Encadrée Par:: Lalla Fatima-Zohra ALAMI TALBI

UNIVERSITÉ MOHAMMMED V – RABAT
Faculté des sciences Juridiques Économiques et Sociales - Souissi
« Master Finance des marchés et d’entreprise - FME -»
Encadrée par :
Lalla Fatima-Zohra ALAMI TALBI
INTRODUCTION
Les modèles de gestion de portefeuille
 Modèle de Markowitz
 Modèle de marché
 Le modèle d’évaluation des actifs financiers
 Le modèle d’évaluation par arbitrage
Problématique
Dans quelle mesure le modèle APT

est-il pertinent en matière d’évaluation
des actifs financiers?
Plan
PARTIE I: Aspet théorique PARTIE II: Aspet empirique
Etapes d’application du modèle

01 Définition des concepts clés du 05 d’arbitrage
modèle
Application de l’APT dans

02 Limites du MEDAF vers l’origine 06 la gestion du portefeuille
de l’APT
Mise en œuvre de l’APT:

03 Hypothèses de modèle 07 aspect méthodologique et
d’arbitrage empirique ( cas de la BVC)
04 Versions du modèle
08 Avantages et limites
du modèle
Plan

01 Définition des concepts clés 05 d’arbitrage
du modèle

de l’APT

du modèle
Notion d’arbitrage ?
Imperfections de marché
une stratégie
d'investissement peu risquée
Plan

modèle

de l’APT

du modèle
Limites du MEDAF vers l’origine de l’APT
Le modèle d’évaluation par arbitrage est initié par

l’économiste américain, STEPHEN A. ROSS (1976) pour
répondre aux problèmes et faiblesses trouvées dans les
aspects théoriques et empiriques du modèle d’évaluation
des actifs financiers (MEDAF).
Ses hypothèses sont moins restrictives par rapport au

MEDAF.
Il a fait intervenir plusieurs facteurs communs .
Il exige à l‘équilibre l‘absence d‘opportunité d‘arbitrage

Plan

modèle

de l’APT

03 Hypothèses de modèle d’arbitrage 07 aspect méthodologique et
empirique ( cas de la BVC)
du modèle
Hypothèses du modèle d’évaluation par arbitrage
H1 : Les rendements des actifs financiers sont impactés et expliqués

par les facteurs systématiques.
H2 : Chaque investisseur à la possibilité de constituer un portefeuille

d’actifs ou le risque spécifique est éliminé entièrement grâce à la
diversification.
H3 : Aucune opportunité d’arbitrage n’existe parmi les portefeuilles

bien diversifiés.
Comparaison entre
le MEDAF et APT
Plan

modèle

de l’APT

du modèle
Les versions du modèle
APT
La version La version
initiale d’équilibre
La version initiale du modèle
 L’hypothèse de base
 La construction du
portefeuille d’arbitrage
 La relation
d’évaluation
Hypothèse de base: Rentabilité constatée= Rentabilité anticipée+ Rentabilité non anticipée
Rit = Ei + bi1.f1t + bi2.f2t,+ ...+biK.fKt +

£it
avec
Rit : rentabilité constatée (ex-post) en t de l'actif î
Ei : rentabilité anticipée de l'actif î.
 bi1 : coefficient de sensibilité de l'actif/ au facteur 1
 bik : coefficient de sensibilité de l'actif i au facteur K
 f1t : la valeur prise par le facteur 1 en t
fkt : la valeur prise par le facteur K en t.
 £ :la rentabilité non anticipée due au facteur spécifique en
Construction du portefeuille d’arbitrage
Principe d’arbitrage
Tout investissement créé sans risque et sans richesse

investie doit avoir une rentabilité nulle
Portefeuille X:
( x1,x2,….,xN) XB: coefficient de
sensibilité des N actifs
XR= XE + (X'B.)f+X£ aux facteurs communs
f : est la matrice de
réalisation des k facteurs
X.B=0 ; X.£=0 et X1=0 £: vecteur de réalisation
des n facteurs spécifiques
XR=XE=0
La relation d’évaluation
On constate que : XE / XB / X1 sont tous les 3 nuls
E = 1µ0 + Bµ
• µ0 et µ : représentent les coefficients de
relation linéaire entre E, 1 et B.
• µ0 : est le taux de rentabilité de l'actif sans
risque,
• µ : représente le vecteur des primes de
risque sur les facteurs communs
la relation fondamentale du modèle d'évaluation par l'arbitrage

