Флашкарти: Critique et évolution des modèles d’évaluation d’actifs — 23 карти

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.