La thorie financire : un survol thorique

Othman GAGA Gaga.othman@gmail.com

Avertissement:
Le prsent document est un passage du mmoire : la Thorie financire : entre cur et priphrie une approche par la rgression quantile qui a t soutenu en vue de lobtention du Master de recherche en Finance Applique dlivr par lUniversit Cadi Ayyad de Marrakech. En cela, la diffusion de ce document se fait dans le respect du droit dauteur. Lutilisation totale ou partielle du document des fins pdagogiques et non commerciales est admise condition de citer lauteur.

Tables des matires :

Introduction :........................................................................................................................................... 1 Chapitre 1 : Les agents conomiques en thorie financire : lhomo-economicus face aux biais psychologiques. ................................................................................................................................... 4 1. a) b) (i) (ii) c) 2. a) b) (i) (ii) Chapitre 2 : 1. a) (i) (ii) (1) (2) b) (i) (ii) 2. a) (i) (ii) b) La thorie de la finance moderne : le paradigme ................................................................... 4 Les hypothses de lefficience des marchs :...................................................................... 4 De lanalyse moyenne-variance au modle dquilibre des actifs financiers : ................... 7 Lanalyse moyenne-variance : ......................................................................................... 7 Le modle dquilibre des actifs financiers : ............................................................... 9

Le modle dvaluation par arbitrage : ............................................................................. 12 La finance comportementale : lantithse. ........................................................................... 14 la limite larbitrage :........................................................................................................ 14 Biais Psychologiques : ........................................................................................................ 17 Formation des jugements :............................................................................................ 18 Prfrences et anticipations : .................................................................................... 20 Implications de lhtrognit des anticipations sur la formation des prix. ........... 24

Htrognit des anticipations : ......................................................................................... 24 Asymtrie dinformation et formation des comportements : .......................................... 24 LHEM : une redfinition. .............................................................................................. 24 le Herding dans les marchs financiers : une approche rationaliste. ....................... 26 Cascade informationnelle : .................................................................................... 26 Le herding bas sur la compensation : .................................................................. 29

Lhtrognit des anticipations lie lirrationalit :.................................................... 30 La thorie du feedback : ................................................................................................ 30 Le march en situation de sous-raction et de sur-raction : .................................. 32

La riposte de lHEM : entre modle multifactoriel et suspicion mthodologique. ............... 35 Le modle de Fama-French : ............................................................................................. 35 Gense et prsentation du modle : ............................................................................. 35 Interprtation des facteurs de risque et limites du modle : ................................... 37

Suspicions mthodologiques : quand les anomalies deviennent artfacts. ..................... 40

Bibliographie.......................................................................................................................................... 44

Liste des figures :

Figure 1 Choix du portefeuille efficient qui maximise la fonction d'utilit ...................................... 7 Figure 2 Transformation de la frontire efficiente en prsence de l'actif sans risque..................... 8 Figure 3 La droite CML et la droite SML ............................................................................................ 10 Figure 4 Schma Mthodologique des tests empiriques de l'HEM .................................................. 12 Figure 5 Pondration des probabilits et la fonction de valeur ....................................................... 21 Figure 6 Situation de sous-raction suite une nouvelle information ........................................... 33 Figure 7 Situation de sur-raction de la part des marchs............................................................... 34 Figure 8 Schma mthodologique des tests des anomalies ............................................................. 42

Introduction :
Plus que toute autre discipline conomique, lconomie financire est, probablement, celle qui noue la relation la plus forte avec les agents conomiques, dans la personne des investisseurs, dune part et les institutions, rgissant les marchs financiers, dautre part. En effet, la thorie financire fournit, aux premiers, les directives en matires dinvestissement tandis quelle offre, aux secondes, les principales orientations en vue dtablir des politiques ad hoc. Limplication majeure de cette relation rside dans le rapprochement entre la thorie et la ralit. En cela, lanalyse conomico-financire, aussi normative soit-elle, na de valeur que si elle est valide empiriquement par les donnes. La thorie financire la plus imposante est celle de lefficience des marchs (Fama, 1965 ; Samuelson, 1965). Celle-ci peut tre perue comme tant une application de la pense noclassique aux marchs financiers. Sur cette base repose les principaux modles, dits rationnels, dvaluation des actifs financiers tels que le modle dquilibre des actifs financiers (Sharpe, 1965, Lintner, 1965) et le modle dvaluation par arbitrage (Ross, 1976). Lensemble de ces travaux constitue un corpus plus connu sous le nom de la thorie de la finance moderne(ci-aprs TFM). Cette dernire constitue la cur de la thorie financire. La TFM est une approche normative, sinscrivant dans la tradition de lcole noclassique, qui consiste privilgier lanalyse des marchs en situation dquilibre. En cela, lexplication et la modlisation des rpercussions des interactions des diffrents agents conomiques, oprant dans des marchs complexes, se trouvent sacrifies sous lautel de lhomognisation des anticipations. le but tant de faire prvaloir lanalyse du march. Cette conception des marchs financiers a permis plusieurs avances aussi bien sur le plan thorique que sur le plan pratique. En effet, le risque est devenu mesurable avec les travaux de Markowitz (1952, 1958). La valeur dquilibre des actifs est devenu calculable1. Plus encore, la relation entre rentabilit et risque est devenue tangible. Cela tant dit, les rcents dveloppements quont connus les marchs financiers, tels que le renforcement de la liquidit, llargissement des produits financiers (produits drivs, march de change) et, surtout, la frquence alarmante des crises financires, ont mis mal la place occupe par la TFM. En effet, entre crises boursires et rentabilits anormales, les

Modles cits ci-haut.