Ei = µ0+ Σ µk.bik
La version d’équilibre du modèle
Ei = µ0+ Σ µk.bik
La relation finale est approximativement vérifiée car la

diversification des risques spécifiques est
approximativement réalisée
Quelles sont les hypothèses supplémentaires nécessaires pour obtenir sans

approximation la relation fondamentale du modèle?
L’équilibre L’efficience
La version d’équilibre du modèle
 3 cas peuvent être envisagés:
01 « Il est possible de constituer un portefeuille à partir des N actifs

risqués dont le risque total est nul »
« Il est possible de constituer un portefeuille à variance minimale sans

02 risque spécifique mais il n’est pas possible d’éliminer en totalité
l’impact des différents sources de risque systématique »
03
« Il n’est pas possible de constituer un portefeuille à variance
minimale sans risque spécifique et sans risque systématique »
version initiale vs version d’équilibre
 La non utilisation du principe Utilisation du principe

d’équilibre d’équilibre
Pour qu’il y ‘ait équilibre sur le  Il faut que le marché des actifs
marché des actifs, le principe soit à l’équilibre et efficient
d’arbitrage doit forcément être
vérifié .
La relation d’évaluation est  Permet d’obtenir une relation
approximativement vérifiée d’évaluation exacte du modèle
Plan

modèle

de l’APT

du modèle
Les facteurs du modèle d’arbitrage
01 02
Les facteurs relevant
Les facteurs
des caractéristiques
relevant des critères
de sociétés
macroéconomiques
 Les facteurs relevant des caractéristiques de sociétés
Taille
Volatilité
Liquidité
Secteur d’activités
23
De Confiance
D’Inflation
De Cycle d’affaire
De Marché
 Les facteurs relevant des
critères macroéconomiques
24
Les étapes d’application du
Modèle d’évaluation par arbitrage
(Application of Arbitrage pricing theory)
1
Application of Arbitrage
pricing theory
Identification des facteurs qui influencent le
rendement de l'actif
2 3
La mesure de l’impact de ces L’estimation de la valeur de

facteurs sur l’actif la prime de risque associée à
ces facteurs
ETAPE 1
1èr Etape : Identification des facteurs qui influencent le
rendement de l'actif
K Facteurs communs
Comment choisir et sélectionner les facteurs susceptibles

d‘influencer les rendements des actifs et l‘appréciation de
leurs poids ?
Identification des facteurs qui influencent le rendement de
l'actif
Détermination de la nature de facteurs du risque
Deux approches
Modèles des facteurs implicites Modèles des facteurs explicites.

Approche factorielle Approche économique
Identification des facteurs qui influencent le rendement de l'actif
Approche factorielle
Modèles des facteurs implicites

 Extraire les facteurs en se basant sur leurs traces historiques, de
manière endogène et purement descriptive sans spécifier leurs
natures.
 Difficile à faire l’interprétation économique

Estimer
simultaném
ent Fk, 𝛽
Analyse factorielle des données
Analyse factorielle standard Analyse en composantes principales

(maximum de la vraisemblance) (variance maximale ,l‘inertie maximale).
Analyse en composantes principales
 Extraire les facteurs communs (des combinaisons linéaires des Ri) permettant de décrire au
mieux que possible la variabilité des rendements
 La logique : Sélection des facteurs qui reflètent la direction de la variance des rendements et
la réduction de leur nombre d‘autant que possible sans perdre trop d‘informations.
Variance > Covariance
Les composantes principales

