Modèle factoriel Fama-French : expositions, alpha et limites de la régression

Interprétez les régressions à trois et cinq facteurs, distinguez rendements factoriels, sensibilités, résidus et alpha, et validez fréquence, univers, incertitude statistique et coûts de mise en œuvre.

À des fins éducatives uniquement ; ne constitue ni un conseil en investissement ni une recommandation d’investissement. Les investissements peuvent entraîner des pertes.

Réponse directe

Le modèle factoriel Fama-French est une famille de modèles empiriques d’évaluation décrivant les rendements excédentaires d’une action ou d’un portefeuille par les rendements de portefeuilles factoriels diversifiés. Le modèle à trois facteurs utilise marché, taille et value ; celui à cinq ajoute rentabilité et investissement.

Il peut séparer la performance brute entre exposition factorielle estimée et constante inexpliquée. Il ne prouve pas pourquoi une prime existe, ne prédit pas le prochain gagnant et ne transforme pas un alpha historique positif en talent garanti.

Fonctionnement

Pour la période t, la régression temporelle à trois facteurs est :

R i,t - R f,t = alpha i + beta MKT * (R M,t - R f,t) + beta SMB * SMB t + beta HML * HML t + epsilon i,t

La version à cinq ajoute :

+ beta RMW * RMW t + beta CMA * CMA t

Le membre gauche est le rendement total de l’actif moins le taux sans risque de la même période. MKT-RF est l’excédent du marché. Les autres facteurs sont des rendements de portefeuilles long-short à investissement nul construits selon des règles publiées :

SMB est Small Minus Big, facteur de taille.
HML est High Minus Low book-to-market, facteur value.
RMW est Robust Minus Weak de rentabilité opérationnelle.
CMA est Conservative Minus Aggressive d’investissement.

Ce ne sont pas des ratios comptables d’entreprise insérés directement. Les définitions varient selon modèle, région, seuils, pondération, décalage comptable, fournisseur et millésime. Le SMB à cinq facteurs de la Data Library combine les écarts de taille des tris book-to-market, rentabilité et investissement et peut différer d’autres facteurs.

Une sensibilité mesure le co-mouvement conditionnel aux autres facteurs. Une sensibilité de 0.3000 à SMB signifie que 1.0000 percentage-point de rendement SMB est associé à 0.3000 percentage-point de contribution modélisée, les autres facteurs constants. Cela ne signifie pas détenir exactement 30.0000% de petites capitalisations.

alpha est la constante estimée à la fréquence des données. epsilon est le résidu de chaque période. Un résidu positif n’est pas alpha ; alpha est estimé sur l’échantillon. L’interprétation statistique exige des erreurs standards robustes à l’hétéroscédasticité et, si nécessaire, à l’autocorrélation. L’interprétation économique exige frais, coûts, impôts, capacité, expositions variables et choix du modèle.

Le modèle peut servir à l’attribution descriptive ou être testé comme modèle d’évaluation. Un R-squared élevé signifie beaucoup de variation expliquée dans l’échantillon ; il ne prouve ni tarification correcte, ni causalité, ni talent. Ajouter des facteurs peut réduire la constante tout en augmentant bruit ou multicolinéarité.

Exemple

Un fonds présente des sensibilités de 1.0500 à MKT-RF, 0.3000 à SMB, 0.4000 à HML, 0.2000 à RMW et -0.1000 à CMA. Sur un mois, les facteurs rapportent 2.0000%, 1.0000%, -0.5000%, 0.8000% et 0.3000%.

La contribution factorielle modélisée est :

(1.0500 * 2.0000%) + (0.3000 * 1.0000%) + (0.4000 * -0.5000%) + (0.2000 * 0.8000%) + (-0.1000 * 0.3000%) = 2.3300%

Les composantes sont 2.1000%, 0.3000%, -0.2000%, 0.1600% et -0.0300%. Si l’excédent réel est 2.5000%, en ignorant la constante pour cette illustration :

one-month residual = 2.5000% - 2.3300% = 0.1700%

Ces 0.1700% sont un résidu, pas un alpha persistant. Avec un taux sans risque de 0.3000%, le rendement total est 2.8000% ; ne confondez pas rendement total et excédentaire.