prescriptions de la TFM ne semblent plus trouver un cho dans la ralit. Cet tat de fait a induit une toll de critiques, principalement en dehors du cercle acadmique, concluant, tort ou raison, la dfaillance de la thorie financire. Dun autre ct, maints travaux ont pris comme point de dpart le relchement de certaines hypothses de la TFM afin dtudier le comportement des marchs. Ces travaux portent notamment sur le manque de rationalit des investisseurs et lasymtrie de linformation. Citons titre dexemple la thorie de la finance comportementale qui est considre comme tant le principal rival de la TFM. Contrairement cette dernire, ces travaux constituent la priphrie de la thorie financire. Lobjectif de la priphrie rside dans lexplication des sous-problmes. En dautres termes, le but est dexpliquer certaines situations et vnements isols en sappuyant sur linteraction des agents. En effet, la principale conclusion de ces travaux est que labsence dune des hypothses de la TFM conduit probablement des anticipations htrognes et par voie de consquence un dsquilibre quasi-structurel des marchs. Par ailleurs, la mthodologie adopte par la priphrie est positive. Ce choix mthodologique empche toute extrapolation une gnralisation des prescriptions de la priphrie lensemble du march. De surcrot, le lien entre la priphrie et la ralit est trs dur tablir. En effet, les thories priphriques expliquent les phnomnes financiers de faon isole, et ainsi les dtecter travers les donnes disponibles est une tche ardue. Alors, pourquoi parle-t-on encore de la priphrie ? lune des principales raisons est que celleci explique certains aspects qui ont t longtemps lud par la TFM. Dune autre part, les difficults prouves par cette dernire constitue le fer de lance de la priphrie. Par difficults, nous entendons la prsence notoire des anomalies (i.e. rentabilits anormales qui ne sont pas justifies par le risque) et certaines crises telles que les bulles spculatives . En effet, ces phnomnes ne trouvent pratiquement aucune justification tangible de la part du cur de la thorie financire. Certaines explications telles que le modle multifactoriel de Fama-French (Fama et French, 1993), partant dune logique inductive, attribuent la prsence des anomalies comme tant des facteurs de risque. Cela dit, cette proposition a caus un dbat houleux aussi bien de la part du cur que de la priphrie. Cependant, il convient de noter que les explications de ces phnomnes, provenant de la priphrie, demeurent purement hypothtiques en raison de labsence de lien tangible entre les volets thoriques et empiriques de la priphrie. Cest dailleurs pour cette raison que le
2

prsent document nanalysera que trs brivement les travaux lis aux anomalies, et ce principalement pour deux raisons. La premire est due une large documentation concernant ces phnomnes. La seconde est due au fait que ces phnomnes ne peuvent tre lis ni au renforcement de la priphrie ni la dfaillance du cur de la thorie financire. En fait, ce modeste travail se propose de privilgier un dbat thorique mettant en relief les principales conclusions du cur et de la priphrie en mettant laccent sur la dynamique pouvant exister entre les agents. Le but tant de dresser, en premier lieu, un tat des lieux des principaux rsultats de la priphrie. En second lieu, le prsent mmoire prsentera les difficults empiriques des thories priphriques ainsi que les critiques adresses ces thories de la part des tenants de la TFM.

Chapitre 1 : Les agents conomiques en thorie financire : lhomoeconomicus face aux biais psychologiques.
Ce premier chapitre a pour finalit la prsentation du rle de lagent conomique dans la thorie financire. A cet effet, nous allons passer en revue les principales volutions de cette dernire en passant de la thorie de la finance moderne la finance comportementale. Toutefois, il est souligner que certains concepts ne seront traits que brivement en vue de ne pas encombrer ledit chapitre. Cela dit, chaque concept trait sera li une rfrence pour de plus amples explications. De surcrot, certaines notions importantes seront accompagnes dun encadr disponible dans les annexes. La section 1 abordera les principaux dveloppements de la finance moderne alors que la section 2 sattlera sur les rouages de la finance comportementale.

1.

La thorie de la finance moderne : le paradigme

a) Les hypothses de lefficience des marchs : La thorie defficience (note HEM ci-aprs) a faonn la thorie financire tant par ses multiples implications que par ses vastes ramifications, au point de slever au rang de dogme. En vue de mieux cerner cette notion, il convient dnoncer les hypothses sur lesquelles elle repose : H1 : les marchs sont sans frictions (absence des cots de transaction) ; H2 : linformation est gratuite et est connue par la totalit des agents ; H3 : les agents sont tous daccord sur limplication de linformation actuelle ( fois sur les prix actuels ( ) et sur la distributions des prix futurs ( ). ) la

Force est de constater que ces hypothses sont, pour le moins, restrictives. Toutefois, les partisans de lHEM avancent quelles sont, certes, suffisantes mais pas ncessaires. Ainsi Fama (1970) crivait-il : Mais un march sans friction o linformation est disponible gratuitement et o les investisseurs saccordent sur son implication nest pas une description raliste des marchs. Heureusement, ces conditions sont suffisantes mais pas ncessaires Sous la lumire de ces hypothses, les march refltent totalement et correctement lensemble des informations pertinentes la dtermination des prix des actifs (Fama, 1965). De faon plus formelle, les prix suivent une martingale (Samuelson,1965). Bien que dautres
4

conomistes tels que Fama (1965) aient propos le modle de marche alatoire, la martingale demeure le modle qui se plie le plus la dfinition prsente ci-haut. Formellement, elle snonce comme suit : (1.1) Lquation (1.1) signifie que les prix futurs ( voluent suivant un processus alatoire. Ces derniers peuvent prendre nimporte quelle forme hormis celle engendre par lanticipation conditionnelle sur linformation actuellement disponible ( prvoir lvolution des prix futurs. En effet : ). De faon plus simple, en se basant sur linformation disponible linstant t, les agents sont incapables de

Ainsi, la martingale suppose que linvestissement des agents sapparente un jeu quitable fair game (les gains et pertes esprs sont nuls). Il sen suit que lvolution des rentabilits est aussi alatoire et ne peut tre prdite par linformation disponible. Cette notion de lefficience est qualifie defficience informationnelle. La dfinition de lHEM peut, de prime abord, paraitre audible et concise, cependant elle ne laisse pas moins entretenir une certaine ambigit. En effet, deux passages mritent de plus amples explications savoir : refltent totalement et correctement et lensemble des informations pertinentes . Le premier passage renvoie la vitesse (totalement) et la manire (correctement) avec lesquelles les prix incorporent linformation. Plus concrtement, cest aux agents quincombe la mission de reflter totalement et correctement lensemble des informations. En effet, suite larrive dune nouvelle information, lagent rvise correctement ses connaissances en se basant sur la loi de Bayes. Dans une telle optique, il est dot dune capacit cognitive illimite traiter une quantit infinie dinformations, lui permettant ainsi de rsoudre les problmes les plus complexes. En cela, lagent traite tous les tats de la nature (totalement) en leur assignant des probabilits conformes des prfrences normatives. Dune manire plus explicite, il utilise la fonction dutilit espre (ci-aprs UE) de Von Neumann-Morgenstern (1944) si la distribution de probabilit est connue. Si elle ne lest pas, il utilise la fonction dutilit espre subjective (ci-aprs UES) de Savage (1954). Plus formellement, lagent doit maximiser, la fonction suivante :

