Académique Documents
Professionnel Documents
Culture Documents
Encadrée par :
Lalla Fatima-Zohra ALAMI TALBI
INTRODUCTION
Modèle de Markowitz
Modèle de marché
Le modèle d’évaluation des actifs financiers
Le modèle d’évaluation par arbitrage
Problématique
04 Versions du modèle
08 Avantages et limites
du modèle
Plan
PARTIE I: Aspet théorique PARTIE II: Aspet empirique
04 Versions du modèle
08 Avantages et limites
du modèle
Notion d’arbitrage ?
Imperfections de marché
une stratégie
d'investissement peu risquée
Plan
PARTIE I: Aspet théorique PARTIE II: Aspet empirique
04 Versions du modèle
08 Avantages et limites
du modèle
Limites du MEDAF vers l’origine de l’APT
04 Versions du modèle
08 Avantages et limites
du modèle
Hypothèses du modèle d’évaluation par arbitrage
04 Versions du modèle
08 Avantages et limites
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
La version initiale du modèle
Hypothèse de base: Rentabilité constatée= Rentabilité anticipée+ Rentabilité non anticipée
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 version initiale du modèle
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
L’équilibre L’efficience
La version d’équilibre du modèle
3 cas peuvent être envisagés:
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
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
PARTIE I: Aspet théorique PARTIE II: Aspet empirique
04 Versions du modèle
08 Avantages et limites
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
K Facteurs communs
Deux approches
Approche factorielle
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.
(X* . 𝑅)
Pragmatique
Fait appel à l'intuition économique
Approche économique
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.
Modèles macroéconomiques
𝑅i = 𝑅ƒ + ∑𝑘 𝛽ij𝜆j
Modèles fondamentaux
Taille de la firme Taux d‘endettement Valeur comptable
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.
Y = X+
ETAPE 3
3ème Étape: Détermination de la prime de risque
04 Versions du modèle
08 Avantages et limites
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
PARTIE I: Aspet théorique PARTIE II: Aspet empirique
04 Versions du modèle
08 Avantages et limites
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 :
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)
Présentation de modèle :
Selon la théorie de l’APT , les rendements des actions dépendent des variables
macroéconomiques sélectionnés. notre modèle est spécifié comme suit :
Où :
R : Rendement de l’action Label’vie
VNM : Variation du NM
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 :
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
Analyse et résultats :
02 : Analyse de la corrélation de Pearson : Quick Reminder !!
Pourquoi l’ACP ?
• 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.
Analyse et résultats :
04: Analyse en composantes principales(ACP) : Graphe des valeurs
propres
Le coude de Cattell
Analyse et résultats :
04 : Analyse en composantes principales (ACP) :
Analyse et résultats :
04 : Régression linéaire multiple :
c’est quoi ?
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.
Analyse et résultats :
04 : Régression linéaire multiple :
Distribution Homogénéité
des
normale
Obligations
variances
Pas de Homoscéda
variance
nulle sticité
Distribution Relation
normale linéaire
Analyse et résultats :
04 : Régression linéaire multiple :
Test de coefficients:
Analyse et résultats :
04 : Régression linéaire multiple :
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.
Analyse et résultats :
04 : Régression linéaire multiple :
Test Durbin-Watson:
Analyse et résultats :
04 : Régression linéaire multiple :
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
Analyse et résultats :
04 : Test de normalité :
Récapitulatif
Analyse et résultats :
04 : Test de normalité :
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
Analyse et résultats :
04 : Test de normalité :
Variable indépendante :
cours moyen
Analyse et résultats :
04 : Test de normalité :
Les avantages
Les avantages de L’APT
Hypothèses moins contraignantes
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
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)