Facteurs communs à estimer
Avoir des variances maximales
Etre deux à deux orthogonaux
Analyse en composantes principales
Première composante Deuxième composante
Combinaison linéaire des Orthogonale à la première

rendements, issue de la composante principale
maximisation de leurs variances
(X* . 𝑅)
X* est le vecteur (N x 1), solution de la une deuxième contrainte : X* . X = 0 , afin

maximisation de : Max X′Ω X d‘assurer l‘orthogonalité des facteurs.
la contrainte : X′ X = 1
Approche économique
Modèles des facteurs explicites.
 Pragmatique
 Fait appel à l'intuition économique
Modèles macroéconomiques Modèles fondamentaux

Modèles macroéconomiques
L‘article de Chen, Roll et Ross (1986)
 Production industrielle
 Prime du risque de défaut (les différences de rendement à
l‘échéance entre les obligations de sociétés BAA et celles AAA )
 Structure à termes des taux d‘intérêt (la différence de
rendement à l‘échéance entre les obligations du Trésor à LT et à CT)
 Inflation inattendue
 Variation du taux d‘intérêt réel.
Burmeistervet McElroy (1988)

Hamao (1988)
Priestly (1996)
Modèles des facteurs explicites.
Modèles macroéconomiques
𝑅i𝑡 = 𝛼i + ∑𝑘𝛽ij 𝐹j𝑡 + si𝑡
𝑅i = 𝑅ƒ + ∑𝑘 𝛽ij𝜆j
Inconvénient majeur : le choix arbitraire des facteurs

Modèles fondamentaux
Taille de la firme Taux d‘endettement Valeur comptable
Politique de distribution des dividendes Rendement historique
l‘article de Sharpe (1982)
 Tester la significativité : Beta du marché

Rendement des dividendes
Taille de l‘entreprise (sa capitalisation boursière); Sa performance historique
Beta des bons du trésor à long terme.
Fama et French (1993) : la taille de l‘entreprise et sa valeur comptable rapportée à sa valeur de marché.
Carhart (1997) inclus un troisième facteur de risque, soit le rendement historique de l‘entreprise.
ETAPE 2
2ème Étape: la mesure de l’impact de ces facteurs sur les Actifs financiers.
A- Le lien entre la valeur des actifs financiers et les variables
macroéconomiques
LA
INFLATION DEFCIT TAUX
CROISSANCE
ANTICIPÉE ECONOMIQUE PUBLIC d’INTERET
2ème Étape: la mesure de l’impact de ces facteurs sur les Actifs financiers.
B- la mesure de l’impact des facteurs macroéconomiques sur les Actifs financiers.
Inflation Taux de Déficit Taux

n Ri anticipée croissance Bud d’intérêt
(F1) (F2) (F3) (F4)
2017 5% 3% 3% 5% 3% 𝑅𝑖=𝛼 𝑖+𝛽1 𝐹 1+𝛽2 𝐹 2+
On estime les paramètres par la méthode MCO :
2018 6% 2% 3,5% 4% 2,5%
2019 5,5% 2,5% 3,2% 4,5% 3%
2020 4,8% 5% 2,5% 6% 3,5% 𝑅𝑖=𝛼 𝑖+ ^𝛽 1 𝐹 1+ ^𝛽 2 𝐹 2

2021 5% 4,4% 3% 5,2% 2,7%
=+
2022 4% 7% 1,5% 7% 3,6%
βRi,F1 = - 0,28 βRi,F2 = 0,75 βRi,F3 = - 0,50 βRi,F4 = - 1,08
Y = X+
ETAPE 3
3ème Étape: Détermination de la prime de risque
MEDAF : Une seule prime

de risque
APT : Plusieurs Primes de

risque
3ème Étape: Estimation de la prime de risque
La rentabilité anticipé d’un actif est égale à la rentabilité anticipée de

l'actif sans risque plus une prime de risque fonction des coefficients de
sensibilité de l’actif i aux différents facteurs
Estimation par la méthode de moindres carrés généralisés (MCG)

Tester si les primes de risques estimées
Sont :
Nulles Non Nulles
La Non Pertinence Pertinence des

des variables variables
Macroéconomique Macroéconomique
Plan

modèle

de l’APT

du modèle
APT ET GESTION DE
PORTEFEUILLE
Portefeuille de base ?
COMMENT PEUT-ON
APPLIQUER L’APT DANS
LA GESTION DE
PORTEFEUILLE ?
APT ET GESTION DE PORTEFEUILLE
01
Gestion active
02
Gestion passive
03
Gestion indicielle
Plan

modèle

de l’APT

du modèle
Etude
empirique de
l’APT sur la
BVC :
Introduction :
La théorie d’arbitrage est initiée par l’économiste Ross (1976) pour répondre
aux problèmes et faiblesses trouvées dans les aspects théoriques et
empiriques du modèle d’évaluation des actifs financiers (MEDAF), surtout
que ce dernier postule que l’espérance d’un rendement d’un actif financier
est uniquement fonction d’un seul facteur alors que plusieurs facteurs tels
que le taux d’interet , le taux d’inflation, le taux de change, les prix de
pétrole, le taux de la taxe, etc. Peuvent aussi influencer l’espérance du
rendement d’un actif financier
Etude empirique :
01 Choix de 02 Choix des

l’entreprise variables
03 Données et démarche 04 Analyse avec

Méthodologique SPSS et
conclusion
01 : Choix d’entreprise
Entreprise : Label Vie

Label Vie : présentation de l’entreprise
Dénomination Label Vie SA
Secteur d’activité La distribution
Chiffre d’affaire en 2019 10,396 milliards de dirhams
Compartiment Marché principal A
Date d’introduction en bourse 02-07-2008
Nombre de titres en 17-11-2022 2 838 962
Capitalisation boursière en 17-11- 12 349 484 700

2022
02 : Le choix des variables
IPC
ICEI Variable TINT

macroéconomique
EXRT
03 : Les données et démarche méthodologique de
l’étude économétrique
 Développement des Hypothèses :
Les variables indépendantes : Variable dépendante :
La part de marché de label'vie ( PM) Rendement de l’action Label’vie ( R)
Variation de NM ( VNM)
Taux d’interet (TINT)
VA du secteur de commerce et de la
distribution( VACD)
Variation du taux de change
EURO/DIRHAM MAROC ( EXRT)
Indice des prix à la consommation( IPC)
Indice du Commerce extérieur des

importations (ICEI)
03 : Les données et démarche méthodologique de
l’étude économétrique
 Présentation des hypothèses :
H0 : L’APT n’explique pas le rendement des actions de label Vie

H1 : L’ APT explique bien le rendement des actions de label Vie
 Présentation de modèle :
Selon la théorie de l’APT , les rendements des actions dépendent des variables
macroéconomiques sélectionnés. notre modèle est spécifié comme suit :
R = F ( PM, VNM, VACD, TINT, EXRT, IPC, ICEI).

R = F ( PM, VNM, VACD, TINT, EXRT, IPC, ICEI).
Où :
R : Rendement de l’action Label’vie
PM : La part de marché de label'vie
VNM : Variation du NM
VACD : VA du secteur de commerce et de la distribution
TINT : Taux D'intérêt
EXRT : Variation du taux de change EURO/DIRHAM MAROC
IPC : Indice des prix à la consommation
ICEI : Indice du Commerce extérieur des importations

Le taux de rendement annuel de Label vie est calculé comme suit :
R = Cours moyen pondéré en t – cours moyen pondéré en t-1 / cours moyen pondéré en t-1
Problématique de
recherche :
Quel est impact des variables macroéconomiques

sur l’évaluation des actifs financiers en l’occurrence
l’impact de ces variables sur les rendements des
actions de Label Vie ?
01
Analyse par l’outil
SPSS : La collecte des
données
02 03
Analyse Interprétation
statistique à
l’aide de SPSS Et Conclusion
Étape 1 : la collecte des
données
Comment nous avons collecté
notre BDD ? ● Les données sont collectés à
travers plusieurs sources
● Le choix de la période : entre
2016 et 2020 ( des périodes
avec des taux d’interet
différents )
● Un choix pertinent des
varibles Macro
● Le choix des intervalles
temporel : Annuel
Importation de notre base de données Excel :
• taux d'intérêt (TINT) : En 2016 ,2017,2018,2019 : 2,25% en

2020 1,5%
• IPC, ICEI : source HCP
• Cours moyens pondéré : source Rapport Label Vie
Étape 2 : Les analyses
sous SPSS
Coefficient d’asymétrie : Skewness
Analyse et résultats : Coefficient d’aplatissement : Kurtosis
01 : Analyse descriptive
Analyse et résultats :
01 : Analyse descriptive
 Le tableau présente les statistiques descriptives pour les données
annuelles couvrant la période allant de 2016 à 2020
 Le tableau montre que tous les variables ont une moyenne positive
 les variables les plus dispersées sont VNM, VACD , IPC , EXRT et R
 les variables les moins dispersées autour de la moyenne sont PM, TINT ,
ICEI
 Les variables PM , TINT , VACD , R ont un coefficient d’asymétrie
(skewness) inférieur à 0 donc la distribution de ces variables sont étalées à
gauche, quant aux variables VNM , IPC ,EXRT ,ICEI ils ont un coefficient
d’asymétrie supérieur à 0, donc leurs distributions sont étalées à droite.
 La plupart des variables ont un coefficient d’aplatissement (kurtosis)
inférieur à 3 donc leurs distributions sont platykurtiques => la distribution
tend vers la normalité
02 : Analyse de la corrélation de Pearson : Quick Reminder !!
• Le coefficient de Pearson est un indice reflétant une relation linéaire entre

deux variables continues. Le coefficient de corrélation varie entre -1 et
+1,
• 0 reflétant une relation nulle entre les deux variables,
• une valeur négative (corrélation négative) signifiant que lorsqu'une des
variable augmente, l'autre diminue ;
• tandis qu'une valeur positive (corrélation positive) indique que les deux
variables varient ensemble dans le même sens.
02 : Analyse de la corrélation de Pearson :
02 : Analyse de la corrélation de Pearson :
Par rapport à la variable Rendement Annuel ( R) :
• La matrice de corrélation montre qu’il y a moyenne liaison statistique entre la variable

rendement et les autres variables macroéconomiques , sauf la variable ( IPC ) nous
montre une corrélation de Pearson négative ( C’est-à-dire lorsqu’une variable augmente
l’autre diminue et vis versa )
• Nous observons qu’il a une forte corrélation entre la variable R et ICEI .
03 : Analyse factorielle : Test de sphéricité de Bartlett
Le nombre de variables utilisées dans la théorie d’arbitrage est porté à 8 variables
basé sur le haut niveau de signification du test de sphéricité de Barlett. Ce test
détecte les corrélations partielles des variables examinés. La valeur du Chi carré du
test de sphéricité de Barlett est de 403, 21 qui est significatif à un seuil de 1%. La
conclusion dont on peut tirer de ce résultat c’est que plus de deux variables doivent
être utilisées dans l’analyse.
le résultat du test de sphéricité

de Bartlett est significatif
(p_value < 0,0005)
04 : Analyse en composantes principales (ACP) :
Pourquoi l’ACP ?
Nous choisissons l'analyse en composantes principales -APC,

puisqu'elle permet d'expliquer une grande partie de la variance avec
un minimum de facteurs.
Les 2 composantes restituent