(1.2) Effectivement, pour chaque tat de la nature lagent assigne un degr dutilit (prfrences normatives) et une probabilit appartenant une distribution. Cependant,

comment peut-on identifier cette dernire ? cette question nous mne au deuxime passage de la dfinition. En effet, connatre toute linformation nest quun pralable. Lagent ne doit retenir que lensemble des informations pertinentes en vue de former ses anticipations. la question qui se pose concerne justement le contenu desdites informations. Une premire rponse nous vient de la thorie des anticipations rationnelles (Muth, 1961). Une anticipation rationnelle est celle qui satisfait lgalit suivante : (1.3) Lquation (1.3) signifie tout simplement que lanticipation de lagent ( lanticipation optimale ( ) doit tre gale ). Cette dernire est atteinte quand linvestisseur procde non

seulement lanalyse de lensemble de linformation disponible mais aussi, et surtout, en faisant le lien entre ces informations et le modle rgissant lvolution de la variable anticipe. La thorie des anticipations rationnelles suggre que lagent doit connatre le modle de fonctionnement de lconomie2. Dans des termes plus prcis, la fonction UES doit galiser celle de lUE. Ainsi, lagent assigne des probabilits provenant de la vritable distribution qui rgit la variable anticipe. lHEM se base sur cette prposition en fournissant, toutefois, une rponse aussi vasive que la prcdente. En effet, les informations pertinentes dun actif sont les informations dordre conomique et politique affrentes lentreprise , son secteur et/ou lconomie (voire les conomies) o elle opre (Fama, 1965). En regroupant les deux passages de la dfinition, un march efficient est un march atomique qui contient un trs grand nombre dagents homognes qui appliquent la loi de Bayes pour formuler leurs connaissances et ayant des prfrences compatibles avec la fonction dutilit de Von Neumann-Morgenstern. En ce faisant, les prix refltent la valeur fondamentale des actifs. Autrement dit, les prix sont leur juste valeur. Dans un plan thorique, lHEM prsente une certaine solidit. Cependant, lestimation de celle-ci, en pratique, est impossible. Cette impossibilit dcoule principalement de
2

Ibid.

lexplication vasive de lensemble des informations pertinentes . Pour palier ce problme, plusieurs conomistes ont essay de dlimiter le champ desdites informations en proposant des modles testables servant, par la mme occasion, dextensions lHEM. b) De lanalyse moyenne-variance au modle dquilibre des actifs financiers :

(i) Lanalyse moyenne-variance : Markowitz (1952,1958)3 est lun des premiers conomistes prsenter formellement un modle de slection de portefeuille. Ce dernier offre aux investisseurs deux critres de dcision. Lesquels sont la moyenne et la variance (ou lcart-type). Le premier critre dcrit la rentabilit espre tandis que le second dcrit le risque. Do le nom de lanalyse moyennevariance.
Figure 1 Choix du portefeuille efficient qui maximise la fonction d'utilit

Courbes dindiffrence

Frontire efficiente

Portefeuille optimal

Dans une optique de moyenne-variance, lagent fait face un problme doptimisation qui peut tre formul par deux faons. La premire consiste minimiser le risque (variance) pour un niveau de rentabilit espre (moyenne) donn. la seconde, quant elle, consiste, maximiser la rentabilit espre pour un niveau de risque donn. Il est important ici de noter que ces deux dernires mesures ne sont pas calcules partir des donnes historiques mais sont anticipes rationnellement de la part des agents. Ainsi, la frontire des portefeuilles minimisant le risque se dessine au fur et mesure que linvestisseur se dplace dun niveau de rentabilit un autre. Celle-ci est appele frontire efficiente.

Notons ici que le modle de Markowitz prcde lHEM. Cependant, la prsentation de ce modle est une tape incontournable la prsentation du MEDAF.

Daprs la figure 1, linvestisseur naura pas intrt investir dans un portefeuille se situant au-dessous de la frontire efficiente. Le portefeuille optimal choisir est celui qui appartient ladite frontire et qui satisfait la condition de tangence avec la courbe dindiffrence de linvestisseur. En somme, le modle moyenne variance nindique que lensemble de portefeuilles rationnels. Le choix du portefeuille optimal revient linvestisseur. De ce fait, cette analyse revt un aspect purement microconomique. Sharpe (1964, 1965) et Lintner (1965) ont travaill indpendamment sur lagrgation des travaux de Markowitz pour aboutir un modle plus gnral. En effet, lobjectif tait de trouver une solution o les agents concordent choisir le mme portefeuille optimal (H3 de lHEM). Ainsi, en formulant des hypothses additionnelles et en ajoutant au march un actif sans risque, le modle dquilibre des actifs financiers (MEDAF ci-aprs) est n.
Figure 2 Transformation de la frontire efficiente en prsence de l'actif sans risque
Figure 1.2.a
Lignes dinvestissement Zone de prt M B A Frontire efficiente des actifs risqus

Figure 1.2.b
Zone demprunt

Nouvelle frontire efficiente Frontire efficiente des actifs risqus

Dsormais, linvestisseur a le choix dallouer son argent entre les actifs risqus et lactif sans risque ( ). Ce dernier est caractris par des flux futurs connus et une variance nulle. La prsence dun tel actif permet linvestisseur de le combiner linairement (ligne dinvestissement) avec des portefeuilles risqus. En procdant ce type de combinaisons, le choix optimal consiste choisir le portefeuille qui fournit la ligne dinvestissement qui satisfait la condition de tangence avec la frontire efficiente des actifs risqus (le portefeuille M dans figure 2.a. Un tel portefeuille est appel portefeuille du march . Cependant mme si la rationalit dicte aux investisseurs le choix du portefeuille qui vrifie la condition de tangence, Le positionnement de linvestissement sur la ligne sera guid par leurs
8

