenu de lusage qui peut en tre fait en pratique, il apparat pertinent de tester empiriquement leur degr de persistance au cours du temps : avec quelle probabilit et jusqu quel horizon les fonds les plus toils aujourdhui le restent-ils dans le futur ?
Pour rpondre cette question dans le cas des OPCVM actions (France et zone euro) commercialiss en France, nous avons utilis deux chantillons mis notre disposition par Morningstar et Standard & Poors, contenant les toiles attribues mensuellement par ces deux socits au cours de la priode 2000-2005. Deux constats se dgagent de notre analyse, qui repose sur une mthode probabiliste destimation de matrices de transition. En premier lieu, sil existe bien une certaine persistance des toiles, celle-ci est faible et surtout tend se dissiper rapidement au-del de lhorizon de 3 ans, qui est la dure de lhistorique de performances pris en compte dans les classements. On peut nanmoins identifier des cas dans lesquels le degr de persistance est plus lev. Dune part, les OPCVM durablement bien classs dans le pass (les stars confirmes ) ont davantage de chances de le rester dans le futur (par rapport ceux rcemment promus de bas en haut de lchelle des toiles). Dautre part, les fonds bien ns (les jeunes stars ), c'est-dire rcemment entrs directement en tte des classements aprs avoir pass le cap requis des trois annes dhistorique, ont aussi de meilleures chances de conserver cette position. Le second constat porte sur la mobilit tonnamment leve des toiles dun mois ou dun trimestre sur lautre : celle-ci sexplique par leffet non ngligeable des mouvements mensuels dentres et sorties des classements, les entrants tant plutt mieux classs que la moyenne alors que cest linverse pour les sortants. Cette rotation tend ainsi faire rtrograder les fonds dj toils, les biais de slection apparaissant plus prononcs lentre qu la sortie. Ce rsultat est intressant car, jusquici, la plupart des tudes avaient surtout cherch prendre en compte les biais de survie, en ngligeant les biais dincubation .
Cette tude conduit formuler deux recommandations simples visant amliorer la robustesse de linformation fournie aux pargnants via les classements : dune part, accrotre la transparence sur les mouvements dentres-sorties des classements ; et, dautre part, fournir un historique des toiles passes, et non pas seulement celles du dernier mois disponible.
Les Cahiers scientifiques - n3 - mars 2007
Autorit des marchs financiers
Page 2
1 - Introduction
Le dveloppement de larchitecture ouverte en matire de distribution de fonds dinvestissement collectifs saccompagne dune utilisation de plus en plus rpandue des classements. Cette pratique, dj ancienne dans les pays anglo-saxons, a plus rcemment gagn lEurope continentale et la France en particulier.
Les classements les plus couramment mis disposition des investisseurs individuels, tels que les toiles attribues par Morningstar ou par Standard & Poors, sappuient sur des mesures de performances passes. Or, selon la formule bien connue, les rsultats passs ne prjugent des rsultats futurs. En consquence, les agences tablissant ce type de classements sont trs attentives accompagner leur publication davertissements trs stricts : dune part, ces classements doivent tre utiliss non pas pour prvoir les performances futures ou pour slectionner le meilleur fonds dune catgorie donne, mais seulement pour comparer de la faon la plus robuste possible les rsultats passs de fonds similaires, en tenant compte du risque ; dautre part, ces classements ne sont quun outil dinformation parmi dautres, et la slection de fonds doit aussi sappuyer sur dautres critres tels que le processus et le style dinvestissement, la stabilit de lquipe grant le fonds, la composition du portefeuille, etc. Certaines agences publient dailleurs aussi des notations dites qualitatives, qui reposent sur une analyse approfondie de ces critres fonds par fonds, partir notamment dentretiens individualiss.
Nonobstant ces avertissements, on constate nanmoins que les souscripteurs de fonds tendent utiliser ces classements en supposant implicitement que leurs rsultats sont relativement persistants. Par exemple, dans le cas amricain, ltude de Del Guercio et Tkac (2001) sur la priode 1996-1999 montre que lobtention de cinq toiles Morningstar saccompagne en moyenne, au cours des six mois suivants, dun surcrot de souscriptions estim un peu plus de 50%. Cette tude met aussi en vidence un impact significatif sur les flux dans le sens attendu des rvisions la hausse comme la baisse du nombre dtoiles. Il est probable que la politique commerciale des producteurs et distributeurs de fonds contribue ce phnomne, les fonds les plus toils tant davantage promus.
Compte tenu de cette utilisation de fait des classements, il apparat utile de chercher tester empiriquement si ceux-ci sont ou non persistants : un OPCVM grad 5* ou 4* aujourdhui a-t-il plus de chances que les autres dtre encore parmi les mieux classs dans le futur ? Dans ce but, le point de vue que nous adoptons ici est celui de linvestisseur individuel, en restreignant dlibrment le champ des questions poses par rapport celles souvent abordes dans les dbats plus acadmiques sur lefficience des marchs et sur la pertinence de la gestion active :
Page 3
nous nous intressons la persistance des performances relatives (ajustes du risque) des fonds les
uns par rapport aux autres, et non pas par rapport des indices de rfrence ou un modle multifactoriel. En dautres termes, nous cherchons seulement savoir si les fonds les mieux classs battent de faon rpte leurs concurrents dans les classements ultrieurs, et non pas sils gnrent durablement de l alpha ;
nous testons seulement si les classements sont persistants ou non, sans chercher identifier les
causes dune ventuelle persistance. Or celles-ci peuvent tre multiples : la persistance peut venir non seulement de diffrences dans le talent pur des grants, mais aussi dans les frais de gestion ou dans les styles dinvestissement.
Prcisons aussi que le but de notre tude nest pas du tout de dterminer quel est le meilleur classement, mais seulement danalyser les proprits de persistance des deux classements les plus anciennement tablis et utiliss sur le march franais des OPCVM :
nous avons limit notre analyse aux classements tablis par Morningstar et Standard & Poors, car ils
permettent dobtenir un historique de classements relativement long, et ce sont aussi ceux les plus couramment utiliss. Il convient nanmoins de noter que les classements plus rcents calculs par Fundclass/Aptimum et par EuroPerformance/Edhec Style rating intgrent explicitement dans leurs critres des indicateurs de persistance (selon des mthodes diffrentes) ;
nous ne cherchons pas confronter les mthodologies sous-jacentes aux diffrents classements
disponibles ; en particulier, nous nabordons pas la question complexe et souvent dbattue de la correction adquate du rendement au regard du risque pris2.
Il convient enfin de souligner que la persistance ne doit pas tre le seul critre prendre en compte pour valuer la pertinence dun classement :
la persistance est une condition ncessaire mais pas suffisante pour justifier lutilisation des classements comme aide la slection des fonds : par exemple, un classement lexicographique des OPCVM est par dfinition trs stable, mais il na bien sr aucune raison de fournir de linformation sur les performances relatives futures ;
inversement, labsence de persistance dun classement ne doit pas tre ncessairement interprte
comme le signe dun dfaut de sa mthodologie : si les performances des OPCVM taient compltement alatoires, nimporte quel classement fond sur celles-ci serait compltement instable, quelle que soit sa sophistication.
2 Pour
une analyse comparative des classements, voir Amenc-Le Sourd (2005).
Page 4
Par rapport aux travaux dj disponibles sur ce sujet, notre tude comporte plusieurs caractristiques :
elle utilise les classements effectivement publis chaque mois par Morningstar et par Standard &
Poors, alors que la plupart des autres tudes tablissent leurs propres classements partir dchantillons souvent partiels ou prenant mal en compte la ralit des mouvements dentres-sorties de fonds ;
elle concerne les OPCVM actions (France et zone euro) commercialiss sur le march franais, alors
que la plupart des travaux disponibles portent sur le march amricain des mutual funds , ainsi que, dans une moindre mesure, sur le march britannique ;
elle porte sur la priode 2000-2005 (et prend donc aussi en compte la bulle boursire de la fin
des annes 90 puisque le classement de 2000 rsulte des performances des trois annes prcdentes), alors que les rares tudes concernant le march franais utilisent des donnes relatives la dcennie 1990. Les classements tablis au cours de la priode 2000-2005 ont pour avantage non seulement de mieux reflter la situation rcente du march de la gestion collective, mais aussi de prendre en compte plusieurs sous-priodes trs contrastes en matire de tendances gnrales des marchs boursiers (cf. graphique 1 : hausse exceptionnelle des indices boursiers jusqu lautomne 2000, suivie dune forte chute jusquau dbut de 2003, puis net redressement depuis lors) ;
Graphique 1 : Evolution des marchs dactions dans la zone euro
Indice MSCI Zone Euro

280 260 240 220 200 180 160 140 120 100 janv97
Indice 100 au 1er janvier 1997
janv98
janv99
janv00
janv01
janv02
janv03
janv04
janv05
janv06
janv07
Page 5
enfin, elle repose sur une approche stochastique partir de lestimation de matrices de transition
entre les diffrents niveaux dtoiles. Cette mthode permet notamment dexploiter linformation fournie par les mouvements mensuels intervenant dans les classements, et dobtenir ainsi des estimations plus prcises quavec des donnes de frquence annuelle. Elle permet aussi de prendre en compte les mouvements dentres-sorties des classements, en ajoutant un tat non toil dans la matrice de transition.
La structure de ce document est la suivante. Aprs un tour dhorizon rapide des tudes disponibles
sur la persistance des classements de fonds (section II), la section III dcrit les donnes mises notre disposition et la section IV la mthode utilise. Les principaux rsultats de notre tude sont prsents et analyss dans la section V. La dernire section rsume les principaux enseignements que lon peut en tirer.
Page 6
2 - Brve revue des tudes disponibles sur la persistence des classements