au moins 80% de l’information.
• nous constatons que 3 facteurs (ou composantes) ont une valeur propre plus élevée que 1. Nous
les conservons donc pour l'analyse ( 1er constat )
• Le premier facteur explique à lui seul 56,909% de la variance totale des 8 variables de
l'analyse. Mis en communs, les 2 facteurs permettent d'expliquer 84.79 % de la variance.
Comme les facteurs 3 à 8 n'expliquent pas suffisamment de variance, ils ne sont pas retenus.
• L’analyse factorielle nous donne le nombre de facteurs qui doivent être utilisés dans l’analyse.
Ces résultats sont les résultats de l’analyse factorielle sous SPSS. Néanmoins ce nombre de
variables est largement inférieur aux nombres de variables utilisées dans la théorie de
l’arbitrage dues à une insuffisance de variables.
04: Analyse en composantes principales(ACP) : Graphe des valeurs
propres
Le coude de Cattell
04 : Régression linéaire multiple :
c’est quoi ?
Régression linéaire multiple : une définition La régression linéaire est une technique

statistique de modélisation des relations entre différentes variables (dépendantes et
indépendantes). Utilisée pour décrire et analyser les valeurs ou données, la régression
linéaire a pour objectif de réaliser des prédictions ou des prévisions. Elle est
appelée multiple lorsque le modèle est composé d’au moins deux variables
indépendantes.
Hypothèses ?
Hypothèse nulle : Dans le cas de la régression, l’hypothèse nulle est qu’il n’y a pas de relation
entre la variable dépendante et la variable indépendante, donc que la variable indépendante ne
permet pas de prédire la variable dépendante.
L’hypothèse alternative : est qu’il est possible de prédire la variable dépendante à partir de la
variable indépendante.
Distribution Homogénéité
des
normale
Obligations
variances
Pas de Homoscéda
variance
nulle sticité
Distribution Relation
normale linéaire
variables inclues et éliminées

Test de coefficients : colinéarité

la régression multiple est basée sur la prémisse d’absence de multi colinéarité entre les variables
indépendantes (ces variables ne doivent pas être fortement corrélées entre elles). Cette mesure
vérifie donc cette prémisse.
Test de coefficients:
Test Durbin-Watson:
Durbin-Watson : la régression multiple exige aussi l’indépendance des résiduels. Cette option
permet de vérifier cette prémisse. Toutefois, SPSS ne fournit pas le degré de signification du
test. Le chercheur doit donc décider si le résultat est suffisamment différent de deux pour dire
qu’il ne respecte pas la prémisse.
Test Durbin-Watson:
Analyse de variance: ANOVA

Pour qu’un modèle soit
pertinent, . l’amélioration
obtenue avec la variable
indépendante doit être grande
et les résiduels entre les valeurs
observées et la droite de
régression, faibles. Pour tester
cela, SPSS procède au test de la
valeur F
Statistiques des résidus :

04 : Test de normalité :
c’est quoi ?
En statistiques, les tests de normalité permettent de vérifier si des données réelles suivent une
loi normale ou non. Les tests de normalité sont des cas particuliers des tests d'adéquation (ou
tests d'ajustement, tests permettant de comparer des distributions), appliqués à une loi normale
Récapitulatif
Variable indépendante : cours moyen
En statistiques, les tests de normalité permettent de vérifier si des données réelles suivent une
loi normale ou non. Les tests de normalité sont des cas particuliers des tests d'adéquation (ou
tests d'ajustement, tests permettant de comparer des distributions), appliqués à une loi normale
Variable indépendante :
cours moyen
Variable indépendante : IPCI

04 : Test de normalité : Tracé Q_Q : IPCI
04 : Test de normalité : Histogramme
04 : Test de normalité : boite à moustache
Conclusion
de l’étude
empirique de
l’APT sur la
BVC :
Les limites
Les avantages
Les avantages de L’APT
Hypothèses moins contraignantes
1. Un modèle plus réaliste : L’APT considère un nombre illimité de facteurs

systématiques influant sur le rendement de l'actif
(Contre un seul facteur (le marché) et un seul beta pour le CAPM)
2. Moins de restrictions concernant les types d’informations autorisées pour faire des prédictions
Les limites de L’APT
Identification des facteurs et l’estimation des Betas
1. Les facteurs ne sont pas déterminés par le modèle

