Hypothèses du CAPM
Fonctions d'utilité quadratique ou normale, marché efficient, risque systématique seul rémunéré.
Rôle de la SML
Relie le rendement attendu au bêta, représentant la prime de risque.
Test empirique du CAPM
Estimation de la ligne caractéristique reliant rendement et bêta à partir des données réelles.
Problème du bêta
Instable dans le temps, biaisé par erreurs de mesure et données inexactes.
CAPM à bêta zéro
Interception variable, relation ajustée entre rendement et bêta, souvent non vérifiée.
Variables fondamentales
Taille, book-to-market, P/E expliquent la variation des rendements.
Facteurs SMB et HML
Capturent l'effet taille et valeur dans l'explication des rendements.
Modèles conditionnels
Intègrent l'information à un instant donné pour ajuster risques et rendements.
Modèles ARCH/GARCH
Modélisent la volatilité conditionnelle dépendante des erreurs passées.
Applications GARCH
Gestion du risque dynamique, modélisation de la volatilité dans le temps.
Biais dans tests empiriques
Biais de survie, erreurs de mesure, spécification incorrecte.
Défis actuels
Modèles robustes, intégration de facteurs multiples, dynamique temporelle.
Évolution empirique
De CAPM simple à modèles multifactoriels conditionnels.
Fonction d'utilité quadratique
Représente préférences avec aversion au risque, dépend de moyenne et variance.
Rôle du portefeuille de marché
Référence pour mesurer le risque systématique.
Relation rendement-bêta
Linéaire, mais souvent faible ou variable empiriquement.
Effet taille
Petites capitalisations ont tendance à surperformer.
Effet valeur
Actions à haut book-to-market surperforment.
Modèles multifactoriels
Incluent plusieurs variables explicatives comme taille, valeur.
Prise en compte de l'information
Modèles conditionnels ajustent risques selon l'état du marché.
Volatilité conditionnelle
Dépend des erreurs passées, phénomène de clustering.
Extensions GARCH
Modélisent covariances dynamiques, régimes de volatilité.
Biais statistiques
Survie, erreurs de mesure, spécification biaisent les résultats.
Testez vos connaissances avec un QCM de 12 questions sur Critique et évolution des modèles d’évaluation d’actifs.
1. Quelle est la cause principale du phénomène de clustering de volatilité dans les modèles ARCH ?
2. Quel est le rôle du biais de survie dans les tests empiriques des modèles d’évaluation d’actifs ?
Révisez le cours complet dans la fiche de révision de Critique et évolution des modèles d’évaluation d’actifs.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards