Soutenance mémoire
La maximisation du rendement des actifs financiers en minimisant le risque encouru représente l’objectif principal des tous les investisseurs, tant institutionnels qu’individuels. Cette maximisation du rendement est tributaire des flux permaments d’information qui affectent les mécanismes de fixation des prix sur les marchés, en influençant la prise de décision des investisseurs. Deux catégories d’information sont typiquement incorporées par les marchés boursiers, soit celle de nature financière qui affecte le prix des actions des firmes de manière spécifique (profits, endettement, ventes, etc.) et celle de nature macroéconomique qui affecte le prix de toutes les actions (PIB, taux de change, annonces de banques centrales, etc.). Toutefois, puisque ces deux types d’information sont susceptibles d’influencer différemment les prix des actions, plusieurs travaux ont été réalisés afin d’identifier quels sont les facteurs permettant d’expliquer les rendements sur les marchés boursiers.
Le modèle à trois facteurs de Fama et French (1992) est largement considéré dans la littérature comme étant le meilleur outil permettant d’expliquer les rendements excédentaires enregistrés sur les marchés boursiers. En effet, selon le modèle, les rendements des firmes cotées en bourse sont fonction de trois facteurs financiers, soit la prime de risque du marché (Sharpe, 1964 et Lintner, 1965), la taille des firmes (Banz, 1980) ainsi que la valeur des titres boursiers, capturée par le ratio book-to-market (Stattman, 1980). Ainsi, l’hypothèse principale sous-jacente à ce modèle est que les rendements boursiers ne sont influencés que par les facteurs fondamentaux financiers, excluant donc l’influence potentielle de certains facteurs macroéconomiques.
D’autres auteurs ont plutôt tenter d’expliquer les rendements boursiers à l’aide de facteurs macroéconomiques, puisque ceux-ci fournissent un bonne approximation du risque systématique présent dans l’ensemble de l’économie réelle. Ainsi, la production industrielle, la prime de risque du marché, les changements dans la courbe de rendement et l’inflation non-anticipée (Chen, Roll et Ross, 1986) sont également tous incorporés dans les rendements boursiers américains. Des résultats semblables ont été montrés pour le prix du pétrole et les rendements boursiers de différents pays (Park et Ratti, 2007), pour le prix des matières premières (Black, Klinkowska et McMillan, 2014) ainsi que pour le taux de change (Jorion, 1990 et Dominguez et Tesar, 2006). Par conséquent, l’exclusion des facteurs macroéconomiques dans le modèle de Fama-French peut causer des distortions dans les résultats (Petkova, 2006). Selon l’auteur, les facteurs financiers du modèle de Fama-French perdent leur significativité une fois que les facteurs macroéconomiques sont pris en compte. Les facteurs macroéconomiques seraient par conséquent des proxies pour les facteurs financiers.
Analyse de facteurs financiers
L’inclusion de facteurs financiers dans l’analyse des rendements boursiers est principalement expliquée par l’absence de validité empirique du modèle d’évaluation des actifs financiers (MÉDAF − ou Capital Asset Pricing Model (CAPM)) proposé par Sharpe (1964) et Lintner (1965) , selon lequel les rendements espérés d’un titre dépendent de la prime de risque du marché, soit la différence entre le rendement du marché et celui d’un actif sans risque, tel qu’un bon du Trésor américain. Les résultats empiriques peu concluants du MÉDAF ont pavé la voie à de nombreux auteurs afin d’identifier d’autres facteurs de risque financiers qui auraient un pouvoir explicatif sur les rendements boursiers aux États-Unis. Litzenberger et Ramaswamy (1979) se sont interessés à la relation entre le taux de dividende, soit le ratio entre le dividende par action par rapport au prix par action, et les rendements boursiers américains de 1936 à 1977. Les auteurs ont notamment démontré l’existence d’une relation linéaire positive entre les rendements espérés et le taux de dividende. En utilisant comme variable d’intérêt le ratio cours bénéfice, une mesure de valeur des actions, Basu (1977) conclut que les firmes ayant un ratio cours-bénéfice plus faible enregistrent en moyenne des rendements plus élevés. Ce résultat réfute en partie l’hypothèse de la théorie des marchés efficients du MÉDAF, stipulant que l’information est réflétée dans les prix des actions en temps réel. Il existerait des délais avant que l’information soit complètement incorporée dans les prix, suggérant ainsi que le ratio cours-bénéfice contienne de l’information sujète à engendrer des rendements excédentaires dans les périodes futures. Rosenberg, Reid et Lanstein (1985), ainsi que Stattman (1980) arrivent à un résultat similaire en utilisant une mesure de valeur alternative, le ratio book-to-market, appuyant le rejet de l’hypothèse des marchés efficients. Ainsi, les firmes ayant un ratio bookto-market plus élevé enregistrent en moyenne des rendements plus élevés, suggérant que cette variable contienne, comme le ratio cours-bénéfice, de l’information relatives aux opportunités d’investissements futures des firmes qui se traduirait par des rendements excédentaires nonexpliqués par le modèle de Sharpe-Lintner.
