Cours de Gestion de Portefeuille

Cours de Gestion de portefeuille : Dorsaf Ben Aissia
Cours De gestion de
portefeuille
Public : Mastère Ingénierie financière et bancaire, M1,
ISCAE
Nombre d’heure : 42H
Année scolaire: 2020/2021
Dorsaf Ben aissia
Septembre 2021
1
-Table des matières-
Chapitre 1 : Théorie de l’utilité espérée, comportement vis-à-vis du risque et

théorie de l’efficience des marchés financiers.................................................................. 6
Section 1 : Théorie de l’utilité espérée ........................................................................... 6
1.1 Axiomes .................................................................................................................. 6
1.2 Théorème de l’utilité éspérée ................................................................................... 7
Section 2 : Attitude face au risque et mesures de l’aversion au risque d’Arrow-Pratt.. 8
2.1 Aversion absolue au risque d’Arrow –Pratt (1953) ................................................ 10
2.2 Aversion relative au risque d’Arrow –Pratt (1953) ................................................ 10
2.3 Dominance stochastique d’ordre 1 (ou de degré 1) ................................................ 10
Section 3 : Efficience des marchés financiers ............................................................... 11
3.1 Définitions ............................................................................................................ 11
3.2 Formes de l’efficience informationnelle ............................................................. 11
3.3 Tests de Validité de l’efficience informationnelle ................................................. 12
3.4 Critique de la forme de l’efficience proposé par Fama (1970) .............................. 12
Chapitre 2 : Rendement des titres, frontière d’efficience et modèle de marché ... 14
Section 1 : Rendements géométriques Vs rendements arithmétiques ........................ 14
Section 2 : Le principe de diversification...................................................................... 15
Section 3 : Portefeuille efficient et frontière d’efficience ............................................. 16
Section 4 : Capital Market Line Vs Security Market Line.............................................. 17
Chapitre 3 : Modèle du Médaf, indices de performance et premiers tests
empiriques du modèle ........................................................................................................... 21
Section 1: Le Modèle d’Équilibre Des Actifs Financiers (MEDAF) ou Capital Asset
Princing Model (CAPM)................................................................................................. 21
1-1 Hypothèses du Médaf.......................................................................................... 21
1-2 Présentation du modèle ...................................................................................... 22
Section 2 : Indices de performance basés sur le Médaf ................................................ 22
2.1 Le ratio de Sharpe................................................................................................ 23
2.2 Le ratio de Treynor.............................................................................................. 23
2.3 L’alpha de Jensen ................................................................................................. 24
Section 3 : Revue des premiers tests du Médaf ............................................................ 24
Section 4 : La critique de Roll........................................................................................ 25
Section 5 : Anomalies de marché .................................................................................. 26
5-1 Effet taille ............................................................................................................ 27
5-2 La saisonnalité mensuelle ou effet Janvier ......................................................... 27
5-3 Effet valeur .......................................................................................................... 28
2
5-4 La saisonnalité journalière ou effet weekend .................................................... 29

5-5 Effet de fin de mois ............................................................................................. 30
5-6 Effet de momentaniété........................................................................................ 30
Chapitre 4 : Modèles d’évaluation multi bêtas et identification des facteurs ........ 33
Section 1 : Le Modèle d’Évaluation par Arbitrage (MEA) ou Arbitrage Pricing Theory
(APT) ............................................................................................................................. 33
Section 2 : Définition des modèles d’évaluation multi bêtas ....................................... 34
Section 3 : Approches d’identification des facteurs explicatifs de la rentabilité des
titres .............................................................................................................................. 35
Section 4 : le modèle à trois facteurs de Fama et French (1993) et à cinq facteur de
Fama et French (2015) ................................................................................................. 37
4-1 Présentation du modèle à trois facteurs de Fama et French (1993) ..... 38
4-2 Présentation du modèle à cinq facteurs de Fama et French (2015) et
Cahart (1997)....................................................................................................... 40
Références bibliographiques ............................................................................................... 41
3
Introduction générale
Ce cours étudie les bases de la théorie moderne du portefeuille d’actions. Il s’agit d’étudier
dans un premier temps la fonction de l’utilité espérée et d’analyser l’axiomatisation de ce
modèle ainsi que l’attitude face au risque de l’investisseur et ce, définie dans contexte de risque
et d’incertitude. L’idée derrière ce concept de l’utilité est que les modèles d’évaluation
classiques des actions se basent toutes sans exception sur l’hypothèse de l’utilité espérée. Une
autre hypothèse cruciale dans la modélisation des rendements est l’efficience des marchés
financiers. Il est alors important de définir la théorie de l’efficience, d’expliquer son impact sur
la formation des prix sur les marchés et de présenter les tests permettant de valider
empiriquement ses différentes formes. Dans un deuxième temps, il s’agit de présenter l’univers
espérance-variance défini selon Markowitz (1952). Nous présentons alors le principe de
diversification d’un portefeuille de titres, nous définissons un portefeuille efficient et nous
construisons la frontière d’efficience et ce, telle que proposée par Markowitz (1952). Enfin,
nous introduisons l’actif sans risque, la droite de marché et nous générons le modèle de marché.
Dans un troisième temps, nous présentons les hypothèses et l’expression du modèle de
l’évaluation des actifs financiers (MEDAF), les mesures du risque systématiques et les mesures
de performance fondées sur ce modèle. Nous étudions aussi les critiques adressées au modèle
principalement la critique de Roll (1977) et l’appariation des anomalies du marché financier.
Une extension de ce travail est de présenter dans un quatrième temps, les modèles post-Médaf
4
(multi-bétas) les plus pertinents à savoir: Fama et French (1993), Cahart (1997) ou Fama et
French (2015).
5
Chapitre 1 : Théorie de l’utilité

espérée, comportement vis-à-vis du
risque et théorie de l’efficience des
marchés financiers
Dans ce chapitre, nous étudions la théorie de l’utilité espérée, le comportement des
investisseurs vis-à-vis du risque (aversion relative au risque, aversion absolue au risque et la
dominance stochastique) ainsi que l’efficience des marchés financiers selon Fama (1970)
(formes, tests de validité et critiques).
Section 1 : Théorie de l’utilité espérée

La théorie de l’utilité espérée décrit le comportement d’un individu parfaitement rationnel
lorsqu’il est confronté à des choix risqués. En effet, en toute circonstance, il opère des choix
qui respectent une axiomatique complexe et réalise des anticipations pertinentes sur la base de
l’ensemble d’information disponible. Le critère retenu pour décrire la rationalité parfaite est la
maximisation de l’utilité espérée. Cette formalisation rationnelle repose sur un certain nombre
d’axiomes résumés comme suit :
1.1 Axiomes
Axiome 1 (dit de préférence ou de comparabilité) : l’individu est toujours capable de

classer toute paire de loteries {La, Lb}. En d’autres termes, il peut toujours affirmer qu’il
préfère La à Lb (noté La≥Lb), qu’il est indifférent entre La et Lb noté (La~Lb) ou enfin qu’il
préfère La à Lb (noté La≤Lb).
Axiome 2 (dit de transitivité) : pour tout triplet de loteries {La, Lb, Lc}, si La est préférée à
Lb et Lb est préférée à Lc alors La est préférée à Lc. Cet axiome est également nommé axiome de
cohérence.
6
Axiome 3 (dit de non saturation) : l’individu peut toujours augmenter sa satisfaction.

Autrement dit, sa satisfaction n’est jamais saturée.
Axiome 4 (dit de continuité) : la relation de préférence ≥ est telle que, pour tout triplet de
loteries {La, Lb, Lc} telles que La> Lb> Lc, il existe un scalaire   0,1 tel que Lb-  La +(1- 
)Lc. Plus concrètement, cette probabilité de continuité implique que l’ordre de préférence de
l’individu n’est pas perturbé par un changement mineur des probabilités d’occurrence des
différents états.
Axiome 5 (dit de l’indépendance des alternatives) : la relation de préférence ≥ sur

l’espace des loteries simples (  ) est telle que, pour tout triplet de loteries {La, Lb, Lc} et pour
tout   0,1 ;
La ≥ Lb   La +(1-  )Lc ≥  Lb +(1-  )Lc.
Cet axiome implique que si nous mélangeons deux loteries avec une troisième, les
préférences de l’individu ne sont pas perturbées par la nature de la troisième loterie. La
combinaison  La + (1-  )Lc décrit une loterie de loteries (ou une loterie composée) ou
l’individu reçoit La avec une probabilité  et Lc avec une probabilité (1-  ). Dans le cas où
 =1/2, cette combinaison est un jeu de pile ou face. Si le résultat de ce tirage est face,
l’individu reçoit Lc dans les deux loteries composées. Par contre si le résultat du tirage est pile,
l’individu préfère recevoir La à Lb. Un individu rationnel préfère finalement la combinaison 
La + (1-  )Lc à la combinaison L
b
+ (1-  )Lc.
1.2 Théorème de l’utilité éspérée
Si la relation de préférence définie sur (  ) satisfait les axiomes de continuité et

d’indépendance, alors cette relation peut être représentée par une fonction de préférence
linéaire dans les probabilités et il existe un scalaire un associé à chacun des revenus monétaires
xn, n=1,………..N tel que pour toute paire de loterie,
La = ( p 1a ,…….. p aN ) et Lb = ( p 1b ,…….. p bN )
7
N N
La  Lb   p an u n   p bn u n
n1 n1
Ce théorème (dit de l’utilité espérée) est le résultat fondamental de la théorie des choix
risqués ; il est au cœur de nombreuses modélisations financières. Lorsque les axiomes de
continuité et de l’indépendance sont vérifiés, les préférences de l’individu peuvent être alors
représentées par une fonction d’utilité linéaire dans les probabilités. Cette fonction d’utilité
permet la transformation des gains monétaires en satisfaction de l’individu. L’investisseur
rationnel confronté à un choix d’investissement sélectionne un titre (une loterie) ou un
portefeuille (combinaison de loterie) qui lui offre la plus grande satisfaction. Le théorème de
l’utilité espérée stipule que cette satisfaction maximale est obtenue par la combinaison de
loteries dont l’espérance de l’utilité est la plus élevée.
Section 2 : Attitude face au risque et mesures

de l’aversion au risque d’Arrow-Pratt
Dans ce qui suit, nous caractérisons l’attitude face au risque des investisseurs. En effet,
face à une nouvelle information, la description du comportement rationnelle reste cruciale.
Plusieurs attitudes face au risque sont étudiées et l’on distingue généralement trois. Sur les
marchés financiers, certains investisseurs (les plus nombreux) cherchent à éviter le risque et
sont qualifiés de riscophobes (risk averse), d'autres ne tiennent pas compte du risque dans leur
prise de décision et sont alors qualifiés de neutres au risque (risk neutral) ; enfin, les
investisseurs qui aiment le risque sont qualifiés de riscophiles (risk lover).
Nous définissons alors :