prfrences (figure 2.b). Le thorme de sparation (Tobin, 1958) nous donne de plus amples explications. En effet, en prsence dun actif sans risque, tout investisseur rationnel doit imprativement faire deux dcisions. La premire, appele dcision dinvestissement, lui dicte de choisir la ligne dinvestissement qui satisfait la condition de tangence. La seconde dcision consiste positionner linvestissement sur la ligne optimale eu gard aux prfrences normatives de chaque investisseur. Elle est appele dcision financire. (ii) Le modle dquilibre des actifs financiers : En supposant la gratuit de linformation (H2 de lHEM), labsence de friction (H1 de lHEM) ainsi que latomicit des agents, le MEDAF devient une agrgation naturelle des choix dinvestissement des agents4. Bien videmment, cette agrgation est conditionne par lhomognit des anticipations (H3 de lHEM). De faon plus spcifique, tous les agents anticipent les mmes moyennes et variances inhrentes chaque actif. De surcrot, ces dernires doivent provenir des vritables distributions qui les rgissent (UES=UE). Sans cette condition, le MEDAF serait plus compliqu et presque inutilisable. Dans sa forme thorique le MEDAF scrit comme suit : (1.4)
O

Lquation (1.4) signifie que la rentabilit espre dun actif ou dun portefeuille ( ) est gale lactif sans risque ( plus la prime de march multiplie par un coefficient

( ). Le risque est scind en deux catgories. La premire renvoie un risque spcifique qui est non rmunr puisque linvestisseur peut lliminer en investissant dans le portefeuille M (dcision dinvestissement). La deuxime renseigne sur le risque systmatique qui est rmunr par beta . Ce dernier mesure la part de volatilit de la rentabilit de lactif associe
.

avec la variabilit de la rentabilit

Etant donn que tous les agents choisiront le portefeuille M, les investissement rationnels appartiennent la droite qui lie ce dernier avec lactif sans risque. Cette droite est appele Capital Market Line CML (figure 1.3.a)

Figure 3 La droite CML et la droite SML

Figure 3.a Figure 3.b
Actifs sous-valus A CML

Actifs survalus

En quilibre, les rentabilits des actifs doivent former une droite appele Security Market Line (SML), comme le montre la figure 3.b. En effet, si la rentabilit passe en dessus (sousvaluation) ou en dessous (survaluation) de la SML, les agents achteront les actifs sousvalus ( actif A, figure 3.b) et vendront les actifs survalus (actif B, figure 3.b). Laction collective des investisseurs aboutira un nouvel quilibre. Contrairement lHEM, le MEDAF peut tre test en pratique. Sa forme empirique est la suivante: (1.5) est un terme derreur qui est suppos satisfaire les conditions suivantes : =0 =0

, appel alpha de Jensen,

mesure la distance entre la rentabilit en quilibre est la

rentabilit observe ( ). Outre lajout dalpha dans lquation (1.5), Il est important de souligner quil existe une trs grande diffrence entre cette dernire et lquation (1.4). En effet, fait que est la rentabilit espre tandis que est la rentabilit historique. Ajoutons cela le

est souvent exprim en termes dindices boursiers qui sont loin de reprsenter la ). Tout cela ne fait de lquation (1.5) quune simple

rentabilit espre du march (

approximation de la formule thorique du MEDAF.

10

Quoi quil en soit, la forme empirique du MEDAF permettaient aux conomistes de tester lquilibre sur les marchs financiers, et par dduction lHEM. Les mthodes les plus utilises consistent tudier la signification dalpha (Jensen, 1968), la stabilit de beta (Roenfeldt, Greipentorg et Palfman, 1978 ; Carpenter et Upton, 1981) et la linarit entre la rentabilit et le risque (Sharpe et Cooper, 1972 ; Black Jensen et Scholes, 1972 ; Fama et MacBeth, 1973). Les premiers tests effectus taient plutt en faveur du MEDAF5. Cependant, vers la fin des annes soixante-dix, des articles fusait tout azimuts en fustigeant ce dernier de critiques. En effet, dautres variables prdisaient la rentabilit. De surcrot, la rentabilit prsentaient certaines irrgularits. Ces critiques forment ce que lon appelle anomalies. Dans une optique financire, une anomalie est toute rentabilit anormale qui nest pas justifie par la rentabilit ajuste par le risque et qui indique linefficience des marchs et/ou une inadquation du modle dvaluation dactif (en loccurrence le MEDAF). Toutefois, il est ncessaire de sarrter sur la mthodologie empirique de ces travaux. Le schma mthodologique peut tre rsum dans la figure 4. Cette mthodologie nest pas exempte de toute critique. En effet, tester lHEM, suppose faire le test de deux hypothses indissociables. la premire concerne le modle dvaluation tandis que la seconde concerne lHEM, entrant ainsi dans un cercle vicieux. Les rsultats issus de cette mthodologie ne peuvent tre imputs lHEM puisquelle est teste conjointement avec un modle dvaluation. Cet tat de fait est communment appel le problme des hypothses jointes (Fama, 1970). Ces anomalies ont scind les partisans de lHEM en deux clans. Ceux qui rejettent totalement la validit empirique des anomalies (MacKinlay, 1995 ; Shwertz, 2003) et ceux qui imputent lexistence de celles-ci au MEDAF et non lHEM (Fama et French, 1992, 1993 ; Ross, 1976a, 1976b). Ces derniers ont prfr de jeter le discrdit sur le MEDAF et ont essay dapporter de nouveaux modles en vue de mieux expliquer la rentabilit.

Ibid.

11

Figure 4 Schma Mthodologique des tests empiriques de l'HEM

MEDAF

Ensemble des informations

Critres de lefficience

Hypothses

Rsultats

Tests statistiques
Rejeter lhypothse nulle:
inefficience

Ne pas rejeter lhypothse nulle :

efficience

c)

Le modle dvaluation par arbitrage :

Larbitrage peut tre dpeint comme tant une application de la loi du prix unique aux marchs financiers. Cela suppose quun actif dispose dun substitut parfait. Ce dernier, peut tre un autre actif ou un portefeuille prsentant les mmes rentabilits futures pour tous les tats de la nature.