La littrature la plus riche et la plus abondante sur le sujet de la persistance des performances concerne le march amricain des mutual funds , ainsi que, dans une moindre mesure, le march britannique3. Les principaux enseignements en sont les suivants :
il existe un biais important de survivance : les fonds les moins performants sont davantage susceptibles dtre ferms ;
nanmoins, une fois ce biais corrig, il subsiste une certaine persistance des performances, qui est
en gnral plus significative lorsquon mesure ces dernires relativement la concurrence plutt que par rapport aux indices boursiers de rfrence ;
cette persistance est la plus marque court terme et tend sestomper long terme ; le phnomne de rptition des perdants est plus prononc que celui de rptition des
gagnants ;
enfin, tous ces phnomnes de persistance ne relveraient pas seulement du talent pur des grants
mais dautres facteurs : frais de gestion, styles dinvestissement, effets de momentum dans les titres slectionns, etc.
Les tudes relatives au march des OPCVM commercialiss en France sont nettement moins nombreuses. De Marchi (2006) en fournit une synthse rcente, et prsente aussi des rsultats sur la priode 1993-2002. Il ressort de ces quelques tudes, portant sur la seule catgorie actions franaises , que la persistance des performances ne sobserverait que de faon trs intermittente au cours des annes 1990, et ne serait au mieux qu court terme (dune anne sur lautre).
Il convient de souligner que toutes ces tudes, tant sur les marchs anglo-saxons que franais, reconstituent leurs propres classements de fonds, partir de mesures de performances et dchantillons spcifiques. Elles ne permettent donc pas directement de savoir quel est le degr de persistance des classements publis chaque mois par les principales agences, et donc rellement mis la disposition des investisseurs individuels. Les rares travaux disponibles sur ce sujet spcifique concernent le cas des toiles Morningstar sur le march amricain, et prsentent des rsultats trs contrasts. La premire tude disponible, de Khorana et Nelling (1998), mettait en vidence une persistance significative des toiles Morningstar entre dcembre 1992 et juin 1995. Blake et Morey (2000) ont cependant remis en cause les rsultats de cette tude, en montrant quelle tait entache dun biais de survivance. Une fois ce biais corrig, la surperformance des fonds 5* ne parat pas durable sur la priode 1992-1997, seule la sous-performance des fonds classs avec
Pour une revue de cette littrature, voir par exemple Giles, Wilsdon et Worboys (2002).
Page 7
une ou deux toiles se rvlant persistante4. Morey (2003) va mme plus loin en montrant que lobtention du grade 5* sapparente un baiser de la mort : si lon analyse trois ans plus tard les fonds ayant reu pour la premire fois cette distinction la plus leve, leur performance apparat en forte chute, avec en outre une prise de risque plus importante. Une interprtation possible serait que, du fait de la forte augmentation des souscriptions lies lobtention des cinq toiles, le grant aurait du mal poursuivre la mme stratgie dinvestissement quauparavant (et notamment profiter deffets de momentum dans la valorisation de certains titres), et serait alors amen prendre plus de risques pour essayer de conserver son classement. Toutefois, une tude trs rcente ralise par le mme Morey associ Gottesman (2006) a compltement boulevers les conclusions prcdentes. Elle sappuie sur des donnes relatives la priode juin 2002 juin 2005, qui prennent donc en compte les changements de mthodologie intervenus dans les classements Morningstar partir de juin 20025. Pour les fonds actions amricaines , Morey-Gottesman (2006) aboutissent alors la conclusion suivante : le nouveau classement Morningstar apparat comme un prdicteur des performances futures jusqu un horizon dau moins trois ans, et cet effet se manifeste mme de faon monotone sur lensemble de la hirarchie des toiles (y compris jusquaux fonds 2* qui surperforment aussi ceux classs 1*). Les tudes publies par les quipes de Morningstar aux Etats-Unis vont aussi dans le mme sens : selon Kinnel (2005, 2006), les fonds les mieux toils en juin 2002 ou en juin 2003 auraient en moyenne fait mieux que les autres au cours des trois annes suivantes, aussi bien selon le critre de performance corrige du risque utilis par Morningstar quen termes de performance absolue.
Cette mise en vidence dun effet de persistance dans les nouveaux classements Morningstar relatifs au march amricain incite donc tudier sil en va de mme dans le cas franais pour les classements les plus couramment utiliss. Nous avons utilis deux bases de donnes dOPCVM actions commercialiss en France, lune mise notre disposition par Standard & Poors (S&P), lautre par Morningstar.
Cette tude, ainsi que les autres ralises ultrieurement, nexamine pas proprement parler la persistance des classements Morningstar, mais leur capacit prvoir les rendements futurs des fonds. Il peut y avoir l une incohrence mthodologique du fait que les performances futures sont mesures selon un critre qui nest pas celui retenu par Morningstar. Nous avons quant nous choisi de comparer les classements futurs aux classements prsents (tablis suivant le mme critre), ce qui vite ce biais. Ces changements sont principalement les suivants : dune part, le nombre de catgories de fonds commercialiss aux Etats-Unis est pass de 4 (actions amricaines, actions internationales, obligations municipales et autres obligations) 48, ce qui permet notamment de mieux tenir compte de diffrences dans les styles dinvestissement (par exemple, pour les actions : Large cap. vs. Small cap. ; Value vs. Growth ) ; dautre part, la mesure de performance utilise a t modifie afin de davantage tenir compte du risque.
Page 8
3 - Les chantillons dOPCVM et les classements utiliss

3-1 La base de donnes Standard & Poors
La base de donnes fournie par S&P comprend les OPCVM commercialiss en France (Sicav, FCP et fonds trangers autoriss par lAMF) pendant tout ou partie de la priode dcembre 2000 - dcembre 2005 et appartenant lune des deux catgories suivantes : actions France et actions zone euro (selon la nomenclature retenue par S&P).
Pour chaque mois, on dispose des toiles accordes par S&P, selon la mthodologie rsume dans lencadr 1. On dispose aussi, pour les fonds prsents chaque fin danne, de donnes sur leurs rendements mensuels antrieurs.
Encadr 1 : les toiles Standard & Poors Les toiles S&P sont calcules en utilisant les performances relatives dun OPCVM par rapport sa catgorie pour chacun des 36 mois prcdents. Seuls sont pris en compte, dans chaque catgorie, les OPCVM distribus en France. Lindicateur utilis pour classer les fonds les uns par rapport aux autres est le ratio suivant (calcul sur les 36 mois prcdents) : Performance relative mensuelle moyenne / Volatilit de la performance relative mensuelle
Linclusion au dnominateur de la volatilit de la performance relative vise tenir compte du risque. Cet indicateur sapparente une sorte de ratio dinformation, calcul non pas par rapport lindice de rfrence du fonds considr mais par rapport la performance moyenne des fonds de sa catgorie. Lannexe 1 prsente une analyse comparative entre le classement obtenu partir de cet indicateur et celui qui serait obtenu sans correction du risque (en utilisant seulement les rendements au cours des prcdents 36 mois). Sur la base du classement obtenu partir de cet indicateur, les toiles sont rparties entre les fonds suivant la distribution suivante :
5* : premiers 0-10% 4* : 10-30% 3* : 30-50% 2* : 50-75% 1* : 75-100%
Page 9
Il convient toutefois de souligner que chaque fonds prsent dans la base de donnes nest pas ncessairement toil chacun des mois de la priode dcembre 2000 dcembre 2005. En effet, un OPCVM ne peut se voir attribuer dtoiles tant quil na pas un historique de performances dau moins 36 mois dans sa catgorie dappartenance. Il existe ainsi de nombreuses raisons pour quun fonds ne soit pas toil un mois donn :
le fonds na pas encore t cr la date considre ; le fonds a t cr mais na pas encore 36 mois dhistorique ; le fonds a t cr depuis plus de 36 mois mais a chang de catgorie depuis moins de 36 mois6 ; le fonds nexiste plus ou a t fusionn avec un autre.
On trouve mme, dans la base de donnes, des fonds nayant jamais reu dtoiles, comme par exemple ceux crs aprs 2003 pour lesquels S&P ne disposait pas de lhistorique suffisant (36 mois) pour les classer.
Comme on le verra plus en dtail ultrieurement, il est tout fait essentiel de disposer dun chantillon qui ne soit pas restreint aux seuls fonds continment toils durant toute la priode considre : ceci permet notamment de tenir compte dventuels biais de slection au sein des fonds entrant ou sortant des classements. Nanmoins, partir de la base de donnes fournie par S&P (ainsi que pour celle fournie par Morningstar), nous avons procd quelques retraitements :
Nous avons limin de notre chantillon les fonds qui ntaient toils que de manire fugace (moins
de 6 mois) avant de disparatre. Il sagit en effet le plus souvent de fonds qui ont migr vers dautres catgories. Leur inclusion serait une source de bruit qui augmenterait indment la volatilit des toiles ;
Nous avons par ailleurs constat ici ou l des interruptions de classement de trs courte dure (1 3
mois), qui refltent probablement des problmes temporaires dalimentation de la base de donnes. Dans de tels cas, nous avons combl les trous laide des toiles attribues lors du mois le plus proche.
Lchantillon ainsi obtenu comprend 513 fonds, dont moins de la moiti sont continment toils de fin 2000 fin 2005.
Exceptionnellement, un OPCVM changeant de catgorie peut conserver son historique et donc ses toiles, si ce changement ne provient pas dune modification des objectifs ou du style de gestion de ce fonds : cela peut, par exemple, tre le cas sil tait initialement class dans une catgorie peu approprie ou lors dune migration vers une catgorie nouvellement cre lui correspondant mieux.
Autorit des marchs financiers Page 10
3-2 La base de donnes Morningstar