1- Un investisseur est averse au risque (riscophobe) si, pour toute loterie L, la satisfaction
que lui procure la moyenne des gains de façon certaine est supérieure (ou égale) à la
satisfaction qu'il retire de sa participation à la loterie.
2- Un individu est neutre envers le risque s'il est indifférent entre participer à la loterie ou
recevoir la moyenne des gains de façon certaine.
3- Et un investisseur est dit amateur de risque (riscophile) si la satisfaction qu'il retire de
la participation à la loterie est supérieure (ou égale) à la satisfaction associée à
l'obtention certaine de la moyenne des gains.
8
Un investisseur averse au risque a une fonction d'utilité strictement concave. L’exemple le plus
connu est la fonction logarithmique illustré par le graphique 1. Ce graphique montre qu’un
investisseur qui présente une fonction d'utilité logarithmique éprouve plus de satisfaction à
recevoir la moyenne des gains de façon certaine que de participer à la loterie.
Fonction d'utilité logarithmique
Les investisseurs averses au risque créent sur le marché financier ce qu’on appelle une prime de
risque. Cette prime récompense leur aversion pour qu’il soit indifférent entre jouer à la loterie
et avoir le gain certain. Cette prime s'exprime généralement comme l'excès de rentabilité
espérée par rapport aux le taux sans risque (voir chapitre 3).
Par ailleurs, de nombreuses fonctions d'utilités croissantes et strictement concaves sont utilisées
dans la littérature financière nous citons la fonction exponentielle négative, la fonction d'utilité
quadratique et bien évidemment la fonction logarithmique. La plus au moins grande aversion
au risque dépend de la concavité de la courbe mais aussi du niveau de la richesse initiale. Nous
définissons alors deux mesures de l’aversion au risque.
9
2.1 Aversion absolue au risque d’Arrow –Pratt (1953)
est égale à :
𝑈 ′′ (𝑋)
𝐴𝐴(𝑥 ) =
𝑈 ′ (𝑋)
L’interprétation de ce coefficient est assez intuitive puisque les investisseurs neutres au risque
ont une fonction d'utilité linéaire, ce qui traduit une aversion absolue égale à zéro (puisque la
dérivée seconde est nulle). La plus moins forte concavité de la fonction d'utilité traduit une
aversion au risque plus ou moins marquée. Cette concavité peut être mesurée par la dérivée
seconde de la fonction d'utilité.
2.2 Aversion relative au risque d’Arrow –Pratt (1953)
est égale à :
𝑈 ′′ (𝑋)
𝐴𝑅(𝑥 ) = −𝑋.
𝑈 ′ (𝑋)
Une aversion relative constante comprise entre 0 et 1, ce qui souvent le cas des modélisations
en littérature financière, signifie que l’investisseur face à des choix risqués consacre la même
proportion de richesse.
Une troisième mesure de l’aversion au risque est la dominance stochastique. Dans ce qui suit
nous étudions la dominance stochastique d’ordre 1 caractérisant les distributions des
rendements des titres sur les marchés financiers.
2.3 Dominance stochastique d’ordre 1 (ou de degré 1)
La dominance stochastique d’ordre 1 signifie que pour deux actifs X et Y, la probabilité de

réaliser un rendement x selon la distribution du titre X est plus grande que la probabilité de
réaliser ce même x selon la distribution des rendements de titre Y.
𝑃(𝑟𝑋 > 𝑥) ≥ 𝑃(𝑟𝑌 > 𝑥)
10
Autrement dit que pour un actif X domine stochastiqment d’ordre 1 Y, il faut que tous les
investisseurs ayant une fonction d’utilité croissante préfèrent X à Y.
Section 3 : Efficience des marchés financiers
3.1 Définitions
Deux rôles essentiels sont généralement financiers attribué aux marchés financiers
1. un rôle de financement : via le marché primaire des émissions, les entreprises dans un souci
de besoin de financement sont en mesure d’augmenter leur capital sur le marché financier ;
2. un rôle de réallocation des ressources, ce qui se traduit l’achat et la revente des titres sur le
marché secondaire encore par des rapprochements exemple).
Un marché est qualifié d'efficient dans son sens large signifie, les prix des actifs cotés offrent
une information pertinente aux investisseurs et permettent ainsi une allocation optimale des
ressources.
La littérature financière distingue dans ce cas trois types d'efficience :
1. l'efficience allocationnelle : le marché conduit à une allocation optimale des ressources ; en

d'autres termes, les fonds s'orientent vers les emplois les plus productifs et contribuent ainsi au
développement économique ;
2. l'efficience opérationnelle : l'organisation du marché conduit à une confrontation optimale

des offreurs et des demandeurs de capitaux et les intermédiaires prélèvent une rémunération
que l'on pourrait qualifier de « juste » ;
3. et l'efficience informationnelle qui définie que les cours des titres sur le marché financier
doivent refléter toute l'information disponible à tout instant et c’est sur point que nous allons
développer plusieurs définissons de l’efficience.
3.2 Formes de l’efficience informationnelle
Fama (1970) distingue 3 niveaux d’efficience informationnelle :
11
1- L'efficience faible (weak form) : le marché est dit efficient sous sa forme faible si
l’utilisation de l’ensemble des informations passées (l'analyse des cours passés) ne permet de
battre le marché. La connaissance et l’analyse de la rentabilité passée ne peuvent conduire à
un investissement dont la rentabilité est supérieure à celle obtenue par une stratégie passive.
2- L'efficience semi-forte (semi-strong form) : le marché est dit efficient sous sa forme semi-
forte si la détention de l’information publique (passée et présente) ne permet de battre le
marché
3- L'efficience forte (strong Form): un marché est efficient sous sa forme forte si la
connaissance d'informations privées ne permet de battre le marché.
De nombreuses études se sont dès lors penchées sur la pertinence et la validité empirique de
chacune de ces hypothèses, ce qui a conduit à redéfinir plus largement ces différentes
catégories selon les tests mis en place. Trois catégories se dégagent de l'ensemble extrêmement
vaste des travaux empiriques (Fama, 1991) ; les tests de prévisibilité des rentabilités (incluant
les tests de la forme faible de l'efficience), les études d'événements (forme semi-forte) et les
tests d'information privée (forme forte).
3.3 Tests de Validité de l’efficience informationnelle
Les tests de prévisibilité sont variés et utilisent des techniques statistiques et économétriques
sophistiquées (tests d'autocorrélation, tests de cointégration, modèle Arch, Garch, Var ). Ils ont
pour objet de tester la prévisibilité des rentabilités futures d'un titre à partir de ses rentabilités
passées, de mesurer si les règles de trading systématiques peuvent être profitables (analyse
technique) ou encore de tester la prévisibilité des rentabilités des titres à partir de l'évolution de
variables économiques (niveau des taux d'intérêt, taux d'inflation anticipé etc..). Les études
d’événements testent l’effet des informations publiques sur une fenêtre de rendements. Comme
information publique nous pouvons citer l’annonce des résulats la distribution de dividende,
une opération d’introduction en bourse IPO, une décision de rachat et..
3.4 Critique de la forme de l’efficience proposé par Fama (1970)
Selon donc Fama (1970) un marché financier est dit efficient si à chaque instant les cours cotés
reflètent pleinement toute l'information disponible.
12
En suivant cette définition, un marché est dit efficient si i) les coûts sont nuls, ii) toute
l'information est gratuite et offerte en temps réel aux participants, iii) tous les intervenants sont
parfaitement rationnels et leurs anticipations sont homogènes (accords sur le prix actuel et la
distribution des prix futurs de chaque actif.
Il est à noter que ces trois conditions sont suffisantes et non nécessaires. Sur un tel marché, dès
qu'une information est publiée (agrégat économique, résultat de l'entreprise, changement de
dirigeant, par exemple), les investisseurs parfaitement rationnels en tiennent immédiatement
compte et ajustent en temps réel leurs anticipations ainsi que leurs positions sur le marché.
Dans ce contexte, seules les informations non anticipées ont une répercussion sur les cours des
titres. L'arrivée de telles informations est imprévisible et ne présente a priori aucune régularité.
De ce fait, sur un marché efficient si les changements successifs de prix sont aléatoires.
Cependant et même si on suppose que les cours sont gratuits, l’investisseur est loin d’être
rationnel et ce à deux niveaux :
1-sa fonction d’utilité n’est pas décrite par la fonction de l’utilité espérée. Dans le 4eme chapitre
de ce mémoire nous présentons les modèles de l’utilité non espérée les plus connus dans la
littérature financière ;
2- la présence de phénomène de sous et de sur-réaction qui ont été largement discuté dans la
linéature au début des années 2000 et qui ont associés à des biais de comportement.
L’évolution de ces études a donné naissance à nouvel axe de recherche dit « sentiment de
l’investisseur » et on est passé de sous et de sur-réaction à des investisseurs optimistes et
pessimistes (voir chapitre 4).
13
Chapitre 2: Rendement des titres,