Sur 60 months, l’alpha mensuel estimé est 0.1500%, avec erreur standard 0.2000% :

t-statistic = 0.1500% / 0.2000% = 0.7500

Un intervalle bilatéral approximatif à 95.0000% est :

0.1500% +/- (1.9600 * 0.2000%) = -0.2420% to 0.5420% per month

Le point est positif mais imprécis. Capitaliser ce seul point donne :

annualized alpha point estimate = (1 + 0.1500%)^12 - 1 = 1.8136%

L’annualisation ne supprime pas l’incertitude et ne doit pas être mécanique si expositions ou alpha varient.

Dans le modèle à trois facteurs, le même fonds a un alpha mensuel de 0.4000%. Les 0.1500% à cinq facteurs ne prouvent ni que les 0.2500 percentage points supplémentaires étaient mal déclarés ni que le modèle est vrai. Ils montrent que rentabilité et investissement expliquent davantage sous cette spécification.

Risques et liste de vérification

Choisissez d’abord le modèle : Indiquez trois, cinq, régional, mondial, avec momentum ou autre.
Identifiez la source : Notez fournisseur, URL, date, millésime et méthodologie.
Alignez la géographie : Utilisez les facteurs du marché investissable et de la devise.
Alignez la fréquence : Appariez exactement séries quotidiennes, hebdomadaires ou mensuelles.
Utilisez les rendements totaux : Incluez les distributions uniformément.
Soustrayez le sans risque une fois : Régressez l’excédent sur marché excédentaire et facteurs sans double retrait.
Vérifiez les unités : Confirmez décimal ou pourcentage.
Alignez les horodatages : Empêchez l’entrée prématurée de données comptables, positions ou révisions.
Examinez les définitions : Contrôlez seuils, pondérations, décalages, admissibilité et rééquilibrage.
Utilisez assez d’historique : Les courts échantillons déstabilisent sensibilités, alpha et erreurs.
Testez la stabilité : Utilisez fenêtres mobiles, positions et régimes pour détecter la dérive de style.
Examinez les corrélations : La multicolinéarité déstabilise les coefficients.
Utilisez une inférence robuste : Traitez hétéroscédasticité, autocorrélation, chevauchement et non-normalité.
Publiez l’incertitude : Donnez erreurs, statistiques t, intervalles et taille d’échantillon.
Séparez résidu et alpha : Ne nommez pas alpha une période favorable ou un résidu cumulé.
Comparez les spécifications : Testez CAPM, trois, cinq, secteurs, momentum et alternatives.
Incluez les coûts : Déduisez frais, spread, impact, rotation, emprunt, financement et impôts.
Évitez le biais rétrospectif : Utilisez composants, données comptables et fichiers disponibles à chaque date.
Testez hors échantillon : Évaluez une autre période ou marché sans réajustement.
Évitez la causalité : La sensibilité décrit un co-mouvement conditionnel, pas un mécanisme.

Idées reçues

« SMB, HML, RMW et CMA sont des ratios d’entreprise. » Ce sont les rendements de portefeuilles long-short construits par tris.
« Une sensibilité positive garantit un rendement positif. » Les facteurs peuvent être négatifs, les primes varient et la mise en œuvre coûte.
« Un résidu mensuel positif est alpha. » Alpha est une constante d’échantillon estimée avec incertitude ; chaque observation a un résidu.
« Un R carré élevé prouve le modèle. » Il mesure la variation expliquée dans l’échantillon, pas la causalité ou la tarification correcte.
« L’alpha ajusté des facteurs est du talent. » Facteurs omis, expositions variables, data mining, chance, frais et capacité peuvent le créer ou l’effacer.

Sujets connexes

Sources

Étude de Fama et French, Common Risk Factors in the Returns on Stocks and Bonds.
Étude de Fama et French, A Five-Factor Asset Pricing Model.
Étude de Fama et French, International Tests of a Five-Factor Asset Pricing Model.
Documentation de la Kenneth R. French Data Library, Description of Fama/French 3 Factors.
Documentation de la Kenneth R. French Data Library, Description of Fama/French 5 Factors (2x3).
Étude de Fama et French, The Capital Asset Pricing Model: Theory and Evidence.