Si cet actif diverge de son substitut (rentabilit anormale), les investisseurs rationnels auront une opportunit de gain immdiate et illimite sans engendrer le moindre cot et sans prendre le moindre risque. Cette opportunit est appele opportunit darbitrage, laquelle consiste vendre le plus cher et acheter le moins cher. Etant donne latomicit des agents, laction collective de ces derniers ramnera les prix leur niveau fondamental. Dans un tel contexte, labsence darbitrage est un signe dquilibre et defficience des marchs. Ainsi, pour que labsence darbitrage ait lieu, le march doit tre sans friction et contenir un certain nombre dagents qui prfrent plus de richesse moins de richesse (prfrences normatives) et pour lesquels un portefeuille optimal peut tre construit. Plus formellement, larbitrage peut tre schmatis de la faon suivante :

12

Investissement initial nul : dtenue pour chaque actif. Larbitrage est sans risque :

est la valeur montaire

pour chaque tat de la nature. pour chaque tat de

Il sen suit, que labsence darbitrage se traduit par :

la nature. Cest sur cette base que Ross (1976a,1976b) a tablit le modle dvaluation par arbitrage (APT, ci-aprs). LAPT est formul comme suit : (1.6) O F reprsente le nombre de facteurs expliquant la rentabilit, linstar du MEDAF, lATP suppose deux types de risques : Risque systmatique : associ avec la variation des facteurs Risque spcifique : associ avec le terme derreur. est le terme derreur. A

Les conditions de lAPT sont similaires celles de larbitrage : Investissement initial nul. Labsence de risque suppose lannulation des risques systmatique et spcifique : o Elimination du risque systmatique : o Elimination du risque spcifique : ncessite que En quilibre (absence darbitrage), les conditions ci-haut transforment lquation (1.6) en6 : Si ces conditions sont respectes, lAPT devient : , cette condition

(1.7) O et sont des primes de risque disposant de la mme valeur pour chaque actif.

Remarquons que lAPT n a pas hrit de la simplicit du MEDAF. En effet, lapplication en pratique de ce modle est trs complexe. Si cest une tche faisable pour les acadmiciens,

Selon lAPT, la rentabilit en quilibre doit-tre nulle.

13

cest une autre paire de manche pour les praticiens qui nont ni lexpertise ni le temps pour le faire. Par ailleurs, la condition de llimination du risque spcifique constitue le talon dAchille de lAPT. En effet, force est de constater quil est trs rare de trouver une srie financire disposant dun terme derreur ayant une moyenne nulle. En cela, lquation (1.7) ne tient qu une approximation. Les problmes de complexit et dexactitude ne doivent pas faire oublier un tout autre problme qui fait dfaut lAPT. En effet, si la rentabilit est reprsente par un nombre de facteurs K, lAPT reste muet sur ce que ces facteurs peuvent reprsenter. Rappelons que lune des fonctions principales des modles dvaluation rationnels est de dlimiter le champ des informations pertinentes. Malheureusement, lAPT a mis plus de zones dombre quil en a dissip, et par voie de consquence, il na pas t en mesure de dtrner le MEDAF. 2. La finance comportementale : lantithse. La finance comportementale est une discipline qui prne lanalyse de lagent conomique sous un nouvel ongle. Dsormais, ce dernier est soumis des biais psychologiques lui empchant dappliquer correctement la loi de Bayes et/ou de dresser des prfrences normatives. Telle est la dfinition que lon donnera au terme irrationnel qui sera utilis de faon rcurrente lors de cette section. Cette discipline est constitue de deux pans : la limite larbitrage ainsi que les biais psychologiques. a) la limite larbitrage : La prsence dagents irrationnels na pas t totalement occulte par lHEM. Cependant, selon cette dernire, leur influence sur la formation des prix est insignifiante. Cette proposition revient Friedman (1953) qui considrait que si les agents irrationnels arrivent faire dvier le prix dun actif de ses fondamentaux, le prix dudit actif divergerait de son substitut. Ainsi, une opportunit darbitrage est cre. Cette dernire serait immdiatement saisie par les agents rationnels. Etant donn que ces derniers ne peuvent influencer les prix en raison de leur atomicit, leur action collective ramnerait le prix de lactif sa valeur fondamentale. De ce fait, labsence dopportunit darbitrage, appele aussi no free lunch , est considr comme tant une situation dquilibre et defficience des marchs. Toutefois, la finance comportementale ne voit pas les choses du mme il. Si lefficience des marchs implique labsence dopportunit darbitrage, linverse nest pas vrai. Pour mettre au claire cette ide, nous nous baserons sur la proposition de Friedman : les agents qui
14

investissent sur la base du bruit perdront leur argent au profit des arbitragistes, menant ainsi une diminution aussi bien de leur richesse que de leur effet sur la demande 7 crivait-il. Supposons quil existe deux types dinvestisseurs. Les premiers forment des anticipations rationnelles et sont appels arbitragistes. Les seconds, quant eux, manquent de rationalit. Par consquent, leur demande est affecte par des dcisions qui ne sont pas justifies par les informations pertinentes . Ils sont appels noise traders . Il sen suit quavec lexistence de ces deux catgories, le prix ne pourra plus tre identique la valeur fondamentale. Dsormais, le processus de formation des prix est constitu non seulement par cette dernire mais aussi par du bruit noise (Kyle, 1985 ; Black, 1986). La premire composante est injecte par les agents rationnels alors que la seconde est injecte par les agents irrationnels (do le nom noise traders). Pour quun arbitrage ait lieu, les arbitragistes doivent tre neutre vis--vis du risque et disposer dune demande parfaitement lastique pour lactif mal-valu au niveau du prix de son substitut. Ces deux conditions supposent la prsence dun substitut parfait. En prsence dun tel substitut, lopportunit darbitrage nengendre ni cot ni risque. Les partisans de la finance comportementale estiment quen ralit cet arbitrage est la fois couteux et risqu. Effectivement, certains actifs tels que les actions et les obligations ne disposent pas dun substitut parfait. Cet tat de fait te les arbitragistes de leur couverture. A titre dillustration, si lactif est infrieur sa valeur fondamentale, la logique darbitrage voudrait que les agents achtent ledit actif et vendent dcouvert son substitut. Ainsi, mme si le prix de lactif baisse encore plus court terme, lagent sera immunis. Seulement, sil nexiste pas de substitut parfait, les agents ne seront plus immuniss et devront supporter un risque li limperfection du substitut. Un tel risque est dit risque fondamental (Shleifer et Summers ,1990). En cela, les arbitragistes seront averses au risque et leur demande ne sera plus parfaitement lastique8. En insrant les cots de transactions dans notre analyse, le processus darbitrage devient couteux et plus risqu mme si un substitut parfait existe. Effectivement, la vente dcouvert engendre un cot. Si les prix divergent de leur substitut pour une longue priode, les cots de la vente dcouvert pourraient tre plus levs que le profit de larbitrage lui-mme. Par

7 8

Ibid. Pour que la demande ne soit plus lastique, le nombre des arbitragistes doit tre fini.