frontière d’efficience et modèle de marché
Dans ce chapitre, nous étudions les résultats du modèle de Markowitch et leur
interprétation en termes de diversification de portefeuille. Ainsi, nous présentons dans un
premier temps un rappel de calcul des rendements des prix. Nous étudions par la suite dans un
espace moyenne –variance le principe de diversification cas de deux titres. Nous définissons
aussi un portefeuille efficient. L’ensemble de ces portefeuilles constitue la frontière
d’efficience, une demi-parable mettant en relation l’espérance et la variance. La droite tangente
à cette demi-parabole partant du taux sans risque est la droite des marchés de capitaux dit
modèle de marché de Markowtich.
Section 1 : Rendements géométriques Vs rendements

arithmétiques
La gestion des portefeuilles d’actifs s’appuie sur la notion de rendement ou de taux de
rentabilité. Cette mesure, pour un intervalle de temps donné donne une appréciation ou une
dépréciation relative du prix d’un actif financier. Cette rentabilité réalisée par l’investisseur
regroupe non seulement le cash flow net que lui procure cet actif mais aussi la plus value
éventuelle qu’il en retire.
Pour calculer les différents moments relatifs au taux de rendement des actifs, nous
sommes amenés à calculer le rendement périodique à partir des prix des titres cotés en bourse,
tout en appliquant deux formules possibles :
• Le rendement arithmétique définie comme la variation relative du prix de l’actif j entre
les instants t − 1 et t :
14
Pj,t + Cj,t − Pj,t−1
R j,t = , j = 1,..., m; t = 1,,..., T,
P j,t−1
Avec :
m représente le nombre d’actifs financiers ;
T le nombre de périodes
𝑃𝑗,𝑡 : le prix du titre j à la date t,
𝑃𝑗,𝑡−1 : le prix du titre j à la date t − 1,
𝐶𝑗,𝑡 : le cash flow du titre j à la date t (dividende en cas d’actions).
• Le rendement logarithmique, également appelé rendement géométrique, entre les

Pj,t + Cj,t
instants t − 1 et t : R j,t = Ln( )
P j,t−1
L’inconvénient du rendement arithmétique est qu’il n’est pas additif. En effet, son calcul
privilégie les deux instants t et t − 1, et néglige ainsi l’´évolution de la valeur. Pour des
intervalles de temps courts, les deux mesures donnent la même chose. Pour des intervalles
assez longs, la moyenne géométrique est meilleure.
Section 2 : Le principe de diversification

La diversification selon Markowitz signifie qu’il ne faut pas mettre tous les œufs dans un même
panier. On suppose qu’un actionnaire dispose de deux actions A et B dont les caractéristiques
sont les suivantes:
-Une rentabilité mesurée par l’espérance (de A et B) ;
-Un risque mesuré par l’écart-type (de A et B).
Cet actionnaire investit en plaçant une proportion α actions A et 1-α actions B, ce qui donne le
portefeuille suivant : P = α .A + (1-α).B
15
Ceci permettra de réaliser une rentabilité comprise entre la rentabilité des deux actifs et un
risque moindre.
L’espérance de ce portefeuille sera : E(Rp) = α.E(Ra) + (1-α).E(Rb)
Donc la rentabilité espérée de ce portefeuille est la moyenne pondérée des deux rentabilités
espérées des deux actions qui le composent. La variance, quant à elle, est calculée de la
manière suivante :
V(Rp) = α².V(Ra) + (1-α)².V(Rb) + 2α.(1-α). cov (Ra,Rb)
Avec : cov (Ra,Rb) = ρ . σa .σb
Et « ρ » est le coefficient de corrélation.
La nature de la relation entre les actifs est alors décrite par le signe de . Ce dernier peut
prendre une valeur entre -1 et 1.
- Si  = 1 : les rentabilités des deux actifs sont parfaitement et positivement corrélées. Investir
dans des titres positivement corrélés augmente le risque total du portefeuille, ça n’a pas de sens
de faire ce type d’investissement.
- Si  = 0 : Il n’y a aucune corrélation entre les rentabilités des deux actifs. Le risque du
portefeuille est alors le risque pondéré de chaque titre.
- Si  = -1 : les rentabilités des deux actifs sont parfaitement et négativement corrélées. Dans ce
cas extrême qui ne se réalise pas sur les marchés financiers, il est possible de constituer un
portefeuille à zéro risque (voir exercice 3).
Section 3 : Portefeuille efficient et frontière d’efficience
16
Le modèle de Markowitz 1954 a constitué la première tentative de théorisation de la gestion de
portefeuilles en se basant sur le critère espérance-variance et ce, afin d'obtenir des portefeuilles
efficient.
Un portefeuille efficient est un portefeuille maximise la rentabilité pour un niveau de risque
donné ou encore minimise le risque pour un niveau d’espérance donné.
Ainsi, entre deux portefeuilles à risque identique, nous retenons celui qui a l'espérance de
rendement la plus élevée (gain maximal).
La frontière d’efficience est l’ensemble de portefeuilles efficients qui minimise le risque quand
l’espérance varie ou encore l’ensemble de portefeuilles efficients qui maximise la rentabilité
espérée quand le risque (l’écart-type) varie.
La frontière d’efficience n’est autre qu’une demi parable exprimant la relation entre la variance
et l’espérance. Dans ce qui suit, nous présentons empiriquement la frontière d’efficience.
Section 4 : Capital Market Line Vs Security Market Line
Dans cette section, l’équation de la frontière d’efficience est définie telle que :
Var(Rp) = aE(Rp)2 +b(Rp) + c
L’équation de la frontière de l’efficience est alors la partie haute de la parabole décrite
par une demi-parable et définie dans le graphique suivant :
Capital Market Line (CML)
17
Partant d’un taux sans risque RF, la tangente à la courbe efficiente est alors la nouvelle
frontière d’efficience selon Markowitz dite aussi the Capital Market Line (CML) ou droite de
marché des capitaux. L’équation de cette droite est définie telle que :
(𝐸 (𝑅𝑚) − 𝑅𝑓)
𝐸 (𝑅𝑝) = 𝑅𝑓 + . 𝜎𝑃
𝜎𝑀
L’intersection avec la courbe d’efficience est le point P* sur la courbe n’est autre que le
portefeuille du marché. Le portefeuille du marché est par définition est un portefeuille qui
contient tous les titres sur le marché financier.
Cependant, grâce à la diversification, l’erreur spécifique s’annule. Ainsi, si nous décomposons

la variance totale d’un portefeuille de titre en un risque systématique et un risque spécifique
nous avons : 𝜎𝑃2 = 𝛽𝑝2 𝜎𝑀2 + 𝜀 2 . Et comme 𝜀 2 , le risque spécifique s’annule grâce à la
diversification et le risque du portefeuille devient 𝜎 𝑃 = 𝛽 𝑃 . 𝜎 𝑀 . L’espace dans lequel est
définie la frontière d’efficience est E(Rp)- 𝛽 𝑃 avec l’équation de la droite est :
(𝐸 (𝑅𝑚) − 𝑅𝑓)
𝐸 (𝑅𝑝) = 𝑅𝑓 + . 𝛽𝑃 𝜎𝑀
𝜎𝑀
Une simplification de cette équation serait de l’écrire sous la forme suivante :
𝐸 (𝑅𝑝) = 𝑅𝑓 + (𝐸 (𝑅𝑚) − 𝑅𝑓). 𝛽𝑃
18
Il s’agit de l’équation de la Security Market Line (SML) dite aussi la droite de marché
des titres (ce n’est autre que l’équation du Medaf détaillé dans le chapitre suivant).
Security Market Line (SML)
19
CML Vs SML
20
Chapitre 3 : Modèle du Médaf, indices de

performance et premiers tests empiriques du
modèle
Ce chapitre porte sur l’étude du modèle du Medaf ainsi que les indices de performance
basés sur ce modèle. Nous présentons aussi les remises en cause du Médaf à savoir la critique
de Roll et l’apparition des anomalies du marché financier.
Section 1: Le Modèle d’Équilibre Des Actifs

Financiers (MEDAF) ou Capital Asset Princing
Model (CAPM)
Le Médaf tient une place particulière parmi les modèles qui ont le plus contribué au
développement de la finance moderne. En effet, en raison de sa simplicité, il est appliqué dans
divers domaines de la finance et plus particulièrement dans celui de la gestion de portefeuille.
Le Médaf cherche à déterminer le rendement escompté d’une action (ou de tout autre titre
financier) compte tenu de son risque. Le modèle est une synthèse des travaux de Markowitz
(1952) sur la théorie du portefeuille, complétée par ceux de Sharpe (1964), Lintner (1965) et
Mossin (1965). Il est fondé sur sept hypothèses simplificatrices.
1-1 Hypothèses du Médaf

h1 : Les investisseurs ont une aversion pour le risque et cherchent à maximiser leurs utilités
espérées ;
h2 : Les investisseurs ont des anticipations homogènes ;
h3 : La prise de décision sur la base du critère moyenne variance ;
h4 : Horizon de planification d’une période ;
h5 : Les marchés des capitaux sont parfaits : il n’y a ni coût de transaction ni impôt ;
21
h6 : La possibilité d’emprunt et de prêt au taux sans risque ;

h7 : La possibilité de vente à découvert des titres sans aucune restriction.
1-2 Présentation du modèle
L’équation fondamentale de la droite d’équilibre des actifs financiers ou encore Security