La base de donnes fournie par Morningstar a la mme structure que celle de S&P, et nous avons opr les mmes retraitements que ceux dcrits ci-dessus. Nous avons ainsi obtenu un chantillon de 784 fonds ayant t toils par Morningstar pendant au moins 6 mois au cours de la priode octobre 2001 septembre 20057.
Il convient cependant de rappeler ici les diffrences de mthodes dans les classements tablis par Morningstar (cf. encadr 2) et S&P :
lindicateur de performance corrige du risque utilis par Morningstar est obtenu partir dune fonction dutilit avec aversion relative constante au risque, et non pas partir dun ratio performance relative / volatilit relative ;
les catgories retenues pour classer les fonds ne sont pas les mmes : chez Morningstar, les OPCVM actions de la zone euro sont rpartis entre trois catgories selon la capitalisation des entreprises dans lesquelles ils investissent (grandes, moyennes et petites capitalisations), et il ny a pas de catgorie actions France (contrairement S&P) ;
chez Morningstar, les toiles sont attribues en comparant entre eux (au sein de chaque catgorie)
lensemble des fonds distribus en Europe, et non pas les seuls fonds distribus en France (comme dans le cas de S&P) ; ainsi, par exemple, le pourcentage des fonds 5* au sein de lensemble des OPCVM distribus en France (et classs par Morningstar) nest pas forcment de 10% ;
les toiles ne sont pas attribues selon la mme distribution : la mdiane se situe au milieu du grade
3* chez Morningstar, alors quelle se trouve la frontire des grades 3* et 4* chez S&P.
La base de donnes transmise par Morningstar portait initialement sur une priode plus longue (mars 2001-mars 2006), mais nous lavons restreinte aux deux bouts. Dune part, entre mars et septembre 2001, un nombre inhabituellement lev de fonds ont fait leur entre dans les classements, ce qui a fortement boulevers la hirarchie de ceux-ci et donc les toiles. Dautre part, Morningstar a introduit de nouvelles catgories partir de novembre 2005, ce qui sest traduit par dimportants changements, dorigine exogne, dans les classements.
Encadr 2 : les toiles Morningstar
Les toiles Morningstar sont calcules partir de la mthode dite MRAR ( Morningstar Risk-Adjusted Return ). Lindicateur de performance ajuste du risque est obtenu partir dune fonction dutilit avec aversion relative constante au risque. Il est calcul partir de la formule suivante :
12
1 MRAR ( ) = (1 + rGt ) t =1
dcrit le niveau daversion au risque de linvestisseur.
o rGt est le rendement excdentaire (par rapport au rendement dun investissement sans risque) et o
Lattribution des toiles Morningstar est tablie en classant les fonds selon la valeur de cet indicateur MRAR sur les 36 derniers mois, en prenant =2 (ce niveau de 2 tant considr par Morningstar comme reprsentant le comportement type dun investisseur face au risque).
Sur la base du classement obtenu partir de cet indicateur, les toiles sont rparties entre les fonds suivant la distribution suivante :
5* : premiers 0-10% 4* : 10-32,5% 3* : 32,5-67,5% 2* : 67,5-90% 1* : 90-100%
Page 12
4 - La mthode utilise
Dans le but danalyser le degr de persistance des toiles attribues aux OPCVM, nous avons choisi de recourir une mthode probabiliste reposant sur lestimation de matrices de transition entre les diffrents niveaux dtoiles. Daprs la revue de la littrature existante laquelle nous avons procd, cette mthode, couramment utilise dans le domaine de la notation du crdit des metteurs (pour valuer les probabilits de passage entre les diffrentes notes), na curieusement pas t applique jusquici dans le cas des classements de fonds. Ainsi que nous allons le montrer, elle est pourtant particulirement bien adapte pour exploiter au mieux linformation mensuelle dont nous disposons sur lvolution des toiles attribues aux OPCVM.
4-1 Les limites des analyses fondes sur des observations faible frquence
Pour illustrer la persistance de leurs classements dans lunivers des fonds mutuels amricains, les analystes de Morningstar8 mettent en avant le rsultat suivant sur la priode rcente : les fonds initialement classs 5* (en juin 2002 ou en juin 2003) obtiennent trois ans plus tard un classement moyen lgrement suprieur celui des fonds initialement moins toils. Par exemple, dans le cas de la catgorie actions amricaines , les fonds initialement 5* en juin 2003 ont en moyenne 3,2* en juin 2006, comparer 3,0* pour ceux initialement 4*, 2,8* pour ceux initialement 3* et 2,7* pour ceux initialement 2* ou 1*.
Le mme type danalyse descriptive peut tre conduit sur les deux chantillons dont nous disposons dans le cas des OPCVM actions distribus en France. Les rsultats en sont reproduits sur les graphiques 2 (Morningstar) et 3 (S&P) ci-dessous. Dans les deux cas, les OPCVM sont rpartis en cinq groupes en fonction de leur nombre dtoiles la date initiale (septembre 2001 ou dcembre 2000) ; on calcule ensuite, pour chacun de ces groupes, le nombre moyen dtoiles obtenu les annes suivantes par les fonds encore classs. Dans lensemble, une telle analyse fait apparatre un phnomne de convergence assez rapide vers la note moyenne9, mme si les fonds initialement les mieux classs conservent encore, en gnral, un trs lger avantage au bout de trois ans. Par exemple, dans le cas des donnes Morningstar, les OPCVM classs 4* ou 5* en septembre 2001 obtiennent en moyenne 3,1* en septembre 2004, comparer 2,7* pour ceux initialement classs 1* ou 2*.
8 9
Voir Kinnel (2005, 2006). La note moyenne est infrieure 3* chez S&P du fait que la moiti des fonds classs se voit attribuer 1* ou 2*.
Graphique 2 Notes moyennes successives en fonction de la catgorie initiale en sept. 2001
6 5 4 3 2 1 0 sept 2001 sept 2002 sept 2003
Donnes Morningstar
sept 2004
sept 2005
Graphique 3 Notes moyennes successives en fonction de la catgorie initiale en dc. 2000
6 Donnes S&P 5
0 Dec 00 Dec 01 Dec 02 Dec 03 Dec 04 Dec 05
Page 14
Il est toutefois difficile de tirer des enseignements robustes de ce type de rsultats :
nous ne disposons que de trop peu de priodes pluriannuelles pour obtenir des estimations suffisamment prcises, et nous navons pas la possibilit de tester la significativit statistique des carts observs entre les notes moyennes des diffrents groupes ;
les rsultats ci-dessus sont probablement affects dun biais de survivance, puisque les fonds sortant
des classements au fil des annes ultrieures ne sont plus pris en compte.
On peut dailleurs se faire une ide de ce manque de robustesse partir du tableau 1 ci-dessous10, qui prsente la rpartition des OPCVM en fonction de leur classement trois annes auparavant, et en introduisant une catgorie non toils ( NE ) pour les fonds qui ne sont plus classs. Tableau 1
Standard & Poor's

1+2* 1+2* 3* 4+5* Ensemble 38% 38% 46% 41% 3*
Etoiles en Dc 2003
4+5* 23% 21% 22% 22% NE 25% 19% 17% 21% Ensemble 100% 100% 100% 100%
Etoiles en Dc 2000
14% 21% 15% 16%
Standard & Poor's

1+2* 1+2* 3* 4+5* Ensemble 46% 46% 32% 42% 3*
Etoiles en Dc 2005
4+5* 6% 5% 36% 15% NE 36% 29% 21% 30% Ensemble 100% 100% 100% 100%
Etoiles en Dc 2002
12% 20% 12% 13%
10
Ce tableau nest prsent ici que dans le cas des donnes S&P, mais les rsultats seraient qualitativement de mme nature dans le cas des donnes Morningstar.
Page 15
Ce tableau met en effet en vidence les phnomnes suivants :
les pourcentages obtenus sont trs diffrents selon la date de dpart : les fonds initialement 4* ou 5*
en dcembre 2002 ont une probabilit nettement plus leve que les autres dtre encore parmi les mieux classs trois ans plus tard, alors que ce nest pas du tout le cas lorsquon prend dcembre 2000 comme date de dpart (date situe, il est vrai, au moment de lclatement de la bulle boursire, ce qui peut contribuer expliquer pourquoi beaucoup des fonds les plus performants de 1998 2000 nont pas conserv leur classement lhorizon des trois annes suivantes). Il serait donc trs utile de pouvoir tester la stabilit temporelle des rsultats obtenus ;
le pourcentage de fonds qui se retrouvent non toils trois ans plus tard apparat relativement
important (de lordre de 20% 30%), et est en outre le plus lev chez les OPCVM initialement les moins bien classs : cette observation souligne la ncessit de tenir compte des biais de survivance lorsquon tudie la persistance des classements.
4-2 Lestimation partir de matrices de transition mensuelles