15

consquent, les arbitragistes seront dans lobligation de solder leur positions avant mme que les prix reviennent leur fondamentaux. Ce risque porte le nom de Horizon risk (Abreu et Breunnermeier, 2002). Implicitement, les deux types de risque prcits sappuient principalement sur limprvisibilit de la demande des noise traders. En effet, mme si linfluence de ces derniers sur les prix est grande, leur demande demeure imprvisible et difficilement dtectable (Shiller, 1984 ; Summers, 1986). Ainsi, larbitrage comporte un risque supplmentaire li aux noise traders (Delong et al, 1990). En effet, mme si les arbitragistes arrivent dtecter une opportunit darbitrage, il se peut que ces derniers ne la saisissent pas. Ne pouvant pas prvoir la demande des noise traders, les arbitragistes seront moins enclins les contrattaquer vu que leurs positions pourraient engendrer un cot et des pertes court et moyen terme. En effet, cette constatation est renforce davantage quand les investisseurs institutionnels jouent le rle darbitragistes. Shliefer et Vishny (1997) avancent que larbitrage dfini par Friedman nest vrai quen tat de virtualit, pour reprendre leurs mots cest un arbitrage de manuel : les millions de petits traders [rfrence latomicit des agents] ne sont pas ceux qui disposent des connaissances et des informations ncessaires pour effectuer un arbitrage 9 Plus explicitement, larbitrage est un apanage rserv un cercle rduit dinvestisseurs hautement spcialiss. Ces derniers sont, pour la plupart, des gestionnaires de portefeuilles. Autrement dit, ils utilisent largent de leurs clients pour effectuer un arbitrage 10. De l nait un conflit agent/principal que Shliefer et Vishny appellent la sparation entre le cerveau et le capital. Les clients des arbitragistes jugent ces derniers partir de leurs performances passes. Cest un acte tout fait rationnel puisquils ne peuvent infrer lhabilit des arbitragistes qu partir de cette information. Supposons que les prix entament une chute par rapport leurs fondamentaux, les arbitragistes disposeront, priori, dune opportunit darbitrage menant un profit certain quand les prix reviendront leur fondamentaux. Entre-temps, leurs portefeuilles accuseront une perte (en raison de la baisse des prix), la seule chose que leurs clients dduiront est que les arbitragistes perdent de largent. De ce fait, ils retireront leurs

10

Ibid. Lanalyse qui suit suppose que les arbitragistes sont tous des gestionnaires de portefeuilles.

16

argents de ce fonds. Afin dviter un retrait massif, les arbitragistes seront forcs dabandonner leurs positions, laissant ainsi lopportunit darbitrage inexploite. Notons ici que lhypothse de base est que les arbitragistes utilisent largent de leurs clients en vue deffectuer un arbitrage. Cette hypothse est trs raisonnable puisque la majorit des bourses interdisent aux gestionnaires de fonds de vendre dcouvert (Barberis et Thaler, 2003). En somme, si linfluence des noises traders persistent, il yaurait une forte chance que les prix divergent de leurs fondamentaux pour une longue priode. En effet, en cas datomicit des agents, larbitrage est la limite larbitrage. Mme si la limite larbitrage semble raliste, elle demeure conditionne par une hypothse qui a trait aux comportements des noise traders. Si ces derniers agissent dune manire alatoire, leurs actions sannuleront mutuellement. Pour que leurs influences persistent, il faut que leur actions soient corrles. Autrement dit, les noise traders devront faire pratiquement les mmes erreurs. Cest justement sur ce point que sattle le deuxime pan de la finance comportementale savoir les biais psychologiques. b) Biais Psychologiques : La majorit des dcisions financires est prise dans un climat o rgne un grand degr dincertitude. Dans un cadre rationnel, lagent doit envisager, exhaustivement, toutes les alternatives possibles et choisir, parmi elles, celle qui maximise ses intrts. Toutefois, ltre humain ne dispose pas dune capacit cognitive capable de rsoudre un tel problme. Miller (1954) a trouv que la capacit humaine traiter les informations ne dpasse gure le chiffre sept plus ou moins deux. Autrement dit, le cerveau humain ne peut traiter quun nombre rduit dinformations allant de 5 9 seulement. De surcrot, la capacit humaine effectuer des tches de faon simultane est trs rduite (Kahneman, 1973). En somme, la capacit cognitive, requise pour rsoudre des problmes de prise de dcision complexes, excdent largement la capacit cognitive humaine. Pour remdier cela, les agents utilisent des mthodes heuristiques (Tversky et Kahneman, 1974) qui sont loin de satisfaire la loi de Bayes. Lun des exemples marquants est la construction de portefeuille. Construire un portefeuille exige de traiter non seulement lensemble des actifs de faon isole mais dexaminer aussi couteux et risqu. Il le devient encore plus quand le groupe darbitragistes ne contient plus que les gestionnaires de fonds. Cet tat de fait porte le nom de