Market Line (SML) s’écrit comme :
E(Rp) = Rf + β p (E(Rm) – Rf)

Où :
Rp, la rentabilité de l’action p ; Rm, la rentabilité du portefeuille du marché ; Rf , la

rentabilité de l’actif sans risque et β p, la sensibilité de l’action p aux fluctuations du marché :
(Cov ( R A , R M )
β p=
σ 2 (R M )
Ainsi, selon le Médaf, le marché ne rémunère que le risque systématique puisque le risque
spécifique peut être éliminé par diversification et il existe une relation positive et linéaire entre
la rentabilité et le risque systématique.
Section 2 : Indices de performance basés sur le

Médaf
La littérature financière s'est depuis longtemps intéressées aux mesure la performance des
fonds d'investissement (SICAV, FCP, actions, portefeuilles d’actions etc ). Il s'agit, en
particulier, de classer ces fonds ou ces actions selon leurs performances passées. Dans ce qui
suit, nous étudions les trois mesures les plus basiques de performance à savoir les ratios de
Sharpe et de Treynor et l’alpha de Jensen. Ce sont les mesures standards de critères de
performance les plus utilisés en littérature financière. D’autres alphas, par exemple si on
considère le modèle de Fama et French (1993), sont utilisées. Cependant les mesures qui
22
considèrent « le down-side risque, autrement le down-side béta (la volatilité au dessus de la

moyenne des prix), sont moins présente dans les études empiriques.
2.1 Le ratio de Sharpe
Le ratio de Sharpe (1966) permet de mesurer la rentabilité d’un portefeuille par rapport au
risque total du portefeuille. Il est exprimé comme suit :
𝑅𝑝 − 𝑅𝐹
Sp =
𝜎𝑝
L’objectif de ce ratio est de pouvoir classer des titres selon leurs performances ajustés au
risque. Cela suppose aussi que :
 toues les investisseurs sur le marché sont averses au risque ;
 et que les rendements suivant une loi normale dans le cadre moyenne-variance.
Une interprétation individuelle de ce ratio est que :

-Si le ratio est négatif, le portefeuille sous performe un placement sans risque et donc il
n’est pas logique d’investir dans un tel portefeuille.
-Si le ratio est compris entre 0 et 1, cela signifie que l’excédent de rendement par rapport
au taux sans risque est plus faible que le risque pris.
-Si le ratio est supérieur à 1, alors le portefeuille surperforme un placement sans risque et
donc il génère une plus forte rentabilité.
Ceci étant le ratio de Sharpe considère tout le risque du portefeuille autrement dit il considère
que le marché rémunère le risque systématique et spécifique.
2.2 Le ratio de Treynor

Le ratio de Treynor (1965) permet d'évaluer la rentabilité d'un portefeuille par rapport au
risque systématique béta. Il est exprimé comme suit :
𝑅𝑝 − 𝑅𝐹
Tp =
𝛽𝑝
23
Plus le ratio de Treynor est élevé, plus le portefeuille réalise de rentabilité par rapport au
risque engagé. Ce ratio représente l'excès de rendement du portefeuille par unité du risque béta.
2.3 L’alpha de Jensen
L’alpha de Jensen est la constante du modèle du Médaf. Alpha positive signifie que le
portefeuille a battu marché. Alpha nulle ne reflète que le modèle du Médaf décrit parfaitement
les rendements des tires sur les marchés financiers. Alpha négative signifie que le portefeuille
sous performe le marché. Par ailleurs, les études de pricing nomment « alpha one factor »,
alpha associé au Médaf. D’autres alphas existent nous citions par exemple « alpha 3 factors »
associée au modèle à trois facteurs de Fama et French (1993).
Section 3 : Revue des premiers tests du Médaf

Les premiers tests de la relation entre le risque et la rentabilité d’une action ou d’un
portefeuille ont été réalisés aux Etats Unis sur des titres individuels. Ainsi, Sharpe et Cooper
(1972) ont montré que de 1931 à 1967, les actions américaines avaient une rentabilité qui était
une fonction croissante de leurs bêtas. De même Jacob (1971) a testé l’équation du Médaf pour
593 valeurs cotées sur NYSE de 1964 à 1955 et de 1956 à 1965. Dans les deux cas, il existe
une relation linéaire entre le risque d’une valeur (bêta) et sa rentabilité. Toutefois, la pente de la
droite SML, est nettement plus faible que ce qui est prévu par la théorie. D’autre part, le
pouvoir explicatif du modèle n’est pas très élevé. Cela s’explique facilement d’un point de vue
statistique, car l’utilisation des titres individuels n’est pas la méthode la plus efficace pour
obtenir de bonnes estimations de la relation entre le risque et la rentabilité.
Les tests fondés sur des titres individuels sont inefficaces pour deux raisons :
La première est liée à l’effet dégradant des variations résiduelles. Les rentabilités réalisées
sur chaque titre sont en grande partie dues à un facteur aléatoire ( ε ) qui représente souvent 60 à
70% des fluctuations des cours (c’est la partie spécifique ou diversifiable). En groupant ces
titres en des portefeuilles, on peut éliminer la majeure partie de ce bruit et donc obtenir une vue
bien claire de la relation entre la rentabilité et le risque systématique.
24
Le deuxième problème est bien connu des économètres. Il s’agit du bais de l’erreur dans
les variables qui provient de ce que bêta, la variable indépendante de la régression, est mesurée
avec une erreur. Ces erreurs sont aléatoires, en ce sens que les bêtas de certains titres sont
surestimés et d’autres sous-estimés. Néanmoins, lorsque ces bêtas estimés sont utilisés dans les
tests, les erreurs de mesure atténuent la relation réelle qui existe entre la rentabilité moyenne et
le risque.
En groupant ces actions dans des portefeuilles, la majeure partie de cette erreur de mesure
peut être éliminée puisque les erreurs sur chaque bêta auront tendance à se compenser. Ainsi,
les tests fondés sur des portefeuilles seront plus efficaces.
Dans une étude approfondie, Black, Jensen et Scholes (1972) ont tenté de réduire ces
erreurs de mesure par une méthode de variables instrumentales. Toutes les actions du NYSE
sont regroupées chaque année en dix portefeuilles, de 1931 à 1965. La conclusion avancée à
cette étude affirme la linéarité entre la rentabilité et le risque. Toutefois, la constante du modèle
est légèrement positive.
Fama et McBeth (1973) utilisent une approche similaire sauf qu’ils utilisent 20
portefeuilles et les rebalancent tous les ans. Ils estiment les coefficients de la droite rentabilité-
risque tous les mois et testent le modèle sur des sous périodes de quatre ans. Fama et McBeth
trouvent une relation positive et linéaire entre la rentabilité et le bêta des titres. Comme Black,
Jensen et Scholes, l’ordonnée à l’origine de la droite semble toutefois quelque peu différente du
taux sans risque. Dans les deux cas d’autres mesures de risque que le bêta ont été introduites
dans le test et s’avèrent non significatives.
Section 4 : La critique de Roll

Les premiers tests empiriques du modèle d’évaluation des actifs financiers (Médaf), au
début des années 70, ont pu laisser croire que le Médaf et l’efficience des marchés financiers au
sens de Fama (1970) fournissent un cadre théorique capable d’expliquer la rentabilité des
titres1. Toutefois, la critique de Roll (1977) constitue une première remise en cause des tests
1
La rentabilité inclut les gains en capital, résultant de l’évolution des cours, et les versements des dividendes.
25
empiriques du Médaf : le portefeuille de marché utilisé dans les études, substitut imparfait au
portefeuille d’investissement global présent dans la théorie de Sharpe (1964) et Litner (1965),
ne permet pas de vérifier empiriquement le Médaf.
En effet, le portefeuille de marché doit nécessairement prendre en compte tous les

investissements possibles sur la planète (actions, obligations, objets d’art, immobilier…). Les
tests du Médaf constituent donc des tests conjoints de l’efficience ex-ante du portefeuille retenu
comme portefeuille de marché et du modèle d’évaluation des actifs financiers. Cette critique
remettrait en cause les tests empiriques du Médaf et justifierait l’introduction d’autres variables
explicatives des rentabilités dans le cas où l’approximation du portefeuille de marché ne serait
pas efficiente ex ante (Roll et Ross (1994)).
L’observation empirique d’anomalies dans la rentabilité des titres représente une autre
remise en cause essentielle du modèle qui postule notamment que le coefficient bêta suffit à
décrire les rentabilités espérées en coupe transversale.
Ainsi, certaines données fondamentales liées aux titres présentent un pouvoir explicatif
des rentabilités et ce en contradiction avec la théorie du Médaf. La mise en évidence
d’anomalies de rentabilité pourrait être liée à une inefficience des marchés ou à une
modélisation erronée des rentabilités.
Section 5 : Anomalies de marché

Au cours des dernières décennies, la recherche en finance a produit plusieurs résultats qui
ont eu des répercussions directes sur la pratique des analystes financiers et des gestionnaires de
portefeuille. En effet, divers travaux empiriques ont montré que le modèle d’équilibre des actifs
financiers n’est pas pertinent pour prédire les rendements (Fama et French (1992), Calvet et
Lefoll (1988) et Robinson (1993)). D’autres facteurs autres que le β permettent de prévoir
partiellement les rendements. Comme ils n’étaient pas prévus par la théorie et qu’ils
contredisaient le postulat de l’efficience des marchés, ces facteurs ont été regroupés sous le
terme d’anomalies de marché.
26
5-1 Effet taille

