Les facteurs du modèle de Fama et French : cas du marché des actions canadiennes
Notice bibliographique
Résumé
Pour tester les trois facteurs de Fama et French (FF) sur le marché des actions canadien, nous avons utilisé trois méthodes: l'analyse des statistiques descriptives, l'application de trois modèles unifactoriels relatifs aux trois facteurs (le portefeuille de marché, la Capitalisation Boursière (CB) et le ratio Valeur comptable/Valeur de marché (VC/VM)) et l'application du modèle à trois facteurs de FF. Notre étude prend la forme d'une analyse en séries temporelles des rendements de portefeuilles d'actions classés selon la CB et le ratio VC/VM. Notre contribution par rapport aux études canadiennes récentes (tel que celle de L'Her, Masmoudi et Suret (2002), Francoeur (2006) et Carmichael, Coënz et L'Her (2007)) consiste à classer et à construire les portefeuilles d'une manière adaptée mais différente. Nous nous différencions aussi par l'utilisation de bases de données plus récentes et beaucoup moins utilisées. Finalement, nous nous distinguons par l'utilisation des statistiques descriptives et de l'analyse univariée, surtout que ces deux méthodes ont été appliquées par FF et négligées par la majorité des études canadiennes récentes. À travers les trois méthodes utilisées, nous avons constaté que l'effet taille existe. Le ratio VC/VM a un effet sur le rendement sauf que nous n'avons pas observé le signe attendu pour la totalité des portefeuilles. Par ailleurs, l'effet taille domine celui du ratio VC/VM. D'un autre côté, le portefeuille du marché joue un rôle important dans l'explication du rendement. Et puis, nos résultats montrent qu'accompagné des deux autres déterminants, le rôle de la CB prend beaucoup plus d'ampleur. Par contre, avec le modèle multifactoriel, le portefeuille du marché a un rôle légèrement moins prononcé qu'avec le MÉDAF. D'un autre côté, même si la variabilité de rendement n'est pas totalement captée par les trois facteurs de FF, leur modèle décrit beaucoup mieux le rendement que les trois autres modèles unifactoriels. De plus, chacun des facteurs a un rôle dans la capture de la variabilité du rendement. En d'autres termes, il n'y a aucune variable de trop qui devrait être éliminée du modèle. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Modèle à trois facteurs de FF, Modèle d'évaluation des actifs financiers, Portefeuille du marché, Ratio valeur comptable/valeur de marché, Capitalisation boursière.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».