17

linteraction qui peut exister entre eux (coefficient de corrlations). Baltussen et Post (2007) ont trouv que les investisseurs utilisent des mthodes heuristiques qui ne tiennent compte que des distributions marginales des actifs. De surcrot, les investisseurs se focalisent sur la fluctuation individuelle des actifs quils dtiennent tout en ngligeant la fluctuation globale de leurs portefeuilles. Une telle action mne souvent des portefeuilles sous-optimaux qui se situent en dessous de la frontire efficiente (Baltussen et Post, 2007 ; Barberis et Huang, 2003). Ainsi, ltude de ces mthodes heuristiques revt une importance capitale en vue de voir comment les erreurs individuels des agents tendent converger. (i) Formation des jugements : Lune des tapes pralables la formation des anticipations est la formation des jugements. Celle-ci implique, dans un contexte de rationalit, lusage de la loi de Bayes. Plusieurs expriences, relevant du domaine de la psychologie et de lconomie exprimentale, ont montr que les gens narrivent pas appliquer correctement ladite loi. Lune des principales raisons est cause par limage que les gens ont deux-mmes. En effet, ils ont souvent tendance surestimer leurs jugements menant ainsi plusieurs biais altrant leurs dcisions. En effet, parmi ces biais il y a tout dabord le biais d optimisme . Weinstein (1980) a trouv que plus de 90% des enquts estiment quils sont au-dessus de la moyenne dans des domaines tels que les talents de conducteur, la capacit de sentendre avec des inconnus et le sens dhumour. De surcrot, Buehler Griffin et Ross (1994) ont montr que la plupart des gens sous-estiment le temps daccomplissement dune tche. Un autre biais qui va de pair avec l optimisme est la surconfiance .effectivement, quand il sagit destimer des quantits (p. ex. le taux de croissance des dividendes), les gens laborent des intervalles de confiance trop troits. Selon une tude conduite par Alpert et Raiffa (1982), lintervalle de confiance de 98% dress par les enquts ne contenaient que 60% des valeurs justes. De surcrot, la manire, dont les alternatives sont prsentes, jouent un rle prpondrant dans la prise de dcision. Les gens traitent les informations telles quelles sont prsentes. De faon plus prcise, ils nutilisent que linformation qui est explicitement offerte eux. Ce phnomne est appel inertie cognitive (Slovic, 1972). A cela sajoute le concept de comptabilit mentale (Kahneman et Tversky, 1981 ; Kahneman et Lovallo, 1993 ; Thaler,

18

2000). Cette dernire se manifeste par le biais de la sparation des dcisions. En effet, les gens ont tendance laborer des tranches de dcisions. A titre illustratif, le budget familial est subdivis en sous-catgories : budget du mnage , budget des loisirs , budget dinvestissements etc.. Cette manire dallocation tend luder linteraction mutuelle des alternatives de dcision. En cela, les dcisions prises, dans ce cadre, se situent en-de de la dcision optimale (Thaler, 1999). En somme, la faon avec laquelle les gens traitent les alternatives qui soffrent eux se prte trs mal aux prescriptions rationnelles de la thorie de la finance moderne. Dans une telle optique, la loi de Bayes se trouve bafouer. Kahneman et Tversky (1974) ont montr que quand les gens essaient de dterminer la probabilit quun vnement A est gnr par un modle B, ou quun objet A appartient un une classe B, ils ont recours une mthode heuristique appele reprsentativit . cette dernire consiste valuer la probabilit en se basant sur le degr avec lequel A reflte les caractristiques de B, menant ainsi un biais appel ngligence du taux de base . Un autre biais, et non des moindres, surgit quand on utilise la mthode de reprsentativit. Ce dernier concerne la taille de lchantillon. En effet, Le jet dune pice de monnaie six fois donnant trois piles et trois faces est moins reprsentatif que le jet de la mme pice 1000 fois donnant 500 piles et 500 faces. Toutefois, la plupart des gens vont trouver que ces deux dernires expriences sont aussi informatives lune que lautre. Ce biais est trs important dans un contexte financier. Effectivement, des investisseurs soumis un tel biais auront tendance considrer un analyste, qui a fait quatre bonnes recommandations successives, comme un analyste comptent (Barberis et Thaler, 2003). Ce biais est souvent appel la loi des petits nombres (Rabin, 2002). Contrairement la mthode de reprsentativit, la mthode de conservatisme (Edwards, 1968) consiste surpondrer le taux de base. Mme si ces mthodes paraissent aux antipodes, elles peuvent trs bien cohabiter chez la mme personne. En effet, si les donnes infrer sont reprsentatives du modle qui les gnrent, les agents opteront pour la mthode de reprsentativit. Si par contre, les donnes sont peu reprsentatives, les agents se fieront davantage leur connaissances antrieures en optant pour la mthode de conservatisme. La question intressante est de savoir si les agents luderont ces biais avec lexprience. De surcrot, on pourrait croire que certains agents dots dune grande expertise tels que les traders
19

sont loin de subir de tels biais. Camerer et Hogarth (1999) se sont attels sur cette question. Leur travail montre que mme en connaissant ces biais psychologiques, les agents retombent souvent dans la mme erreur. Plus encore, les traders expriments sont les agents qui exhibent le plus le biais de surconfiance. En somme, avec le temps, les agents peuvent rduire leffet des biais psychologiques, par contre ils ne peuvent gure lradiquer totalement. Ainsi, la persistance des erreurs de jugement exerce un effet non ngligeable sur la formation des anticipations. (ii) Prfrences et anticipations : La thorie de la finance moderne se base essentiellement sur la fonction dutilit espre de Von Neumann-Morgenstern. Pour que les agents appliquent correctement la fonction UE, ces derniers doivent imprativement dresser des prfrences satisfaisant des axiomes normatifs (i.e. la compltude, transitivit, continuit et lindpendance). Cependant, maints travaux exprimentaux ont montr que les agents transgressent ces axiomes de plein fouet. Il est signaler que lUE demeure une bonne approximation de la faon avec laquelle les agents valuent les alternatives de dcision. Toutefois, les partisans de la finance comportementale argumentent que la violation de lUE prend une place prpondrante dans lexplication de certains phnomnes financiers (Barberis et Thaler, 2003). En cela, une fonction UE normative rpond une thorie prospective positive (Kahneman et Tversky, 1979, 1992). La thorie prospective a connu un essor considrable ces dernires annes. En effet, elle est considre comme la meilleure thorie descriptive des dcisions dans un climat de risque. Dailleurs, Tversky et Kahneman (1986) argumentent que lapproche normative est voue lchec parce que les gens font frquemment des choix qui sont impossibles justifier dans une optique normative. Cette thorie est formule pour des loteries avec au moins un rsultat non-nul sous la forme suivante :

Ce couple est lit de la faon suivante : obtenir le rsultat x avec une probabilit p ou bien le rsultat y avec une probabilit q avec ou . Face ces alternatives, les

agents font appel la fonction suivante pour effectuer leur choix :