Afin de surmonter les difficults qui viennent dtre mises en vidence, nous avons choisi dutiliser une mthode stochastique reposant sur lestimation de matrices de transition mensuelles :
le recours des informations frquence leve (mensuelle) permet damliorer la prcision statistique des estimations sur les probabilits de passage dun niveau dtoiles lautre ;
lintroduction, dans une telle matrice, dun tat non toil permet de prendre en compte les mouvements dentres-sorties des classements, et de neutraliser ainsi dventuels biais de slection.
4-2-1 La mthode destimation
Pour construire les matrices de transition, ltape prliminaire consiste dfinir les diffrents tats possibles dans lequel peut se trouver un OPCVM. Nous en avons retenu six : les cinq niveaux dtoiles et ltat non toil , not NE dans tout ce qui suit. Chaque OPCVM de lchantillon peut ainsi tre class chaque mois dans lun de ces six tats.
Page 16
Les tapes suivantes consistent calculer, pour chaque mois, le nombre de passages dun tat lautre, puis estimer les probabilits de passage dun tat lautre. On notera dans ce qui suit : t nij t pij
le nombre de fonds passant de ltat i ltat j la priode t la probabilit de passage de ltat i ltat j la priode t
o i,j La matrice de probabilits
{*, **, ***, ****, *****, NE}. transition Pt pour le mois t (qui comporte 6 lignes et 6 colonnes) a pour lments les
t ij
et scrit donc :
NE * * * * * * * * * * * * * * * NE * P = ** ***
t
t pij
**** *****
Lestimation des probabilits de passage seffectue partir de la vraisemblance de lchantillon, qui vaut la date t :
t t Lt = nij Log pij i j
( )
On calcule alors lestimateur du maximum de vraisemblance des probabilits de passage sous les contraintes habituelles :
t ij 0 p
p
j
t ij
=1
(1)
On sait que cet estimateur est donn par lexpression suivante :

t ij = p t nij
n
j
(2)
t ij
et quil est asymptotiquement non-biais et de distribution normale. Son cart type est donn par :
t ij
t t ij 1 p ij p = t nij j
1/ 2
(3)
Page 17
Cet estimateur est tout fait classique, et est par exemple couramment utilis dans le cas de la notation crdit des metteurs. Toutefois, les classements de fonds obissent une logique particulire, qui rend cet estimateur inadapt. En effet, alors que les notations en matire de crdit ont un caractre absolu (la rpartition des metteurs entre les diffrents niveaux de notes nest pas prdfinie), les classements de fonds seffectuent sur une base strictement relative : par construction, la proportion de fonds appartenant chaque catgorie est fixe. Or, lestimateur donn par (2) nimpose nullement une telle contrainte.
Il convient toutefois de noter que ce problme ne se pose que pour lchantillon S&P, et non pour lchantillon Morningstar. En effet, dans le classement Morningstar, contrairement celui de S&P, les toiles sont calcules non pas sur le seul univers des fonds distribus en France, mais sur celui des fonds distribus dans lensemble de lEurope : en consquence, la proportion des fonds distribus en France dans chaque niveau dtoiles Morningstar nest donc pas prdtermine.
Dans le cas de lchantillon S&P, on est amen modifier lestimateur prcdent de la faon suivante. A un instant donn t, si lon note la proportion de fonds toils dans la base de donnes et (1-) la proportion de ceux qui ne le sont pas, la proportion des fonds dans les diffrents tats est donne par le vecteur suivant (compte tenu du fait que, dans le classement S&P, 25% des OPCVM toils reoivent une toile, 25% deux toiles, 20% trois toiles, etc) :
X ( ) = [0,25 0,25 0,2 0,2 0,1 1 ]

Par construction, la priode suivante t+1, il doit exister un paramtre qui dfinisse un vecteur X() de structure similaire, tel que les proportions de fonds toils restent inchanges.
Le fait que la notation des fonds soit relative suppose donc lexistence dun couple ( ,) tel que : (4)
X ' ( ') = X ' ( ) P t
Ceci impose donc cinq contraintes linaires supplmentaires sur les coefficients, en sus des conditions habituelles que doit satisfaire une matrice de transition. On obtient alors les estimateurs vraisemblance Lt, sous cet ensemble de contraintes.
t ~ pij
en maximisant la
Page 18
4-2-2 Les tests de stabilit temporelle

A ce stade, on est donc capable destimer des matrices de transition mensuelles. Il est alors naturel de sinterroger sur la stabilit temporelle de ces matrices pour au moins deux raisons. Premirement, sil savrait que ces matrices fussent instables (du fait, par exemple, dune forte dpendance des probabilits de transition mensuelles vis--vis du cycle boursier), il ne serait pas possible dextrapoler sur plusieurs annes les estimations obtenues. Deuximement, la stabilit de ces matrices influe sur la prcision des estimations des probabilits. En effet, lorsquon travaille sur des transitions mensuelles, la probabilit quun fonds reste dans le mme tat est trs leve (pii ~ 1), alors que les probabilits pij (avec ij) quil migre vers un autre tat sont faibles. Ds lors, sil ny a que peu de fonds classs dans une catgorie, lvaluation de la probabilit de passer dun tat un autre est fort imprcise. Pour fixer les ides, si par exemple pij= 0.1 avec N=25 observations, on obtient partir de (3) un
p = 0,06, soit du mme ordre de cart-type
t ij
grandeur que la probabilit de transition, et celle-ci ne peut donc pas
tre considre comme
significativement diffrente de zro. On voit ds lors lintrt de disposer de matrices de transition stables au cours du temps : cela permet dutiliser davantage dobservations (N crot dans notre exemple, et donc lcart-type diminue), conduisant ainsi des estimations plus prcises.
La stabilit temporelle est classiquement teste en comparant la vraisemblance obtenue selon que lon suppose que les matrices -
~ Pt
sont :
variables au cours du temps (la log-vraisemblance tant alors note LVnc) ;
- constantes :
~ ~ P t = P , t = 1,..., T .
(la log-vraisemblance tant alors note LVc).
Ce test doit tre lgrement modifi lorsquon impose la contrainte (4). En effet, sous cette contrainte, chacune des matrices
~ P t comporte
(6-1)(6-1) = 25 coefficients indpendants par priode ; ce nombre aug-
mente 6(6-1) =30 paramtres en labsence de cette contrainte.
Dans le cas de lchantillon S&P, o lon doit effectivement imposer la contrainte (4), le nombre de mois dobservations est T = 60 (de dcembre 2000 dcembre 2005). On estime donc 1500 paramtres (60x25) si les matrices sont distinctes, contre 25 paramtres dans le cas contraire. On rejettera alors lhypothse de stabilit, un seuil = 0.05 donn, si :
2 D = LVc LVnc 0 1475) = 1565 .05 (
11
11
Comme il est dusage, pour calculer ces seuils, on approxime la loi du 2() par la loi normale N(, (2)).
Page 19
Avec notre chantillon S&P, cet cart vaut D=1038 : lhypothse de stabilit des matrices de transition sur la priode dcembre 2000 dcembre 2005 est donc accepte.
Dans le cas des donnes Morningstar, nous nimposons pas la contrainte (4) et le nombre de mois dobservations est T=47 (doctobre 2001 septembre 2005)12. On estime donc 1410 paramtres (47x30) si les matrices sont distinctes, contre 30 paramtres dans le cas contraire. On rejettera alors lhypothse de stabilit, un seuil = 0.05 donn, si :
2 D' = LVc LVnc 0 1380) = 1466 .05 (
Avec notre chantillon Morningstar, cet cart vaut D=1203 : lhypothse de stabilit des matrices de transition sur la priode octobre 2001 septembre 2005 est donc accepte.
Il convient de noter que cette stabilit des matrices de transition a un gros avantage pratique : partir dune rpartition initiale X0 des OPCVM, la rpartition finale Xt, un horizon t quelconque peut facilement se calculer selon la formule :
~ P (t )
reprsente ici la matrice
~ X t ' = X 0 ' P (t ) ~ P la puissance t.
Ceci permettra donc danalyser des matrices un horizon quelconque, mme sil excde celui des bases de donnes utilises. Il convient toutefois de souligner quune telle pratique suppose non seulement une stabilit des matrices de transitions sur la priode sous revue (ce qui a t test) mais aussi au del (ce qui ne lest bien videmment pas). Par ailleurs, comme on le discute en Annexe 2, il faut aussi que ltat des matrices linstant t reprsente lintgralit de linformation ncessaire pour valuer les transitions. Cette discussion technique est prsente en Annexe 2. Concrtement, elle peut conduire survaluer la stabilit des matrices de transition au-del dun mois.
12
Lorsquon effectue le test sur une priode plus longue (mars 2001-mars 2006), lhypothse de stabilit nest pas vrifie pour les raisons mentionnes dans la note de bas de page N3.
Page 20
4-2-3 Les rsultats des estimations