Pour Banz (1981), la taille de l'entreprise, mesurée par sa capitalisation boursière
complète le coefficient β pour expliquer les rentabilités des titres. En effet, par rapport à
l'estimation de leur β , les rentabilités moyennes des petites capitalisations paraissent trop
élevées alors que celles des grandes capitalisations paraissent trop faibles.
En construisant des portefeuilles à partir de la taille des titres, Chan et Chen (1988)
montrent une très forte corrélation entre la taille moyenne des titres de chaque portefeuille et
les estimations des coefficients β de ces mêmes portefeuilles. La principale conséquence de
cette corrélation réside dans la difficulté de distinguer la variable réellement explicative des
rentabilités pour des portefeuilles construits à partir de la taille. En 1991, Chan et Chen
concluent que l'effet taille est lié à un facteur de vulnérabilité des entreprises affectant les
rentabilités des titres. Une mesure de la taille fondée sur la capitalisation boursière prend en
compte des entreprises vulnérables ou particulièrement sensibles aux variations de l'activité
économique. Cette sensibilité non mesurée par le coefficient β mais valorisée par le facteur
taille, serait prise en compte dans les rentabilités des titres.
En France, Hamon (1986) observe une rentabilité plus importante des titres de faible
capitalisation. Hamon, Jacquillat et Derbel (1991) montrent "la manifestation d'un effet taille
suivant lequel une forte rentabilité est associée aux titres de faible capitalisation". Cette
anomalie serait liée à un effet illiquidité du marché. De même, Girerd-Potin (1992) confirme
une plus forte rentabilité des portefeuilles de petites firmes.
5-2 La saisonnalité mensuelle ou effet Janvier

Rozeff et Kinney (1976) montrent que sur le marché américain, de 1904 à 1974, les
rendements boursiers du mois de janvier sont 7 fois plus élevés que durant n’importe quel autre
mois. Ainsi durant le mois de janvier, il y a un rendement anormal positif. Des recherches ont
montrées que l’effet est d’autant plus accentué pour les firmes de petite taille. L’explication la
plus populaire utilise un argument appelé « The Tax Loss Selling », c-a-d pour des
considérations fiscales, les titres des petites compagnies sont vendus par des investisseurs en
décembre afin de réaliser des pertes en capital, ce qui leur permettront d’obtenir des avantages
27
fiscaux. Les fonds retirés sont alors réinvestis dans le marché au début de janvier, ce qui
explique la hausse des prix au début de ce mois.
Une dernière explication a été avancée pour mystifier cet effet. Les gestionnaires des
portefeuilles, qui sont rémunérés en fonction de leurs performances, tendent à vouloir réaliser
les meilleures performances durant la période d’évaluation. Ces gestionnaires opteront pour des
stratégies d’investissement agressives en remplaçant les titres vendus par des titres de
compagnies bien établies. Une fois de plus, cet argument parait vulnérable car il ne tient pas
compte de l’effet taille associé à l’effet janvier.
5-3 Effet valeur
 Effet C/B (le ratio cours rapporté au bénéfice) ou PER (Price to Earning Ratio):
Cette anomalie se base sur l’observation selon laquelle les entreprises ayant un ratio PER
peu élevé procurent aux investisseurs des rendements plus élevés que ceux aux quels ils doivent
s’attendre par rapport au Médaf. Selon certains auteurs (Fama et French (1993)), cet effet
dépend étroitement de l’effet taille car se sont généralement les petites entreprises qui affichent
un ratio PER peu élevé.
Basu (1977) établit que les titres ayant un PER faible auraient des performances
supérieures à un indice représentatif du marché alors que les titres à fort PER auraient des
performances significativement inférieures. Toutefois, selon cet auteur, l’effet taille semble être
concentré sur le mois de janvier.
Par ailleurs, plusieurs auteurs ont mis en exergue des rendements anormaux positifs pour
les portefeuilles avec des rendements de dividende (dividend yields) élevés ou encore pour les
portefeuilles avec des ratios de la valeur comptable rapportée à la valeur de marché élevés.
 Le ratio valeur comptable rapportée à la valeur marchande (VC/VM) ou Book to

market ratio (B/M)
28
Rosenberg, Reid et Lanstein (1985) trouvent une relation positive entre la rentabilité des
titres et le ratio VC/VM. De même, Chan, Hamao et Lakonishok (1991), sur le marché
japonais, et Fama et French (1991), sur le marché américain, identifient le ratio valeur
comptable/valeur de marché comme facteur explicatif important des rentabilités : les
entreprises dont le ratio VC/VM est élevé sont associées à des rentabilités espérées élevées. De
plus, ils montrent que le ratio VC/VM des titres japonais ou américains est une variable
explicative plus significative que la taille.
Fama et French (1995) démontrent que le bénéfice d'une firme est en relation négative
avec le ratio VC/VM : les firmes avec un ratio VC/VM élevé (faible) enregistrent des bénéfices
faibles (élevés). Cette relation persiste sur une période de cinq ans. Le ratio VC/VM traduirait
une certaine détresse ou vulnérabilité économique des entreprises.
Analytiquement, le ratio VC/VM est lié à la rentabilité espérée pour une firme donnée. A
N
RA t .
partir de la relation inverse entre rentabilité attendue et la valeur de marché VM= ∑
[
t =1 1 + E(r )
t
]
N
RA t / VC 2
=∑
VM
La division par la constante VC ne change pas la relation .On observe
VC t =1 [1 + E(r ) t ]
donc une relation inverse entre la rentabilité espérée et le ratio VM/VC. Inversement, une
relation positive doit être observée entre le ratio, VC/VM, et la rentabilité espérée des titres : les
titres dont le ratio VC/VM est élevé (faible) doivent présenter une rentabilité plus élevée
(faible) que les titres dont le ratio VC/VM est faible (élevé).
5-4 La saisonnalité journalière ou effet weekend
Les premiers à avoir constaté ces phénomènes sont Fields (1931,1934), Osborne (1962) et
Cross (1973). Ils étaient suivis par French (1980) et Gibbons et Heiss (1981). Cette anomalie
indique que les rendements du lundi sont significativement négatifs, et ce de façon
systématique, alors que ceux du vendredi ont tendance à être plus élevés que ceux des autres
journées. Comme dans le cas de l’effet de janvier, l’effet weekend est encore énigmatique et
2
Avec VM : valeur de marché, VC : valeur comptable, RA t : revenus servis aux actionnaires aux dates.
t
t = (1,2,…,N) et E(r ) : taux de rentabilité espéré ajusté pour le risque.
29
ses explications n’étaient pas concluantes. L’explication la plus plausible était avancée par
Penmann (1987). Selon lui, le fait qu’on retarde l’annonce des mauvaises nouvelles jusqu’à la
fermeture des marchés, alors que les bonnes informations non anticipées sont délivrées avant la
date prévue d’annonce, peuvent expliquer les rendements résiduels négatifs du lundi ainsi que
les rendements excédentaires du vendredi.
Une deuxième explication, non moins plausible, est offerte par Miller (1977) qui suppose
que les ventes et les achats des titres ne sont pas équitablement repartis entre les jours de la
semaine. Cette absence du balancement est due aux congés des fins de semaine, qui permettent
aux investisseurs d’analyser et de réviser leurs décisions sur la composition des portefeuilles.
Ainsi, l’anomalie du marché est associée à ce qu’on appelle l’effet de fermeture du marché.
Une dernière explication a été offerte par Lakonishok et Levi (1982). Elle est basée sur
les délais du règlement. Ces délais sont prolongés de deux jours si les achats se font le
vendredi. Les investisseurs, avec des problèmes de liquidité temporaires, seront plus tentés
d’acheter le vendredi, ce qui fait augmenter les prix.
5-5 Effet de fin de mois

Ariel (1987), Penman (1987), Lakonishk et Smith (1987) ont mis en évidence des
rendements anormalement élevés le dernier jour du mois et les deux premières journées du
mois suivant. Cette anomalie est expliquée par le comportement des investisseurs
institutionnels qui en fin de mois reçoivent des sommes importantes qu’ils placent sur le
marché boursier.
5-6 Effet de momentaniété
L’effet de momentaniété connu dans la littérature sous le terme « momentum effect » a

été mis en évidence par Jegadeech et Titman (1993). Ces derniers ont abouti au fait que les
stratégies qui consistent à acheter les titres ayant eu une bonne performance par le passé et à
vendre ceux ayant eu de faibles performances, génèrent des rendements excédentaires
significatifs sur une période de détention allant de 3 à 12 mois. Par ailleurs, ni le risque
systématique ni les réactions retardées aux facteurs usuels n’expliquent ces rendements
excédentaires.
30
Plusieurs explications ont été avancées à ce sujet. Toutefois aucune n’a subsisté à des
tests empiriques rigoureux. Certaines relèvent du domaine de la finance comportementale et
attribuent les profits des stratégies de momentaniété aux biais dans l’interprétation des
investisseurs de l’information (Barberis, Shleifer et Vishny (1998) Daniel, Hirshleifer et
Subrahmanyam (1998) et Hong et Stein (1999)).
D’autres argumentent qu’il est un peu prématuré de rejeter les modèles rationnels et se
fondent sur le fait que la surévaluation (ou la rentabilité excédentaire) peut persister parce que
les arbitragistes doivent supporter plus de risque et puisqu’ils sont par hypothèse averses au
risque alors ils exigeront une certaine compensation ou prime pour accepter ce risque
(Hirshleifer (2001)). En particulier, Jegadeesh et Titman (2001) trouvent que l’effet de
momentaniété a persisté depuis sa découverte.
Chordia et Shivakumar (2001) essayent d’expliquer cette anomalie avec un modèle

