Académique Documents
Professionnel Documents
Culture Documents
Capm Et Modeles Multifactoriels
Capm Et Modeles Multifactoriels
Théorie de Portefeuille
CAPM et modèles multifactoriels
(chapitre 7, BKM 2010)
Plan de la séance
1
2013-03-25
Critique de Roll:
Roll (1977) remet sérieusement en doute la validité des tests
empiriques du CAPM.
Si l'on utilisait comme approximation du portefeuille de marché un
portefeuille efficient quelconque (identifié ex post) pour estimer les
coefficients bêta des actifs financiers considérés, on obtiendrait
nécessairement par la suite une relation linéaire parfaite en effectuant
une régression entre les rendements moyens des actifs financiers et
leurs coefficients bêta
Roll prétend que le seul véritable test du modèle d'équilibre des actifs
financiers consiste à prouver l'efficience du portefeuille de marché
dans l'espace risque-rendement. Toutefois, dans un contexte réel, il
s'agit d'une tâche impossible à réaliser car, rappelons-le, dans le
contexte du CAPM, le portefeuille de marché doit inclure tous les types
de placement (actions, obligations, options, placements immobiliers,
œuvres d'art, etc.). En conséquence, un véritable test du CAPM n'a pas
encore été réalisé et ne le sera probablement jamais.
2
2013-03-25
Le CAPM en pratique
Cas Google
Le rendement excédentaire de Google s’exprime ainsi:
• RGt = αG + ßG RMt + eGt
Estimation de : αG , ßG et l’amplitude du risque spécifique σe.
Trois étapes: collecter les données , régression avec un
programme statistique (ou Excel). Interprétez les résultats
trouvés.
(a) Comportement des rendements de Google
(b) Quel taux de rendement requis est approprié pour des titres
avec le même risque que Google
(c) Performance d’un gestionnaire qui a investi dans le titre
Google
Le CAPM en pratique
Cas Google
• Séries mensuelles de prix de Google et du S&P500 ajustés au split et dividendes
• Période janvier 2006 –décembre 2008
•Rendements mensuels pour Google et S&P500 pour les 3 ans.
•Série de rendements des T-bills 1mois (rf).
•Rendements excédentaires de Google et du portefeuille de marché. Les statistiques
de ces rendements sont présentés dans le tableau 1:
3
2013-03-25
Le CAPM en pratique
Cas Google
•
Le CAPM en pratique
Cas Google
Résultats de l’estimation:
Droite appelée SCL (security
characteristic line). Permet de voir
la déviation à chaque mois entre le
rendement de Google et celui
prédit par la régression (le résidu).
Par construction, la moyenne des
résidus est nulle. Mais à chaque
mois, le résidu peut être positif ou
négatif.
4
2013-03-25
Le CAPM en pratique
Cas Google
Output de la régression:
- Le coefficient de corrélation entre le rendement excédentaire de Google et de
l’indice est de 0.6261.
-Adj R^2=0,3742: 37,42% de la variation des rendements excédentaires de Google est
expliqué par la variation des rendements excédentaires du marché.
-α =1.0426 et β=1.65
Le CAPM en pratique
Cas Google
Utilisation des résultats de la régression
• T-bill=2.75%, prime de risque du marché: 5.5%
•Taux de rendement requis d’un investissement avec le même
risque que Google serait égale à:
rf+β(rM-rf)=2.75+1.65*5.5=11.83%
À cause des erreurs d’estimation, on va chercher les bêtas des
autres firmes dans l’industrie et comparer.
• Pour savoir si un gestionnaire a bien fait d’inclure le titre google
dans son portefeuille, on cherche les poids du portefeuille
optimal constitué de M et de Google avec l’équation (6.10)
sachant que:
5
2013-03-25
Le CAPM en pratique
Cas Google
• wM=0.5636 et wG=0.4363 E(Rp)= 1.35% et σp=6.79%
Performance du portefeuille en se basant sur les données
anticipées:
Ratio de Sharpe M= 0.7%/4.31%=0,16
Ratio de Sharpe portefeuille:1.35%/6.79%=0.20
L’ajout de Google a donc amélioré la performance du portefeuille.
En réalité, comment a performé le portefeuille?
Le CAPM en pratique
Prévision des bêtas
Même procédure suivie en pratique à l’exception de la période. En
pratique, on choisit une période plus longue pour effectuer la
régression.
Tient compte de la variabilité du bêta dans le temps.
Études ont montré que les bêtas tendent vers la moyenne. Si le
β<1 dans le passé, il a tendance à s’approcher de 1 dans le futur.
Si β >1 dans le passé, alors il va diminuer pour d’approcher de 1
dans le futur.
Exemple 7.7:
Bêta estimé avec données historiques: 0.65
Bêta ajusté= 2/3*0.65+1/3*1 =0.77
6
2013-03-25
Modèles multifactoriels
7
2013-03-25
8
2013-03-25
9
2013-03-25
10
2013-03-25
11
2013-03-25
12
2013-03-25
13
2013-03-25
14
2013-03-25
Avec i=1,2…n
Où αi: la valeur espérée du rendement du titre i quand tous les facteurs
ont une valeur nulle, fj: est la valeur du jème facteur qui affecte le
rendement i, bij: la sensibilité du rendement du titre i au facteur j. ei:
risque diversifiable spécifique au titre i et qui a les caractéristiques
suivantes:
E(ei)=0, Cov(ei,ej)=0 et Cov(ei,fj)=0 pour tout j=1,2,…k.
On suppose que le nombre de titres négociés n est grand par rapport au
nombre de facteurs m.
15
2013-03-25
r − E ( r ) = b ( f − E ( f )) + b ( f − E ( f )) + ... + b ( f − E ( f )) + e
i i i1 1 1 i2 2 2 im m m i
r = E ( r ) + b ( f − E ( f )) + b ( f − E ( f )) + ... + b ( f − E ( f )) + e
i i i1 1 1 i2 2 2 im m m i
∑ X i
= 0
i =1
Avec Xi la proportion du montant investi dans l’actif i, exprimée en
pourcentage de la richesse totale.
La condition zéro-bêta se traduit par:
N
∑ X b i ik
= 0 ∀ k = 1,...m
i =1
N
et ∑ X e ≅ 0 i i
i =1
Dans un marché en équilibre, un portefeuille qui satisfait à ces
conditions (un portefeuille qui ne consomme aucune richesse et dont
le risque est nul) doit avoir un rendement espéré nul. On aura donc,
N
∑ X E (r ) = 0
i =1
i i
16
2013-03-25
E (r ) = λ + λ b
i 0 1 i1
+ λ b 2 i2
+ .... + λ b m im
17
2013-03-25
18
2013-03-25
− βu − βu
w = et wu = 1 −
βv − β βv − β
v
u u
β − βu + β β
wu = v u
= v
βv
− βu β v
− β u
− βu βv
β p = wu β v + wu β u = βv + β =0
βv − βu βv − βu u
− βu βv
Rp = αv + α ≠0
βv − βu βv − βu u
19
2013-03-25
20
2013-03-25
21
2013-03-25
22
2013-03-25
Problèmes chapitre 7
23