Tableau 2 : Matrice de transition 1 mois estime partir de lchantillon S&P
Initial\Final
NE
**
***
****
*****
NE * ** *** **** *****
97,14% 0,16% 1,26% 0,16% 0,78% 0,12% 0,70% 0,13% 0,66% 0,12% 0,38% 0,13%
0,41% 0,06% 84,84% 0,51% 14,23% 0,48% 0,84% 0,14% 0,00% 0,00% 0,00% 0,00%
0,62% 0,08% 13,48% 0,48% 67,30% 0,72% 22,34% 0,63% 0,88% 0,14% 0,00% 0,00%
0,54% 0,07% 0,40% 0,09% 16,96% 0,51% 62,30% 0,84% 15,23% 0,55% 0,05% 0,05%
0,77% 0,09% 0,02% 0,02% 0,73% 0,12% 13,75% 0,52% 76,68% 0,70% 14,70% 0,78%
0,52% 0,07% 0,00% 0,00% 0,00% 0,00% 0,07% 0,04% 6,55% 0,38% 84,87% 0,79%
Les nombres en italiques situs en ligne infrieure correspondent aux estimateurs des carts-type
Tableau 3 : Matrice de transition 1 mois estime partir de lchantillon Morningstar
Initial\Final
NE
**
***
****
*****
NE * ** ***
96,47% 0,17% 0,26% 0,13% 0,40% 0,08% 0,19% 0,04% 0,23% 0,06% 0,37% 0,14%
0,25% 0,05% 86,89% 0,87% 3,44% 0,24% 0,06% 0,02% 0,00% 0,00% 0,05% 0,05%
0,68% 0,08% 11,82% 0,82% 84,47% 0,49% 6,75% 0,24% 0,20% 0,06% 0,05% 0,05%
1,48% 0,12% 0,78% 0,22% 11,36% 0,42% 88,79% 0,31% 10,42% 0,41% 0,21% 0,10%
0,72% 0,08% 0,19% 0,11% 0,31% 0,07% 4,18% 0,19% 85,50% 0,49% 13,78% 0,79%
0,40% 0,06% 0,06% 0,06% 0,02% 0,02% 0,03% 0,02% 3,64% 0,25% 85,53% 0,81%
**** *****
Les nombres en italiques situs en ligne infrieure correspondent aux estimateurs des carts-type
Page 21
Les estimations des matrices de transition mensuelles sont donnes dans les tableaux 2 et 3 ci-dessus. Elles mettent en vidence une forte mobilit mensuelle des fonds entre les diffrentes classes :
dans le cas des donnes S&P, 15% des OPCVM grads 5* perdent chaque mois cette distinction,
et le tiers des OPCVM classs 2* ou 3* changent de classement (voir tableau 2) ;
dans le cas des donnes Morningstar, environ 15 % des OPCVM changent chaque mois de niveau
dtoiles (voir tableau 3).
Les toiles tant calcules sur la base des rsultats enregistrs au cours de 36 mois glissants prcdents, on aurait pu sattendre une plus grande stabilit des classements dun mois sur lautre. Pour interprter ce rsultat un peu surprenant en premire lecture, il est donc ncessaire de pousser un peu plus loin lanalyse.
Page 22
5 - Analyse et interprtation des rsultats obtenus

Trois grandes questions mritent dtre examines plus en profondeur :
Compte tenu de cette forte mobilit mensuelle des toiles, partir de quel horizon peut-on considrer
que le classement initial dun fonds na plus dimpact significatif sur son classement final ?
Les classements passs apportent-ils de linformation supplmentaire par rapport celle dj contenue dans les classements prsents ?
Quelles sont les implications des mouvements dentres-sorties des classements ?
5-1 Le degr de persistance des classements

5-1-2 Quelle persistance 3 ans ?
Il est appropri de comparer les classements 3 ans dintervalle, puisque cest le dlai partir duquel les historiques sur lesquels les toiles sont calcules ne se chevauchent plus.
Comme dj indiqu, on peut obtenir la matrice de transition 3 ans en multipliant 36 fois par elle-mme la matrice de transition mensuelle. Les rsultats obtenus sont prsents dans les tableaux 4 (S&P) et 5 (Morningstar). Dans les deux cas, il apparat quun fonds initialement 5* a une probabilit plus leve quun fonds initialement mal class dtre grad 4* ou 5* trois annes plus tard. Toutefois, dans labsolu, cette probabilit na rien dexceptionnel. Par exemple, avec les donnes S&P, elle est dun peu moins de 28% -ou 32% si lon limine les OPCVM qui ne sont plus toils-, cest--dire du mme ordre de grandeur que le pourcentage de fonds que S&P classe chaque mois dans les grades 4* ou 5* (30%). En dautres termes, les fonds initialement 5* ne se distinguent plus significativement de leurs contemporains au bout de trois ans (leur rpartition entre les diffrents niveaux dtoiles est peu prs la mme que celle retenue par S&P pour lensemble de la population des OPCVM classs) : ils se distinguent seulement des fonds initialement moins bien classs en raison du mauvais classement persistant de ces derniers.
Page 23
Tableau 4 : Matrice de transition 3 ans estime partir de lchantillon S&P
Initial\Final
NE
**
***
****
*****
NE * ** *** **** *****
42,2% 18,0% 17,1% 16,5% 15,6% 14,4%
13,3% 22,6% 22,3% 21,8% 20,9% 19,8%
13,9% 21,5% 21,5% 21,3% 21,0% 20,6%
11,6% 16,2% 16,5% 16,7% 16,9% 17,3%
12,3% 14,9% 15,5% 16,1% 17,0% 18,2%
6,6% 6,7% 7,2% 7,7% 8,5% 9,6%
Tableau 5 : Matrice de transition 3 ans estime partir de lchantillon Morningstar
Initial\Final
NE
**
***
****
*****
NE * ** *** **** *****
30,1% 5,5% 5,4% 5,1% 5,1% 5,3%
4,6% 8,2% 7,2% 6,6% 5,8% 5,1%
16,7% 25,8% 24,7% 24,0% 22,5% 21,0%
30,5% 41,5% 42,0% 42,2% 41,9% 41,3%
13,8% 15,4% 16,5% 17,4% 19,1% 20,8%
4,3% 3,7% 4,2% 4,6% 5,6% 6,6%
Page 24
5-1-2 A partir de quel horizon le classement initial nimporte-t-il plus ?

Pour apporter de premiers lments de rponse cette question, on peut commencer par comparer la probabilit qua un OPCVM dtre class 5* un horizon donn, selon quil avait obtenu initialement 5* ou 1*. On constate ainsi sur le graphique 4 ci-dessous quun fonds initialement 5* a beaucoup plus de chances quun fonds initialement 1* dtre class 5* un horizon infrieur 3 ans. Toutefois, cet avantage dcrot vite et tend sestomper lhorizon de 4 ou 5 annes.
Graphique 4 : Probabilit pour un OPCVM dtre class 5* son classement initial
Standard & Poor's

30% Fonds initialement class 1 * 25% Fonds initialement class 5 * 20%
20% 25% 30%
Morningstar
Fonds initialement class 1 *
Fonds initialement class 5 *
15%
15%
10%
10%
5%
5%
0% 1 an 2 ans 3 ans 4 ans 5 ans
0% 1 an 2 ans 3 ans 4 ans 5 ans
N.B. : Les rsultats obtenus pour S&P et Morningstar ne peuvent tre directement compars du fait notamment que la rpartition des toiles et les priodes destimation ne sont pas les mmes.
Pour avoir une ide plus prcise de lhorizon partir duquel le classement initial nimporte plus, il est cependant ncessaire de tenir compte de lincertitude sur lestimation des probabilits de transition. Ceci peut tre fait partir de la mthode dcrite ci-aprs.
Page 25
~ (t ) ~ Considrons la matrice de transition P ( t ) un horizon t donn. Soit , Pi , j la
probabilit
pour
t ij
un
~ fonds initialement class dans la catgorie i de finir dans la catgorie j linstant t. Lcart-type ~ p
de
pt matrice P . Pour les ces probabilits dpend de faon complexe de lensemble des cart-types de la ij valuer, on utilise des techniques de Monte Carlo. Une fois ce calcul effectu, on considre que le classement initial i ou i dun fonds est sans influence, au seuil , sur la probabilit de se retrouver class j, lorsque :
~ pi(,tj) ~ pi('t, )j < c ~

t ~t ~ pij pi ' j
pour tout j
o c correspond au niveau du test de Student au seuil .
Le tableau 6 ci-dessous rsume les rsultats obtenus. Par exemple, dans le cas de Morningstar, un OPCVM initialement 5* devient quivalent au bout de 46 mois un OPCVM initialement 1*, mais au bout de seulement 26 mois un OPCVM initialement 4*, soit avant mme le dlai de 3 ans ncessaire pour obtenir un nouvel historique de performances compltement indpendant de celui utilis dans le classement initial.
Tableau 6 : Horizon partir duquel un OPCVM initialement 5* devient statistiquement quivalent (au seuil de 5%) un fonds initialement class
S&P 4* 3* 2* 1* 26 mois 35 mois 39 mois 42 mois
Morningstar 26 mois 39 mois 43 mois 46 mois
N.B. : Les rsultats obtenus pour S&P et Morningstar ne peuvent tre directement compars du fait notamment que la rpartition des toiles et les priodes destimation ne sont pas les mmes.
A cet horizon critique de 3 ans, il est nanmoins rassurant de constater que les fonds initialement 5* conservent un avantage significatif par rapport aux fonds initialement 1* ou 2*. Pour autant cette supriorit ne se maintient pas jusqu 4 ans.
Page 26
5-1-3 Quels carts de performances ?
Jusquici notre analyse sest dlibrment limite tudier la persistance des classements. Nanmoins, afin de fixer les ordres de grandeur, il peut tre utile de comparer les rendements futurs des fonds (non corrigs du risque) en fonction de leur classement initial.
Le graphique 5 ci-dessous fournit, dans le cas de lchantillon S&P restreint aux seuls OPCVM de la catgorie actions zone euro , les carts de performances mensuelles par rapport aux fonds 5* en fonction du seul classement initial13. Cet cart apparat relativement stable lhorizon de 12 mois. Par exemple, les fonds initialement 5* tendent, en moyenne, surperformer ceux initialement 1* ou 2* denviron 25 points de base par mois, au cours des 12 mois suivant ce classement. Pour autant, mme sil est non ngligeable en valeur absolue, ce diffrentiel de rendement nest pas statistiquement significatif compte-tenu de lampleur des carts-type : la performance dun fonds 5* pris au hasard nest pas significativement suprieure celle dun fonds pris au hasard dans les grades infrieurs. En dautres termes, si un investisseur souhaitait exploiter cet cart de rendement, il ne pourrait le faire qu la condition dtre acheteur de lensemble des fonds 5* et vendeur de lensemble des fonds faiblement toils (sachant quil faudrait alors aussi prendre en compte les cots de transaction lis ces oprations).
Graphique 5
Ecart de performances par rapport aux fonds 5* en fonction du classement initial (catgorie "actions zone euro" de S&P)
0
-0,05
NN * ** *** ****
-0,1
En %
-0,15
-0,2
-0,25
-0,3 0 1 2 3 4 5 6 7 8 9 10 11 12
Horizon (en nombre de mois)
13 On calcule donc, pour chaque fonds, la priode t=0 dans une classe donne, son rendement t+1, t+2, , t+12 mois. On en dduit le rendement moyen pour tous les fonds dune classe donne linstant t ces divers horizons indpendamment de leurs classements ultrieurs. On a alors calcul, pour chaque classe, la moyenne de cet indicateur mensuel entre 2001et 2004.
Page 27
5-2 Linfluence de lhistorique des toiles