multifactoriel où les bêtas des facteurs varient dans le temps comme une fonction linéaire de
variables d’information prédéterminées. Ahn, Conrad et Dittmar (2001) suggèrent alors
qu’imposer des contraintes n’explique pas la rentabilité des stratégies de momentaniété. Dans
le même sens, Ghysels (1998) et Hodrick et Zhang (2001) trouvent que les modèles qui
permettent aux bêtas d'être en fonction d’instruments de cycle économique sont moins
performants que les modèles où les primes de risque sont constantes dans le temps.
D’autres auteurs tentent de réduire les profits de momentaniété en utilisant des facteurs
qui reflètent la taille et le ratio VC/VM (Fama et French (1993, 1996)), des facteurs
macroéconomiques (Chen, Roll et Ross (1986)), des facteurs de production (Cochrane (1996)),
le revenue de la main d’oeuvre (Jagannathan et Wang (1996)), des facteurs de microstructure
du marché comme le volume (Gervais, Kaniel et Mingelgrin (2001)) ou la liquidité (Pastor et
Stambaugh (2001)) et des facteurs de gouvernance (Lamont, Polk et Saa-Requejo (2001)).
Certes, aucune modélisation n’a pu expliquer l’effet de momentaniété.
Par ailleurs, Debondt et Thaler (1985) ont trouvé des renversements dans les rendements
à long terme ; les actions avec des rendements passés faibles à long terme ont tendance à avoir
des rendements futurs élevés. Toutefois, Fama et French (1996) remarquent que si les
portefeuilles formés à partir des rendements passés à long terme incluent l’année qui précède la
31
formation des portefeuilles, la continuation à court terme récompense le renversement de long

terme, affirmant ainsi une certaine continuation dans les rendements futurs.
32
Chapitre 4 : Modèles d’évaluation multi

bêtas et identification des facteurs
La naissance des modèles multi bêtas est essentiellement due à la défaillance du modèle
du Médaf. En effet, non satisfaits du pouvoir explicatif du seul indice du marché, les
théoriciens ont eu recours à cette famille de modèles, désignée aussi sous le terme de modèles
multifactoriels, afin d’expliquer les rendements des titres.
Avant d’entamer ce chapitre, nous proposons de présenter le modèle de l’APT, comme il

est à la base de plusieurs approches de choix de facteurs de risque :
Section 1 : Le Modèle d’Évaluation par

Arbitrage (MEA) ou Arbitrage Pricing Theory
(APT)
Comme le Médaf, la théorie d’évaluation par arbitrage explique la structure des

rendements des actifs risqués. Cette théorie développée par Ross (1976) se veut être plus
générale tout en reposant sur le principe que deux titres ayant des sensibilités identiques aux
différents facteurs de risque doivent avoir la même espérance de rendement pour qu’il n’existe
pas d’opportunité d’arbitrage.
L’APT suppose que :
h1 : Les investisseurs ont une aversion pour le risque et cherchent à maximiser leurs utilités
espérées ;
h2 : Les investisseurs ont des anticipations homogènes ;
h3 : Les marchés des capitaux sont parfaits ;
h4 : La possibilité de vente à découvert des titres sans aucune restriction.
L’APT définit le rendement d’un titre risqué comme une fonction linéaire de m variables :
E(R it ) = λ 0 + β i ,1F1 + β i , 2 F2 + .... + β i ,m Fm
Avec :
33
Rit : Le taux de rentabilité de l’action i ;

λ 0 : L’espérance de rendement d’action i quand tous les facteurs ont une valeur nulle ;
β i , j : La sensibilité du rendement du titre i au facteur j ;
Fj : La prime de risque associée au jème facteur qui affecte les rendements. Cette prime de
risque est égale à l’écart entre le rendement espéré du portefeuille ayant une sensibilité unitaire
par rapport au facteur j et nulle par rapport aux autres facteurs et le rendement d’un actif sans
risque (ayant une sensibilité nulle par rapport à tous les coefficients) ;
m
∑B i,j Fj étant la prime de risque exigée sur l’actif i.

j =1
Comme le Médaf, l’APT suppose que la composante systématique (non diversifiable)

devrait être rémunérée par le marché.
Dans le cas où l’unique facteur de risque est le rendement du portefeuille de marché,

l’APT est équivalent au CAPM ( λ 0 =RF ; F1=E(RM)-RF ; F2= F3 =….=Fm= 0).
Section 2: Définition des modèles

d’évaluation multi bêtas
Les modèles d'évaluation multi bêtas permettent d’exprimer les rendements espérés des
titres en fonction des coefficients bêtas relatifs à plus d'un portefeuille ou facteur, et d’apporter
ainsi, plus de précision dans l’analyse du risque et l’évaluation de la performance.
Les modèles qui se basent sur l’optimisation des investisseurs et sur l’équilibre donnent
exactement les mêmes expressions des modèles multi bêtas :
K
E t ( R i ,t +1 ) = λ 0 t + ∑ b ijt λ jt
j=1
Les b ijt ,......, b ikt sont les bêtas au temps t des actifs i relatifs aux K facteurs de risque
Fj,t +1 , j = 1,...., K . Ces bêtas sont les coefficients de régression multiple des rendements des
actifs sur les facteurs du risque.
34
Les λ j,t , j = 1,.....K sont les primes de risques qui représentent l’augmentation des
rendements espérés par unité de bêta. Ces primes sont indépendantes de l’actif spécifique.
La théorie des modèles multi bêtas ne précise pas le nombre ni la nature des facteurs qui
expliquent la rentabilité des titres. Par conséquent, l’utilisation de ces modèles nécessite au
préalable une phase de recherche et d’identification des facteurs les plus significatifs à prendre
en considération. A ce sujet, il existe trois types d'approches pour spécifier les facteurs
empiriques des modèles d'évaluation multi bêtas : l’approche basée sur les facteurs statistiques,
l’approche basée sur les facteurs macroéconomiques et l’approche basée sur les attributs de la
firme.
Section 3 : Approches d’identification des

facteurs explicatifs de la rentabilité des titres
La première approche d’identification des facteurs consiste à utiliser des méthodes de
composantes principales ou d’analyse de facteurs statistiques. Elle se base donc sur la
rentabilité des titres pour caractériser des facteurs explicatifs qui sont par hypothèse non
observables.
Cette approche est motivée par l'APT, et a été utilisée à l’origine par Roll et Ross (1980)
et Connor et Korajczyk (1986). L'avantage de l'approche de Connor et Korajczyk est qu’elle
permet d’identifier non seulement le nombre de facteurs nécessaire au modèle multi bêtas mais
aussi les sensibilités à ces facteurs. Certes, les facteurs purement statistiques fournissent peu
d'intuition économique.
Dans une deuxième approche, les facteurs explicatifs des rentabilités des titres sont des
variables économiques choisies sur la base de l'intuition économique. Cette approche a été
utilisée par Chen, Roll et Ross (1986), Ferson et Harvey (1991), Campbell (1993), et Cochrane
(1996), entre autres. Ces facteurs devraient être liés à la richesse du consommateur, aux
dépenses de consommation, et à l'utilité marginale de la richesse future dans un plan optimal
consommation- investissement.
35
Ainsi, Chen, Roll et Ross (1986) retiennent quatre facteurs macroéconomiques Il s’agit
de: l’inflation non anticipée, la variation non anticipée dans le niveau de la production
industrielle, les variations inattendues dans la prime de risque et la variation non anticipée de la
structure à terme des taux d’intérêt.
Connor et Korajczyk (1991) retiennent un modèle à cinq facteurs qui sont :

-La structure à terme des taux d’intérêt ;
-La prime obligataire ;
-Le taux de chômage non anticipé ;
-L’inflation non anticipée ;
-Un facteur résiduel du marché : c’est la part de l’indice qui n’est pas expliquée par les
quatre autres facteurs.
Il est à noter que la procédure d’estimation du modèle concernant un marché et une

période donnée peut conduire à ne retenir qu’une partie de ces facteurs, ce qui veut dire que la
combinaison des facteurs explicatifs n’est pas unique.
Une troisième approche pour choisir les facteurs est basée sur les facteurs fondamentaux.
Adoptant une démarche pragmatique, cette approche tente d’expliquer les rentabilités des actifs
à l’aide de facteurs dépendants des caractéristiques des entreprises elles même (et non plus à
partir de facteurs économiques communs à tous les titres côtés sur le marché). Cette catégorie
de modèle ne fait plus appel à des hypothèses théoriques et considère que les sensibilités des
actifs sont des fonctions des attributs des entreprises. Les réalisations des facteurs sont ensuite
estimées par régression. Là aussi, le choix des facteurs explicatifs n’est unique.
Plusieurs études empiriques ont cherché à identifier les facteurs fondamentaux permettant
d’expliquer les rentabilités moyennes des actifs. Dans cette perspective, deux facteurs ont été
retenus pour caractériser le risque d’une entreprise, à savoir le ratio de la valeur comptable
rapportée à la valeur de marché (VC/VM) et la variable taille mesurée par la capitalisation
boursière de l’entreprise.
36
Les exemples d’utilisation de ces deux facteurs sont nombreux à travers la littérature.
L’exemple le plus connu est le modèle à trois facteurs de Fama et French (1993). En effet, ces
deux auteurs utilisent en plus du facteur du marché, la différence entre la rentabilité des titres
de petite capitalisation boursière et la rentabilité des titres de capitalisation boursière importante
(SMB, small minus big) et la différence entre la rentabilité des titres avec un ratio valeur
comptable sur valeur de marché élevé et la rentabilité des titres avec un ratio valeur comptable
sur valeur de marché faible (HML, high minus low) comme facteurs de risque.
A ces deux variables (taille et VC/VM) dites fondamentales car faisant trait aux
caractéristiques propres de l’entreprise, vient s’ajouter une autre variable désignée dans le
littérature par le terme momentanéité. Ce facteur est basé sur les travaux de Jegadeech et
Titman (1993).
Dans ce travail de recherche, nous allons nous concentrer sur les modèles qui se basent sur
les attributs pour expliquer les rendements des titres et plus précisément sur le modèle de Fama
et French (1993). En particulier nous allons évaluer sa performance autant que modèle multi
bêtas, et ce dans le cadre de l’évaluation des rendements conditionnels et inconditionnels des
actions.
Section 4 : le modèle à trois facteurs de Fama et