Analyse de facteurs macroéconomiques
Il est de croyance commune que les marchés boursiers réagissent aux données économiques, telles que le PIB, la production industrielle et le taux de chômage, puisque celles-ci fournissent un bonne approximation du risque systématique présent dans l’ensemble de l’économie réelle, contrairement aux facteurs financiers qui fournissent des mesures de risque spécifique pour chaque firme. Ces facteurs de risque financiers peuvent également être éliminer en diversifiant le portefeuille, alors qu’il n’est pas possible d’éliminer le risque systématique. Ces indicateurs macroéconomiques peuvent ainsi contenir de l’information par rapport aux conditions économiques futures qui serait intégrée dans les prix des actifs sur les marchés financiers.
Sous cette hypothèse, Chen, Roll et Ross (1986) tentent d’indentifier les variables économiques auxquelles les marchés boursiers sont les plus sensibles. Les auteurs soulignent d’emblée que, malgré le fait que la relation entre les marchés boursiers et l’économie réelle ne soit pas unidirectionnelle, les prix des actifs financiers sont plus susceptibles d’être inflencés par des forces externes de par la volatilité des marchés boursiers. Théoriquement, la valeur fondamentale du prix des actions représente la valeur actualisée des dividendes futurs. Par conséquent, les variables qui influencent la valeur réelle des dividendes versés par les firmes ainsi que le taux d’actualisation sont indentifées comme les variables exogènes du modèle. Ils concluent que la production industrielle, la prime de risque du marché, les changements dans la courbe de rendement et l’inflation non-anticipée ont toutes, à des degrés différents, un pouvoir explicatif sur les rendements boursiers. Virk (2012) propose une analyse similaire, appliquée pour les données finlandaises. En étudiant les rendements boursiers mensuels allant de 1993 à 2008, il estime un modèle d’évaluation des actifs augmenté de facteurs macroéconomiques. Conformément aux résultats de Chen et collab., il conclut que la structure des taux d’intérêt, ainsi que la variation anticipée et non-anticipée de l’inflation ont un effet significatif sur les rendements boursiers. En outre, Virk démontre que la variation du taux de change est également incorporée dans le prix des actions. Il note cependant qu’étant donné que les prix de titres boursier sont volatils et fluctuent en temps réel, il est fort probable que l’information macroéconomique soit déjà incorporée dans les prix avant leur annonce publique puisque celle-ci contiennent de l’information agrégée des périodes précédentes.
Plusieurs auteurs ont donc porté leur attention sur les variables économiques qui varient de façon continue sur les marchés. Park et Ratti (2008) étudient la relation entre les rendements boursier et les chocs pétroliers, ainsi que la volatilité du prix du pétrole pour les États-Unis et 13 pays européens durant la période allant de 1986 à 2005. L’attrait d’étudier cette relation pour plusieurs pays vient du fait qu’en procédant ainsi, les auteurs sont en mesure de dégager les facteurs de risque systématique, plutôt que ceux qui sont spécifiques à chaque pays. Ils concluent que le prix mondial du pétrole, représenté par le prix en parité des pouvoirs d’achats du pétrole Brent , a un effet significatif sur les rendements boursiers de tous les pays étudiés. L’ajustement en parité des pouvoirs d’achats du prix du Brent permet notamment d’éviter que les effets ne soient contrebalancés par les variations du taux de change causé par les variations du prix du pétrole. Black, Klinkowska et McMillan (2014) proposent quant à eux un modèle afin d’analyser la relation entre les rendements boursiers américains et le prix de plusieurs matières premières, contrastant ainsi avec l’analyse de Park et Ratti, alors que ces derniers étudient plusieurs marchés boursiers et une seule commodité, soit le pétrole. Black et collab. utilisent la variation en pourcentage trimestrielle de l’indice boursier S&P 500 pour mesurer les rendements boursiers, alors que le prix des commodités est capté par l’indice S&P GSCI (Goldman Sachs Commodity Index) qui regroupe le prix de 24 matières premières . Les auteurs démontrent qu’il existe une forte relation à long terme entre les rendements boursiers et le prix des matières premières, alors qu’à court terme cette relation semble être faible. Ce résultat est conforme avec l’hypothèse que le prix des matières premières représente une bonne mesure de la demande agrégée, et par conséquent, de l’état de l’économie réelle à long terme.
|
Table des matières
Introduction
1 Revue de la littérature
1.1 Analyse de facteurs financiers
1.2 Analyse de facteurs macroéconomiques
2 Modèle
2.1 Le modèle de Fama-French
2.2 Le modèle de Fama-French augmenté de facteurs macroéconomiques
3 Données
3.1 Rendements boursiers
3.2 Construction des portefeuilles
4 Résultats empiriques
4.1 Résultats de titres individuels
4.2 Résultats par portefeuilles
4.3 Résultats par sous périodes
Conclusion
Télécharger le rapport complet