Lorsquon a estim les matrices de transition prcdentes, on a implicitement fait lhypothse que les classements passs ne jouaient aucun rle et, corrlativement, que le classement actuel rsumait toute linformation disponible sur les fonds. Une telle hypothse est difficile valider dans le cadre de cette tude, faute de disposer de donnes sur longue priode14.
On peut nanmoins essayer dvaluer les limites dune telle hypothse. Pour ce faire, il convient de raisonner sur des matrices de transition agrges, faute de quoi les transitions vers certains tats sont trop rares pour tre estimes correctement. On a donc ici rduit le nombre dtats quatre (au lieu de six prcdemment) en regroupant ensemble les grades 1* et 2*, dune part, et les grades 4* et 5*, dautre part. A partir de cette nouvelle classification, on tient compte de lhistoire des fonds en calculant des probabilits de transition en fonction non seulement de leur classement prsent mais aussi de leur classement 12 mois auparavant. Le tableau 7 qui suit fournit cette nouvelle matrice de transition ( partir des donnes S&P) :
Tableau 7 : Matrice de transition 1 mois en fonction des toiles prsentes et antrieures (-12 mois)
Etoiles antrieures (-12 mois) Etoiles prsentes
NE
Etoiles futures (+1 mois)

1* ou 2* 3* 4* ou 5*
NE 1* ou 2* 3* 4* ou 5*
1* ou 2* 1* ou 2* 1* ou 2* 1* ou 2*
0,5% 1,3% 0,8% 1,2%
89,9% 92,5% 83,0% 77,9%
9,4% 5,9% 15,8% 19,8%
0,3% 0,2% 0,4% 1,2%
NE 1* ou 2* 3* 4* ou 5*
3* 3* 3* 3*
0,4% 0,9% 0,8% 0,5%
23,3% 29,0% 25,1% 16,6%
59,8% 57,7% 64,8% 68,5%
16,5% 12,3% 9,3% 14,3%
NE 1* ou 2* 3* 4* ou 5*
4* ou 5* 4* ou 5* 4* ou 5* 4* ou 5*
Source : chantillon Standard & Poor's
0,9% 1,1% 0,5% 0,5%
0,4% 1,1% 0,3% 0,5%
6,9% 21,5% 18,0% 7,5%
91,7% 76,2% 81,1% 91,5%
14
Il sagit des tests classiques dans la littrature conomtrique sur lordre des chanes de Markov.
On constate deux diffrences statistiquement significatives selon le pass des fonds. Tout dabord, un fonds mal class aujourdhui, mais qui a t bien class antrieurement, a de meilleures chances de rebondir dans le futur quun fonds rest durablement mal class. De mme, un fonds rcemment promu 4 ou 5 toiles, alors quil en avait prcdemment 1* ou 2*, a plus de chances de perdre cette distinction quune star plus ancienne.
Ces rsultats semblent mettre en vidence des forces de rappel, qui tendent ramener les fonds vers leur classement antrieur lorsque celui-ci a rcemment chang. Ceci suggre donc que lhistorique des toiles dun fonds apporte une information utile en supplment de celle fournie par son grade prsent.
Le tableau 7 fait aussi apparatre un autre rsultat : parmi les fonds 4* ou 5*, la persistance est la plus leve non seulement chez ceux qui avaient dj ce grade auparavant, mais aussi chez ceux qui ntaient pas encore toils douze mois plus tt. Le degr de persistance obirait donc une sorte de courbe en U , avec aux deux extrmits les stars confirmes et les jeunes stars . Entre les deux, la position la plus prcaire serait celle de stars ascendantes : il vaut mieux tre parachut directement en haut de lchelle que dy tre promu en partant du bas
5-3 Les consquences des mouvements dentressorties des classements

5-3-1 Lampleur des flux dentres-sorties
Un phnomne marquant est le nombre relativement lev de fonds qui, dun mois lautre, deviennent toils (flux dentres) ou qui, au contraire, cessent de ltre (flux de sorties). Quon en juge. Chez S&P, les entres mensuelles reprsentent environ 1,3% et les sorties 0,8% des fonds existants : au total, sur une anne, 8,1% des fonds ont disparu et 13% des fonds ont t nouvellement classs. Dans le cas de Morningstar, on trouve des chiffres semblables quant aux entres (13,6% annuellement) mais sensiblement plus faibles pour les sorties (2,7% annuellement)15.
Le grand nombre dentres reflte pour une part le dynamisme des crations de fonds actions commercialiss en France. Leffet combin du lancement de leuro et du boom des performances des marchs ac-
15 Notons toutefois que ces rsultats sur lchantillon Morningstar ne sont valables quentre octobre 2001 et septembre 2005. En particulier, comme indiqu dans la note de bas de page N5, les sorties augmentent fortement dans la priode qui suit cause de lintroduction par Morningstar de nouvelles catgories de fonds.
Page 29
tions la fin des annes 90 a favoris la cration de nouveaux fonds actions zone euro , comme on peut le voir sur le graphique 6 ci-aprs. Avec un dlai de 3 annes, il en a mcaniquement rsult des entres importantes dans les classements de S&P et Morningstar au cours de la premire moiti des annes 2000.
Graphique 6 Nombre dOPCVM commercialiss en France
700
600
500
400
300
200
OPCVM Actions France OPCVM Actions zone euro
100
0 janv 96
janv 97
janv 98
janv 99
janv 00
janv 01
janv 02
janv 03
janv 04
janv 05
janv 06
Source : AMF
Mais lampleur des flux dentres-sorties reflte aussi la migration de fonds vers des catgories diffrentes, pour de multiples raisons possibles (changement de lindice de rfrence du fonds, migration dans une catgorie nouvellement cre correspondant mieux aux caractristiques du fonds, etc). En particulier, la suite du passage leuro, un nombre important dOPCVM actions France ont migr dans la catgorie zone euro . Ce phnomne peut dailleurs contribuer expliquer le taux de sorties nettement plus faible chez Morningstar que chez S&P, puisque Morningstar ne fait pas de distinction entre ces deux catgories dans ses classements.
5-3-2 Y a-t-il un biais dincubation ?

Comme le montre le tableau 8 ci-aprs, les fonds nouvellement toils apparaissent mieux classs que la moyenne avec une diffrence statistiquement significative, aussi bien chez S&P que chez Morningstar. Par exemple, dans le cas de S&P, prs de 18% des OPCVM nouvellement toils obtiennent le grade 5*, comparer 10% pour lensemble de la population des fonds ; de mme, seulement 14% des nouveaux obtiennent le grade 1*, contre 25% pour lensemble de la population.
Page 30
Ce rsultat est susceptible dinterprtations diverses. Mais on ne peut carter lhypothse que ce biais dincubation soit li des comportements stratgiques de la part de socits de gestion. Ces dernires sont en effet susceptibles de faire de lcrmage au sein de leurs fonds rcemment lancs, en fermant, en fusionnant ou en changeant de catgorie les moins performants avant quils natteignent le cap fatidique des trois ans dhistorique. La pression de la demande peut dailleurs tre directement lorigine de ce type dcrmage si les nouveaux fonds les moins performants recueillent une collecte insuffisante. Par ailleurs, on ne peut totalement exclure que certains fonds ne fassent pas leur entre dans les classements tant que leurs performances restent mdiocres, du fait dune absence de transmission des donnes les concernant aux agences. Tableau 8
Classement des nouveaux toils (S&P)

Catgorie Equilibre Nouveaux toils 1* 25% 14,1% (1) 2* 25% 22,10% 3* 20% 19,20% 4* 20% 26,8%(1) 5* 10% 17,8%(2)
Classement des nouveaux toils (Morningstar)

Catgorie Moyenne Nouveaux toils (1) significatif au seul de 5% 1* 6% 7% 2* 22,40% 19,2%(1) 3* 42,70% 42,10% 4* 21,50% 20,30% 5* 7,40% 11,4%(2)
(2) significatif au seul de 1%
5-3-3 Y a-t-il un biais de survivance ?