French (1993) et à cinq facteur de Fama et French
(2015)
Les recherches en matière d’évaluation des rendements des titres ont donné lieu à
plusieurs tentatives de modélisation multifactorielle. Certes, le modèle à trois facteurs de Fama
et French (1993) est un modèle de base pour les chercheurs et les praticiens. En effet, ce
modèle a donné des résultats très convaincants en matière d’évaluation des rendements des
actions sur des marchés développés tel que le NYSE, l'AMEX ou encore le NASDAQ (Fama et
French (1993,1996)). L’objectif de cette section est de tester la capacité explicative de ce
modèle sur le marché tunisien des actions.
37
4-1 Présentation du modèle à trois facteurs de Fama et

French (1993)
Pour tenter d'expliquer les anomalies de rentabilité observées empiriquement, Fama et

French (1992), adaptent la méthodologie de Fama et MacBeth (1973) 3 pour étudier le rôle de
certaines variables (coefficient β , taille mesurée par la capitalisation boursière, ratio
bénéfices/cours, levier financier et ratio valeur comptable/valeur de marché) sur la rentabilité
moyenne des actions cotées sur le NYSE, l'AMEX et le NASDAQ.
Seul ou en combinaison avec d'autres variables, les résultats de cette étude montrent que
le coefficient β explique peu les rentabilités moyennes des titres étudiés en coupe transversale.
La relative faiblesse prédictive et explicative du bêta dans cette étude peut s'expliquer par la
méthodologie utilisée. En effet, les bêtas sont estimés par regroupements successifs des titres
en portefeuilles, ce qui peut conduire à un manque de fiabilité des estimations et donc du
pouvoir explicatif du facteur de marché.
Les variables fondamentales sont utilisées individuellement et directement comme

variables explicatives et présentent donc un pouvoir explicatif plus important. De plus, la
combinaison des variables taille et ratio VC/VM semble mieux à même d'expliquer les
rentabilités des actions dans les régressions en coupe transversale.
Pour confirmer les résultats de cette étude (Fama et French (1992)), Fama et French
(1993) testent un modèle à cinq facteurs4pour expliquer les rentabilités des actions et des
obligations sur le marché américain. A l'inverse de leurs précédents travaux, ils ne retiennent
pas la méthodologie Fama-MacBeth à deux passages. Reprenant la méthodologie de Black,
Jensen et Scholes (1972), les rentabilités des titres et des obligations sont régressées
3
Dans leur étude, Fama et MacBeth (1973) ne disposent pas a priori des bêtas des titres pour tester le caractère
prédictif du Médaf. Pour estimer les bêtas, ils procèdent par estimations successives en regroupant les titres en
portefeuilles afin de minimiser les biais statistiques inhérents à la méthode.
4
Les cinq variables retenues sont : (i) trois variables susceptibles d’expliquer la rentabilité des actions : le
coefficient β issu du Médaf, le ratio VC/VM et la capitalisation boursière (mesure de la vulnérabilité des
entreprises) ; (ii) deux variables susceptibles d'expliquer la rentabilité des obligations : une prime de maturité
(différence entre la rentabilité des obligations d'état à long terme et les bons du trésor à 1 mois), une prime de
"défaut" ou de signature (différence de rentabilité entre les obligations d'état et un indice d'obligations à rendement
élevé).
38
longitudinalement5sur des variables supposées les expliquer. Cette étude met en évidence deux
types de résultats :
 bien que les facteurs capitalisation boursière et ratio VC/VM expliquent les différences
de rentabilité entre les titres, l'excès de rentabilité des portefeuilles d'actions par rapport
au taux sans risque est capturé principalement par le facteur de marché dont le
coefficient est le β issu du Médaf;
 les rentabilités des portefeuilles d'obligations sont essentiellement expliquées par les
deux facteurs liés aux taux d'intérêt.
Par la suite, Fama et French (1995) prennent en compte les bénéfices des entreprises et
montrent que le ratio VC/VM se substitue à un facteur de risque. Les entreprises avec des
bénéfices faibles (élevés) présentent un ratio VC/VM élevé (faible). Pour Fama et French
(1996), les anomalies de rentabilité contredisant le Médaf sont souvent liées. Ces anomalies, à
l'exception de la persistance des rentabilités sur courte période démontrée par Jegadesh et
Titman (1993) sont expliquées par le modèle à trois facteurs de Fama et French (1993) :
E(Ri ) - Rf = βi [E(RM ) - Rf ]+ si E(SMB) + hi E(HML)
E(Ri) : espérance de rentabilité de l'actif ;

Rf : rentabilité de l’actif sans risque ;
E (RM) : espérance de rentabilité du portefeuille de marché ;
E(SMB): espérance de rentabilité du portefeuille basé sur la différence entre la rentabilité des
titres de petite capitalisation boursière et la rentabilité des titres de capitalisation boursière
importante (SMB, small minus big) ;
E(HML): espérance de rentabilité du portefeuille basé sur la différence entre la rentabilité des
titres avec un ratio valeur comptable sur valeur de marché élevé et la rentabilité des titres avec
un ratio valeur comptable sur valeur de marché faible (HML, high minus low) ;
5
L'article de Fama et French (1992) repose sur des régressions en coupe transversale alors que celui de (1993) met
en œuvre des régressions longitudinales chronologiques, plus traditionnelles.
39
β i, si, hi : coefficients des primes de risque [E(RM) – RF], E(SMB) et E(HML).
4-2 Présentation du modèle à cinq facteurs de Fama et