(La détermination de chaque facteur par l’investisseur nécessite des calculs empiriques très lourds)
2. L'estimation d'un Beta pour chaque facteur rend la tâche encore plus difficile
3. Les facteurs et leur influence sur l'actif restent fixes au cours du temps
(L'influence d'un facteur sur un actif évolue dans le temps)
4. Beaucoup plus complexe à mettre en œuvre que le CAPM

Conclusion
Merci De Votre Attention

Encadrée Par:: Lalla Fatima-Zohra ALAMI TALBI

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

Encadrée Par:: Lalla Fatima-Zohra ALAMI TALBI

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITÉ MOHAMMMED V – RABAT

Faculté des sciences Juridiques Économiques et Sociales - Souissi

« Master Finance des marchés et d’entreprise - FME -»

Les modèles de gestion de portefeuille

Dans quelle mesure le modèle APT

Etapes d’application du modèle

Application de l’APT dans

Mise en œuvre de l’APT:

Etapes d’application du modèle

Application de l’APT dans

Mise en œuvre de l’APT:

Etapes d’application du modèle

Application de l’APT dans

Mise en œuvre de l’APT:

Le modèle d’évaluation par arbitrage est initié par

Ses hypothèses sont moins restrictives par rapport au

Il a fait intervenir plusieurs facteurs communs .

Il exige à l‘équilibre l‘absence d‘opportunité d‘arbitrage

Etapes d’application du modèle

Application de l’APT dans

Mise en œuvre de l’APT:

H1 : Les rendements des actifs financiers sont impactés et expliqués

H2 : Chaque investisseur à la possibilité de constituer un portefeuille

H3 : Aucune opportunité d’arbitrage n’existe parmi les portefeuilles

Etapes d’application du modèle

Application de l’APT dans

Mise en œuvre de l’APT:

Rit = Ei + bi1.f1t + bi2.f2t,+ ...+biK.fKt +

Tout investissement créé sans risque et sans richesse

la relation fondamentale du modèle d'évaluation par l'arbitrage

La relation finale est approximativement vérifiée car la

Quelles sont les hypothèses supplémentaires nécessaires pour obtenir sans

01 « Il est possible de constituer un portefeuille à partir des N actifs

« Il est possible de constituer un portefeuille à variance minimale sans

 La non utilisation du principe Utilisation du principe

Etapes d’application du modèle

Application de l’APT dans

Mise en œuvre de l’APT:

La mesure de l’impact de ces L’estimation de la valeur de

Comment choisir et sélectionner les facteurs susceptibles

Détermination de la nature de facteurs du risque

Modèles des facteurs implicites Modèles des facteurs explicites.

Modèles des facteurs implicites

 Difficile à faire l’interprétation économique

Analyse factorielle standard Analyse en composantes principales

Analyse en composantes principales

Variance > Covariance

Les composantes principales

Analyse en composantes principales

Première composante Deuxième composante

Combinaison linéaire des Orthogonale à la première

X* est le vecteur (N x 1), solution de la une deuxième contrainte : X* . X = 0 , afin

Modèles macroéconomiques Modèles fondamentaux

Burmeistervet McElroy (1988)

𝑅i𝑡 = 𝛼i + ∑𝑘𝛽ij 𝐹j𝑡 + si𝑡

Inconvénient majeur : le choix arbitraire des facteurs

Politique de distribution des dividendes Rendement historique

l‘article de Sharpe (1982)

 Tester la significativité : Beta du marché

Inflation Taux de Déficit Taux

2018 6% 2% 3,5% 4% 2,5%

2019 5,5% 2,5% 3,2% 4,5% 3%

2020 4,8% 5% 2,5% 6% 3,5% 𝑅𝑖=𝛼 𝑖+ ^𝛽 1 𝐹 1+ ^𝛽 2 𝐹 2