Graphique 7 Probabilit de sortir du classement en fonction du nombre dtoiles obtenu 12 mois auparavant
12% 10% 8%
6% 4% 2% 0% 1* 2* 3* 4* 5*
Source : Echantillon Standard & Poors Les Cahiers scientifiques - n3 - mars 2007 Autorit des marchs financiers Page 31
Alors que lexistence de biais dincubation a t peu analyse dans les tudes disponibles, les biais de survivance sont au contraire des phnomnes bien connus et documents en matire de performances des fonds dinvestissement. Par exemple, les tudes sur le march amricain des mutual funds montrent clairement que les fonds les moins performants ont une probabilit de survie plus faible.
Nous retrouvons pour partie ce rsultat dans notre tude, mais, de faon un peu inattendue, le bais de survivance apparat moins net que le biais dincubation.
Certes, dans la base de donnes S&P, les sorties concernent bien prioritairement les fonds les plus mal classs (cf. graphique 7) : lhorizon dun an, la probabilit de sortir du classement est deux fois plus leve pour un OPCVM initialement 1* que pour un OPCVM initialement 5* (un peu plus de 10% contre un peu plus de 5%). Toutefois :
on ne retrouve pas ce rsultat dans le cas des donnes Morningstar, pour lesquelles les probabilits
de sortie du classement ne dpendent pas significativement du nombre initial dtoiles ;
en inspectant plus en dtail les donnes S&P, on constate que les sorties du classement rsultent
souvent non pas de la disparition des fonds mais plutt de leur migration vers dautres catgories. Il vaudrait donc mieux parler dun biais de migration plutt que dun biais de survie. Comme dj indiqu, ceci sexplique au moins en partie par le passage leuro, qui a t loccasion pour certains fonds de changer de catgorie (de France zone euro ), provoquant ainsi pour certains dentre eux leur sortie du classement S&P16. Ce biais de migration serait donc dans ce cas de nature transitoire et spcifique au classement S&P (du fait de la distinction entre France et zone euro dans ses catgories. Mais il existe aussi dautres types de migrations vers des catgories telles que ISR/Ethique 17 ou fonds diversifis , qui sont plus difficiles interprter : celles-ci peuvent tre lies non pas seulement des changements dindice de rfrence des fonds concerns, mais aussi des requalifications opres par S&P si ces fonds avaient t initialement classs dans une catgorie moins adquate. En tout tat de cause, les biais de slection semblent tre plus marqus lentre qu la sortie des classements. Ceci nest pas sans importance car les deux types de biais ne jouent pas dans le mme sens : les biais de slection lentre tendent faire reculer le classement des fonds dj prsents, alors que cest linverse pour les biais la sortie. La prdominance des biais dincubation pourrait donc au moins en partie expliquer lun des rsultats que nous avons mis en vidence :
un fonds initialement 5* na, au bout de trois ans, gure plus de chances quun fonds choisi au hasard (y compris ceux qui ntaient pas encore classs trois ans auparavant) dtre class 4* ou 5* ;
nanmoins, un fonds initialement 5* a plus de chances de rester bien class au bout de trois ans quun fonds initialement mal class.
16 Lorsquun fonds passe de la catgorie Actions France la catgorie Actions zone euro , il ne reste toil que si S&P accepte de prendre en compte lhistorique de ses performances lors du changement de catgories, ce qui nest pas automatique. 17 La catgorie ISR/thique a t introduite par S&P en octobre 2003. Les fonds ayant migr vers cette catgorie sont rests toils seulement dans le cas o S&P a considr que leur gestion tait dj de type ISR au cours des trois annes prcdentes.
Page 32
6 - Conclusion
Plusieurs constats relativement robustes se dgagent des analyses qui prcdent concernant le degr de persistance des toiles attribues aux OPCVM actions (France ou zone euro) commercialiss en France.
Tout dabord, il y a bien une certaine persistance des toiles attribues par Morningstar ou S&P, mais celleci est faible et surtout tend se dissiper rapidement au-del de lhorizon de 3 ans (alors mme que, selon les enqutes de la Banque de France, la dure moyenne de dtention des OPCVM est dun peu plus de 4 annes). De fait, il existe une force de rappel qui tend ramener long terme au sein du peloton les fonds initialement classs en tte. Certes, les carts de performances futures entre OPCVM initialement bien et mal classs sont en moyenne importants, mais leur variance leve rend ce rsultat difficile utiliser pour linvestisseur en pratique (saut tre acheteur de lensemble des fonds 4* ou 5* et vendeur de lensemble des fonds 1* ou 2*). On peut nanmoins identifier des cas dans lesquels le degr de persistance est plus lev et peut tre exploit par linvestisseur. Dune part, les OPCVM durablement bien classs dans le pass (cest--dire les stars confirmes ) ont davantage de chances de le rester dans le futur (par rapport ceux rcemment promus de bas en haut de lchelle des toiles). Dautre part, les fonds bien ns (quon a appel les jeunes stars ), c'est--dire rcemment toils (aprs avoir pass le cap des trois annes dhistorique) et entrs directement en tte des classements, ont de meilleures chances de conserver cette position. En dautres termes, par analogie avec le classement mondial ATP des joueurs de tennis, il vaut mieux miser sur un Roger Federer class en tte depuis plusieurs annes que sur un joueur parvenu subitement dans le top 10 aprs avoir gagn un ou deux tournois, sauf si ce dernier est un jeune joueur rcemment entr sur le circuit professionnel.
Le second constat touche limportance des mouvements dentres et sorties des classements, et leur impact sur ces derniers. Ds lors quelles sont tablies partir des performances au cours des 36 mois glissants prcdents, on pourrait penser que les toiles sont trs inertes dun mois sur lautre, voire mme dune anne sur lautre. Or cela nest pas vrifi : lentre dun nombre non ngligeable de nouveaux fonds (les taux annuels dentres ont t en moyenne de lordre de 13% au cours de la priode considre) modifie sensiblement les classements, et ce dautant plus que les nouveaux arrivants sont gnralement bien classs et font donc mcaniquement rtrograder les fonds plus anciens. A noter, en revanche, que mme sil existe parmi les OPCVM cessant dtre classs une surreprsentation des fonds mal classs, ce biais de slection la sortie semble avoir moins deffet sur les classements que celui mis en vidence lentre. Ce constat est intressant car les tudes antrieures, portant principalement sur les marchs amricain et britanniques, analysaient surtout les biais de survie en ngligeant ce que nous avons baptis le biais dincubation .
Page 33
Il convient cependant de souligner que tous ces rsultats doivent tre interprts avec prcaution. Dabord, rappelons que les toiles ne sont nullement destines tre le critre unique de slection des fonds : leur modeste degr de persistance ne fait donc que confirmer, si besoin en tait, la ncessit de combiner de nombreux autres critres, aussi bien quantitatifs que qualitatifs. Ensuite et surtout, nos rsultats ont t obtenus partir dhistoriques de classements encore relativement courts (2000-2005), et linstabilit des toiles a pu tre exagre par des phnomnes spcifiques la priode considre. Dune part, cette priode a t trs chahute sur le plan boursier, avec plusieurs retournements de cycles trs marqus en matire de secteurs et de styles dinvestissement dominants. Dautre part, ce nest qu partir de la fin des annes 1990 que le march franais des OPCVM actions a vritablement commenc se structurer et se dvelopper (comme en tmoignent les taux dentres levs que nous avons relevs dans les classements), et il navait donc pas encore atteint le stade de la maturit pendant la priode analyse. Mme si les donnes sur les classements de fonds fournissent dj une information trs riche, il est clair que leur utilit ira en croissant mesure quelles seront disponibles sur de plus longues priodes et que le march franais des OPCVM actions sera plus mature.
Sur la base des rsultats de notre tude, on peut nanmoins formuler deux recommandations simples qui permettraient damliorer la robustesse et lutilit de linformation fournie aux pargnants via les classements dOPCVM :
accrotre la transparence sur les mouvements dentres-sorties des classements : un recensement plus systmatique des nouveaux entrants et une meilleure connaissance des motifs de sorties amlioreraient la qualit de linformation ;
fournir un historique des toiles passes - et non pas seulement les toiles du dernier mois disponible-, puisquon a mis en vidence quun fonds bien class de faon rcurrente dans le pass avait plus de chances de le rester dans le futur18 (hormis le cas particulier des nouveaux entrants arrivant directement en haut des classements).
18
Ceci ne conduit pas recommander dattribuer les toiles sur la base dhistoriques de performances allant au-del de trois annes, comme le fait Morningstar aux Etats-Unis (o les toiles sont obtenues partir dune moyenne pondre des classements sur 3, 5 et 10 ans, pour les fonds pour lesquels ces historiques plus longs sont disponibles). Comme montr par Morey (2002), cela introduit un biais dans la comparaison des toiles selon lge des fonds : sous-performances identiques sur les annes rcentes, un fonds ayant plus de 10 ans dge sera moins susceptible de perdre des toiles quun fonds ayant moins de 5 ans dge.
Rfrences bibliographiques
Amenc N., Le Sourd V. (2005), Rating the Rating, Edhec Risk and Asset Management Research Center, Working Paper.
Blake C., Morey M. (2000), Morningstar Rating and Mutual Fund Performance, Journal of Financial and Quantitative Analysis, 35, 3, 451-83.
Del Guercio D., Tkac P. (2001), Star Power: the Effect of Morningstar ratings on Mutual Fund Flows, Federal Reserve Bank of Atlanta, Working Paper 2001-15.
De Marchi R. (2006), La persistance des performances des OPCVM actions franaises, Banque et Marchs N82.
Giles T., Wilsdon T., Worboys T. (2002), Performance persistence in UK equity funds A literature review, Charles River Associates.
Kinnel R. (2005), Rating the Star Rating, Morningstar FundInvestor (December).
Kinnel R. (2006), The Star Rating Gains Momentum, Morningstar FundInvestor (November).
Khorana A., Nelling E. (1998), The Determinants and Predictive Ability of Mutual Fund Ratings, Journal of Investing (November), 61-66.
Morey M. (2003), The Kiss of Death: a 5-star Morningstar Mutual Fund Rating?, Journal of Investment Management, 3,2, 41-52.
Morey M. (with Gottesman A.), (2006), Morningstar Mutual Fund Ratings Redux, Lubin school of Business, Pace University, Working Paper.
Page 35
Annexe 1
Le classement des fonds : quel est leffet de la correction du risque ?
Les classements tablis par S&P et Morningstar reposent non pas sur la seule comparaison des rendements, mais visent par des mthodes diffrentes tenir compte aussi du risque. Do une question assez naturelle : quel est le lien entre ces classements et celui que lon obtiendrait en ne faisant pas de correction du risque, cest--dire en comparant directement les rendements des fonds au cours des trois annes prcdentes ? Nous pouvons fournir des lments de rponse cette question dans le cas des donnes S&P. En effet, pour les fonds classs par S&P en dcembre 2005, nous disposons non seulement de leurs toiles mais aussi :
de la valeur du ratio dinformation19 utilis pour tablir ce classement, du rendement (non corrig du risque) au cours des trois annes prcdentes.
Le graphique ci-dessous, qui porte sur la population des fonds actions de la catgorie zone euro , compare les classements obtenus selon ces deux critres. Visuellement, les deux classements apparaissent trs proches.
Classement selon le Rendement et le Ratio d'information 180 160 Classement Rendement 140 120 100 80 60 40 20 0 0 50 100 150 Classement Ratio d'Information
19 Rappelons que lindicateur utilis par S&P est un ratio dinformation calcul non pas partir de lindice de rfrence du fonds considr mais de la performance moyenne des fonds de la catgorie.
Page 36
Pour quantifier plus prcisment la corrlation entre les deux classements, on a procd au test dindpendance de Spearman20. Celui-ci conduit rejeter au seuil de 1% lhypothse dindpendance des deux classements.
Sur la base de cette tude, il semblerait donc que la prise en compte du risque ne modifie qu la marge les classements dOPCVM. Toutefois, il convient de souligner les limitations de cette tude :
elle ne porte que sur une seule priode (classements fin dcembre 2005, partir des performances sur les trois annes 2003-22004-2005), et ne peut donc pas ncessairement tre gnralise dautres priodes ;
la mme tude na pas t mene sur le classement Morningstar, qui repose sur un autre type de mesure de performance corrige du risque.
20 Le principe de ce test est le suivant. On compare les classements obtenus partir de deux variables X et Y auxquelles sont associs les rangs respectifs R et Q. On calcule alors pour chaque observation la statistique Di = Ri - Qi. Le test de Spearman se fonde alors sur la statistique :
= 1
D n(n 1)
2 i =1
2 i
o n est le nombre dobservations La rgion critique du test de dpendance positive entre les deux classements est du type > c, c variant en fonction du seuil retenu.
Les Cahiers scientifiques - n3 - mars 2007 Autorit des marchs financiers Page 37
Annexe 2
Le biais cr par la spcification des matrices de transition
Lanalyse dveloppe partir des matrices de transition offre lavantage dutiliser pleinement linformation mensuelle sur les entres et sorties des classements. Toutefois, linsuffisance de donnes dans leur dimension temporelle ne permet pas dliminer certains biais propres cette mthode. Pour comprendre ces biais, considrons un exemple simple o tous les fonds ont une esprance de rendement nulle car, une priode donne, ce rendement peut avec une probabilit gale prendre les valeurs r ou r. On suppose que les rendements des divers fonds sont indpendants (temporellement et entre eux) et que le classement dpend simplement du rendement moyen sur deux priodes (prsente et passe). Sous ces hypothses, les fonds peuvent tre classs dans trois catgories, notes Cr, C0 et C-r, correspondant des rendements moyens respectivement gaux r, 0 et r. La matrice de transition pour une priode est alors gale :
0 0,5 0,5 P1 = 0,25 0,5 0,25 0 0 , 5 0 , 5