French (2015) et Cahart (1997)
Une autre modélisation multi bêtas très utilisée récemment est le modèle de Fama et
French (1995) en plus d’un sixième facteur associé à la momentanéité de Cahart (1997). Ce
modèle se présente comme suit :
𝑟𝑡 = 𝛼 + 𝛽1 (𝑅𝑚 − 𝑅𝑓) + 𝛽2 𝑆𝑀𝐵𝑡 + 𝛽3 𝐻𝑀𝐿𝑡 + 𝛽4 𝑅𝑀𝑊𝑡 + 𝛽5 𝐶𝑀𝐴𝑡 + 𝛽6 𝑈𝑀𝐷𝑡 + 𝜖𝑡
Avec :
 𝑅𝑚 − 𝑅𝑓 est la prime de risque du marché;
 SMB est le rendement le rendement moyen des trois petits portefeuilles moins le
rendement moyen des trois grands portefeuilles (taille);
 HML est le rendement moyen des deux portefeuilles de valeur moins le rendement
moyen des deux portefeuilles de croissance (B/M ratio);
 RMW est le rendement moyen des deux portefeuilles de rentabilité opérationnelle
robustes moins le rendement moyen des deux portefeuilles de rentabilité opérationnelle
faible;
 CMA est le rendement moyen des deux portefeuilles de placement prudents moins le
rendement moyen des deux portefeuilles de placement agressifs;
 Et UMD est le rendement moyen d'un portefeuille à rendement antérieur élevé par
rapport à un portefeuille à faible rendement antérieur (facteur de momentanéité de
Cahart 1997).
40
Références bibliographiques
Livres:
- Pascal Alphonse, Gérard Desmuliers, Pascal Grandin, Michel Levasseur, 2013, Gestion de
portefeuille et marchés financiers, Pearson France.
- Jacques Hamon, 2004, Bourse et gestion de portefeuille, collection, ed. Économica.
-Marie-Helene Broihane, Maxime Merli et Patrick Roger, 2004, Finance comportementale,
collection gestion, ed Economica.
- Marie-Agnès Leutenegger, 1999, Gestion de portefeuille et théorie des marchés financiers,
collection cas et exercices, ed, Économica.
- Phlippe Gillet, 1999, “L’efficience des marchés financier”, Economica.
- Patrick Grandin, 1995, “Production d'informations privées et gestion de portefeuille”,
Collection Finance, PUF, Paris.
Articles:
Ahn, D., Conrad, J., Dittmar, R., (2001), “Risk Adjustment and Trading Strategies,” Review of
Financial Studies.
Arrow, K. (1965). Aspects of the Theory of Risk Bearing. Helsinki: Yrjo Jahnssonin Saatio.
Banz, R.W., (1981), “The relationship between return and the market value of common
stocks”, Journal of Financial Economics 14, 3-18.
41
Barberis, N., Shleifer, A., Vishny, R., (1998), “A model of investor sentiment”, Journal of Financial
Economics 49, 307-343.
Black, F., (1976), “Studies of Stock Price Volatility Changes”, Proceedings of the 1976 Meetings of the
American Statistical Association, Business and Economical Statistics Section”, 177-81.
Campbell, J.Y., Cochrane J.H., (1999), “By Force of Habit: A Consumption Based Explanation of
Aggregate Stock Market Behavior”, Journal of Political Economy 107(2), pp. 205-251.
Campbell, J.Y,. Hentschel, L., (1992), “No News Is Good News: An Asymmetric Model of Changing
Volatility in Stock Returns”, Journal of Financial Economics 31, 281-318.
Campbell, J., Shiller, R., (1988), “Stock Prices, Earnings and expected dividends,” Journal of Finance
43, 661-676.
Carhart, M., Krail, R. J., Stevens R.L., Welch, K., 1996, “Testing the conditional CAPM”,
Working Paper, Graduate School of Business, University of Chicago.
Chan, L., Jegadeesh., Lakonishock, J.,(1996), “Momentum strategies”, NBER Working Paper 5375.
Chen, J., Hong, H., Stein, J., (2000), “Forecasting crashes: Trading volume, past returns and conditional
skeweness in stock prices”, Journal of financial Economics 61, 345-381.
Chen, J., Hong, H., Stein, J., (2002), “Breadth of ownership and stock returns”, Journal of Financial
Economics.
Chen, J., Jegadeesh, N., Wermers, R., (2000), “The value of active mutual fund management: An
examination of the stockholdings and traders of funds mangers”, Journal of Financial and Quantitative
Analysis
Daniel, K., Hirshleifer, D., Subrahmanyam, A., (1998), “Investor psychology and security market
under- and overreactions”, Journal of Finance 53, 1839-1885.
42
DeBondt, W., Thaler, R.H, 1985, “Does the stock market overreact?”, Journal of Finance 40,
793-808.
DeBondt, W., Thaler, R.H, (1985), “Does the stock market overreact?”, Journal of Finance 40, 793-808.
Debont, W., Thaler, R., (1987), “Further evidence on investor overreaction and stock market
seasonality”, Journal of finance 43, 557-581.
DeBondt, W., Thaler, R.H, (1990), “Does security analysts overreact?”, American Economic Review
80, 52-57.
Fama, E. F., (1970), “Efficient capital markets: a review of theory and empirical work”, Journal
of Finance 25, 383-417.
Fama, E. F. (1975) “Short-Term Interest Rates as Predictors of Inflation,” American Economic
Review, 65, 269-282.
Fama, E. F., (1991), “Efficient capital markets: II”, Journal of Finance 46, 1575-1617.
Fama, E. F., French, K.R., (1992), “The cross-section of expected stocks”, Journal of Finance
47, 427-465.
Fama, E. F., French, K.R., (1993), “Common risk factors in the returns on stocks and bonds”,
Journal of Financial Economics 33, 3-56.
Fama, E. F., French, K.R., (1995), “Size and book-to-market factors in earnings and returns”,
Journal of Finance 50, 131-156.
Fama, E. F., French, K.R., (1996), “Multifactor explanations of asset pricing anomalies”,
43
Fama, E. F., French, K.R., (1998), “Value versus growth: the international evidence”, Journal
of Finance.
Fama, E. F., Gibbons, M.R, (1982), “Inflation, Real returns and Capital Investiment” Journal of
Economics 9, pp 297-323.
Fama, E.F., MacBeth, J. (1973), “Risk, return, and equilibrium: empirical tests”, Journal of
Political
Fama, E. F., French, K.R, 1993, “Common risk factors in the returns on stocks and bonds”,
Journal of Financial Economics 33, 3-56.
Fama, E. F., French, K.R., 2015, “A five-factor asset pricing model”, Journal of Financial
Economics, Volume 116, Issue 1, 1-22
Jegadeesh, N., Titman. S., 1993, “Returns to Buying Winners and Selling Losers: Implications
for Stock Market Efficiency,” Journal of Finance, 48, 65-91.
Jegadeesh, N., Titman.S., (2001) “Profitability of Momentum Strategies: An Evaluation of
Alternative Explanations,” Journal of Finance, 56, 699-720.
Jensen, M., (1978), “Some Anomalous Evidence Regarding Market Efficiency”, Journal of Financial
Economics, 6-2/3, pp. 95–101.
Harry Markowitz, 1952, “Portfolio Selection”, The Journal of Finance, Vol. 7 (1), pp. 77-91.
Hirshleifer, D., (2001), “Investor Psychology and Asset Pricing”, Journal of Finance, 56, pp. 1533–
1597.
Lintner, J., (1965), "The Valuation of Risk Assets and the Selection of Risky Investment in
Stock Portfolios", Review of Economics and Statistics, February, 13-37.
44
Roll, R., (1977), “A critique of the asset pricing theory's tests Part I: on past and potential
testability of the theory”, Journal of Financial Economics 4, 129-176.
Roll, R., (1978), “Ambiguity when performance is measured by the security market line”,
Journal Of Finance 33, pp.1051-1069.
Roll, R., Ross, S. A, (1980), “An empirical investigation of the Arbitrage Pricing Theory”,
Roll, R., Ross, S. A, (1994), “On the cross sectional relation between expected returns and
betas”, Journal of Finance, vol. 49 n°1.
Sharpe, W. F., 1964, “Capital asset prices: A theory of market equilibrium under conditions of
risk”, Journal of Finance 19, 425-442.
Shiller, R., 2000, “Exuberance Irrationnelle”, Princeton, New Jersey: Princeton University
Press.
Shleifer, A., 2000, “Inefficient markets, an introduction to behavioral finance”, Oxford: Oxford
University Press/
Stein, J., (1999), “A Unified Theory of Underreaction, Momentum Trading, and Overreaction
in Asset Markets,” Journal of Finance, 54, 6, 2143-2185.
Thèse et mémoire:
Dorsaf Ben Aissia, thèse de doctorat, Anomalies du marché financier et Psychologie de
l’investisseur, 2008, ISG de Tunis.
Dorsaf Ben Aissia, mémoire de recherche, Le modèle à trois facteurs de Fama et French 1993,
une version conditionnelle, 2004, ISG de Tunis.
45

Cours de Gestion de Portefeuille

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

Cours de Gestion de Portefeuille

Transféré par

Droits d'auteur :

Formats disponibles

Cours de Gestion de portefeuille : Dorsaf Ben Aissia

Public : Mastère Ingénierie financière et bancaire, M1,

Nombre d’heure : 42H

Année scolaire: 2020/2021

Dorsaf Ben aissia

-Table des matières-

Chapitre 1 : Théorie de l’utilité espérée, comportement vis-à-vis du risque et

5-4 La saisonnalité journalière ou effet weekend .................................................... 29

dans un premier temps la fonction de l’utilité espérée et d’analyser l’axiomatisation de ce

espérance-variance défini selon Markowitz (1952). Nous présentons alors le principe de

diversification d’un portefeuille de titres, nous définissons un portefeuille efficient et nous

Dans un troisième temps, nous présentons les hypothèses et l’expression du modèle de

principalement la critique de Roll (1977) et l’appariation des anomalies du marché financier.

Chapitre 1 : Théorie de l’utilité

Section 1 : Théorie de l’utilité espérée

Axiome 1 (dit de préférence ou de comparabilité) : l’individu est toujours capable de

Axiome 3 (dit de non saturation) : l’individu peut toujours augmenter sa satisfaction.

Axiome 5 (dit de l’indépendance des alternatives) : la relation de préférence ≥ sur

1.2 Théorème de l’utilité éspérée

Si la relation de préférence définie sur (  ) satisfait les axiomes de continuité et

Section 2 : Attitude face au risque et mesures

Nous définissons alors :

Fonction d'utilité logarithmique

2.1 Aversion absolue au risque d’Arrow –Pratt (1953)

2.2 Aversion relative au risque d’Arrow –Pratt (1953)

2.3 Dominance stochastique d’ordre 1 (ou de degré 1)

La dominance stochastique d’ordre 1 signifie que pour deux actifs X et Y, la probabilité de

𝑃(𝑟𝑋 > 𝑥) ≥ 𝑃(𝑟𝑌 > 𝑥)

Section 3 : Efficience des marchés financiers

La littérature financière distingue dans ce cas trois types d'efficience :

1. l'efficience allocationnelle : le marché conduit à une allocation optimale des ressources ; en

2. l'efficience opérationnelle : l'organisation du marché conduit à une confrontation optimale

3.2 Formes de l’efficience informationnelle

Fama (1970) distingue 3 niveaux d’efficience informationnelle :

3.3 Tests de Validité de l’efficience informationnelle

3.4 Critique de la forme de l’efficience proposé par Fama (1970)

Chapitre 2: Rendement des titres,

Dans ce chapitre, nous étudions les résultats du modèle de Markowitch et leur

interprétation en termes de diversification de portefeuille. Ainsi, nous présentons dans un

aussi un portefeuille efficient. L’ensemble de ces portefeuilles constitue la frontière

d’efficience, une demi-parable mettant en relation l’espérance et la variance. La droite tangente

modèle de marché de Markowtich.

Section 1 : Rendements géométriques Vs rendements

éventuelle qu’il en retire.

tout en appliquant deux formules possibles :

• Le rendement arithmétique définie comme la variation relative du prix de l’actif j entre

m représente le nombre d’actifs financiers ;

𝑃𝑗,𝑡 : le prix du titre j à la date t,

𝑃𝑗,𝑡−1 : le prix du titre j à la date t − 1,

𝐶𝑗,𝑡 : le cash flow du titre j à la date t (dividende en cas d’actions).

• Le rendement logarithmique, également appelé rendement géométrique, entre les

assez longs, la moyenne géométrique est meilleure.

Section 2 : Le principe de diversification

sont les suivantes:

-Une rentabilité mesurée par l’espérance (de A et B) ;

-Un risque mesuré par l’écart-type (de A et B).

portefeuille suivant : P = α .A + (1-α).B

L’espérance de ce portefeuille sera : E(Rp) = α.E(Ra) + (1-α).E(Rb)

V(Rp) = α².V(Ra) + (1-α)².V(Rb) + 2α.(1-α). cov (Ra,Rb)

Avec : cov (Ra,Rb) = ρ . σa .σb

Et « ρ » est le coefficient de corrélation.

prendre une valeur entre -1 et 1.

de faire ce type d’investissement.