Compte tenu de lindpendance des rendements, la matrice de transition pour deux priodes est, elle, gale :
0,25 0,5 0,25 P2 = 0,25 0,5 0,25 0,25 0,5 0,25

On peut alors vrifier facilement que P2 P1 * P1 puisque :
0,375 0,5 0,125 P1 * P1 = 0,25 0,5 0,25 0,125 0,5 0,375

Lexplication de ce rsultat est la suivante. La matrice de transition P1 est inadapte car elle ne tient pas compte de certaines informations. Plus spcifiquement, considrons un fonds appartenant C0 linstant t. Si, la priode prcdente, il appartenait Cr, cela signifie que son rendement prsent est -r ; la priode suivante, il aura alors la mme probabilit dappartenir C0 et C-r. En revanche, sil appartenait prcdemment C-r, son rendement prsent est r et, la priode suivante, il aura alors la mme probabilit dap-
Page 38
partenir C0 et Cr, En dautres termes, comme le classement prend en compte deux priodes, un fonds dont le classement samliore a une probabilit plus forte dtre bien class dans le futur. Une matrice de transition adquate devrait donc prendre en compte cette information et, dans ce cas, on aurait alors P2 = P1 * P1. Dans cet exemple, il faudrait la matrice de transition 4 tats (au lieu de 3), en distinguant les fonds appartenant C0 selon leur rendement prcdent (r ou r).
Ce rsultat se gnralise aisment, et il faudrait donc pour notre tude tenir compte de lensemble de lhistorique des classements. Cependant, pour des raisons de donnes et de taille des matrices de transition qui en rsulteraient, ceci nest gure possible en pratique.
Cette absence de prise en compte de lhistorique des classements ne semble toutefois pas trop dommageable dans le cas de notre tude. En effet, dans la partie V.2 sur linfluence de lhistorique des toiles, nous avons mis en vidence un mcanisme inverse de celui dcrit ci-dessus et lorigine du biais voqu : un fonds dont le classement sest rcemment amlior a une probabilit plus leve de se retrouver ensuite mal class. En outre, les matrices de transition que nous avons estimes font apparatre une mobilit tonnamment leve des classements dun mois sur lautre, ce qui ne va pas non plus dans le sens de ce biais.
Page 39
______________________________________________
Directeur de la publication : Hubert Reynier Rdacteur en chef : Fabrice Pansard Secrtariat : Muriel Visage
h.reynier@amf-france.org 01.53.45.63.65 f.pansard@amf-france.org 01.53.45.63.57 m.visage@amf-france.org 01.53.45.63.35
Avertissement Les Cahiers scientifiques sont une publication anime par le Dpartement des tudes de l'Autorit des marchs financiers. Ils prsentent des travaux d'tude et de recherche mens en interne ou par des chercheurs extrieurs issus du monde acadmique et avec lesquels l'Autorit des marchs financiers a mis en place une collaboration, en particulier travers le Conseil scientifique. Les Cahiers scientifiques refltent les vues personnelles de leurs auteurs et n'expriment pas ncessairement la position de l'Autorit des marchs financiers.
______________________________________________
Page 40

Les Étoiles D'aujourd'hui Préjugent-Elles Des Étoiles de Demain ?

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Les Étoiles D'aujourd'hui Préjugent-Elles Des Étoiles de Demain ?

Transféré par

Droits d'auteur :

Formats disponibles

Mars 2007

Dpartement des tudes

Les toiles daujourdhui prjugent-elles des toiles de demain ?

Les Cahiers scientifiques - n3

Olivier Garnier* et Thierry Pujol**1

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

une analyse comparative des classements, voir Amenc-Le Sourd (2005).

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Graphique 1 : Evolution des marchs dactions dans la zone euro

Indice MSCI Zone Euro

Indice 100 au 1er janvier 1997

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

2 - Brve revue des tudes disponibles sur la persistence des classements

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

3 - Les chantillons dOPCVM et les classements utiliss

5* : premiers 0-10% 4* : 10-30% 3* : 30-50% 2* : 50-75% 1* : 75-100%

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Les Cahiers scientifiques - n3 - mars 2007

3-2 La base de donnes Morningstar

Les Cahiers scientifiques - n3 - mars 2007

Encadr 2 : les toiles Morningstar

5* : premiers 0-10% 4* : 10-32,5% 3* : 32,5-67,5% 2* : 67,5-90% 1* : 90-100%

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Les Cahiers scientifiques - n3 - mars 2007

Graphique 2 Notes moyennes successives en fonction de la catgorie initiale en sept. 2001

6 5 4 3 2 1 0 sept 2001 sept 2002 sept 2003

Graphique 3 Notes moyennes successives en fonction de la catgorie initiale en dc. 2000

0 Dec 00 Dec 01 Dec 02 Dec 03 Dec 04 Dec 05

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Il est toutefois difficile de tirer des enseignements robustes de ce type de rsultats :

Standard & Poor's

14% 21% 15% 16%

Standard & Poor's

12% 20% 12% 13%

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

Ce tableau met en effet en vidence les phnomnes suivants :

4-2 Lestimation partir de matrices de transition mensuelles

4-2-1 La mthode destimation

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

o i,j La matrice de probabilits

On sait que cet estimateur est donn par lexpression suivante :

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

X ( ) = [0,25 0,25 0,2 0,2 0,1 1 ]

X ' ( ') = X ' ( ) P t

Les Cahiers scientifiques - n3 - mars 2007

Autorit des marchs financiers

4-2-2 Les tests de stabilit temporelle

NE * * *

NE * * *

NE * * *