20

(1.8) est une fonction de pondration de la probabilit tandis que valeur assigne pour chaque rsultat. La thorie prospective prsente lutilit sous forme de gains et pertes au lieu de la richesse finale. Cette ide nest pas trs rcente puisque Markowitz (1952) la utilis dans le modle de moyenne-variance. Cela dit, en relaxant les axiomes normatifs, Kahneman et Tversky ont trouv des remarques fort intressantes, ce que montre la figure 5.
Figure 5 Pondration des probabilits et la fonction de valeur
Valeurs 1

est une fonction de

Dcision de Pondration :

Pertes

Gains

0.5

0.5

Probabilit dclare : p

La figure 5.a prsente lallure de la fonction de valeur

. Dune part, Cette dernire est

concave dans le domaine des gains, cela signifie que les agents sont averses au risque concernant les gains. Dautre part, elle est convexe dans le domaine des pertes montrant ainsi un penchant pour le risque sagissant des pertes. Il est noter aussi que cette courbe prsente un nud (kink) lorigine. Cet tat de fait met en relief une plus grande sensibilit en cas de pertes quen cas de gains, ceci est plus connu sous le nom d aversion aux pertes . La figure 5.b, quant elle, prsente lallure de la fonction de pondration des probabilits . En effet, cette fonction nest pas linaire. Ainsi, les petites probabilits sont surpondres ( ). Cela signifie quune augmentation absolue de 0,01 0,02 est

perue comme tant suprieure une augmentation absolue de 0,3 0,1, ceci est appel leffet possibilit . De surcrot, le passage de 1 0,99 reoit plus dimportance quun passage au sein des probabilits modres (p. ex. de 0,31 0,3), ceci porte le nom de leffet certitude .
21

En regroupant les deux caractristique de

et de

, la concavit de la premire

fonctionne dans le domaine des gains engendre une aversion au risque ; cependant au niveau des probabilits faibles la surpondration de la deuxime fonction lemporte conduisant ainsi un penchant considrable pour le risque. Ainsi, les agents ont tendance tre averses au risque dans le domaine des gains lexception des gains affichant des faibles probabilits. Similairement, les agents disposent dun penchant pour le risque au niveau du domaine de pertes en raison de la convexit de tout en tant averse au risque pour les pertes ayant .

une faible probabilit de se produire en raison de la surpondration de

Kahneman et Tversky (1992) ont dvelopp une gnralisation de cette thorie qui porte le nom de la thorie prospective cumulative (ci-aprs TPC). Elle snonce comme suit :

(1.9) Avec :

Et :

et

sont respectivement les fonctions de pondrations des probabilits dans les est le paramtre daversion au pertes, daprs les

domaines des pertes et des gains.

estimations de Kahneman et Tversky (1992) ce paramtre se situe aux alentours de 2. La TPC capture certaines anomalies cits dans la section prcdente. Premirement, elle capture comment la faon avec laquelle les alternatives sont prsentes affecte le choix des agents (mthodes de conservatisme et de reprsentativit). En effet, 30 40% changent leur avis en fonction de la prsentation du problme auquel ils font face (Barberis et Thaler, 2003). Deuximement, elle capture aussi la manire avec laquelle les agents ragissent ces problmes (comptabilit mentale). Si les agents utilisent la comptabilit mentale, ils considreront les alternatives de faon isole.

22

Par ailleurs, la TP et la TPC voluent dans un cadre o les probabilits sont connues. Si ces probabilits sont inconnues, la logique rationnelle prconise lusage de la UES de Savage (1954). Ellsberg (1961) a dmontr que les agents sont mal laise dans les situations o les probabilits sont inconnues. En effet, ce phnomne est connu sous le nom d aversion lambigut . Heath et Tversky (1991) affirment quen pratique, laversion lambigut est conditionne par la comptence dont lagent croit disposer. Si lagent pense tre incomptent concernant lvaluation dune distribution de probabilit, il dcidera soit dviter lalternative affrente cette distribution, soit de suivre dautres agents quil croit comptents (Tversky et Fox, 1995). En revanche, si lagent estime quil est comptent, un effet oppos laversion au risque aura lieu. Il est appel prfrence pour le familier (Barberis et Thaler, 2003). La notion de comptence aura une importance majeure dans le dveloppement du chapitre suivant. Synthse : A travers ce chapitre, nous avons prsent comment le rle de lagent conomique a volu au sein de la thorie financire. En effet, la thorie de la finance moderne et sa tte lHEM ne donne lagent quun rle minime. En revanche, la finance comportementale place le comportement de celui-ci ainsi que ses singularits au cur de ses intrts. Ainsi, lhomoeconomicus semble cder le pas lhomo-sapiens. Toutefois, il est important de souligner que la finance comportementale puise sa force essentiellement des anomalies prsentes sur le march. Or, celles-ci ne peuvent gure tre utilises comme arguments en vue de rfuter lHEM. Effectivement, le champ des informations pertinentes constitue un rempart insurmontable protgeant lHEM de toute critique sur le plan empirique. Mme si lHEM demeure irrfutable, il est permis de douter de ses implications thoriques et plus particulirement lhomognit des anticipations. En effet, le prochain chapitre sera ddi aux travaux qui ont trait de lhtrognit des anticipations ainsi que de ses implications sur les marchs boursiers.

23

Chapitre 2 : Implications de lhtrognit des anticipations sur la formation des prix.

Lors du dernier chapitre, nous avons prsent la place occupe par les agents dans les deux courants majeurs en thorie financire. Le prsent chapitre pousse le dbat encore plus loin en exposant les principaux travaux qui ont mis en exergue linteraction entre des agents mettant des anticipations diffrentes. Pour ce faire, une redfinition de lHEM simpose avec acuit. Une fois la redfinition faite, nous allons prsenter lhtrognit des anticipations lie, dans un premier temps, lasymtrie de linformation puis celle lie lirrationalit dune partie des agents. Afin de maintenir lobjectivit du prsent chapitre, nous allons aussi prsenter la riposte des partisans de lHEM. Celle-ci peut tre scinde, elle-aussi, en deux catgories. La premire prne une rationalisation des anomalies via des modles multifactoriels tandis que la seconde rfute, sur un plan plutt mthodologique, lexistence des anomalies. Rappelons que ces dernires constituent le fer de lance de la finance comportementale. Porter atteinte aux anomalies revient donc limiter cruellement les arguments de la finance comportementale. Ainsi, la premire section prsentera lhtrognit des anticipations sous ses deux formes. La seconde section, quant elle, abordera plutt les tentatives de rationalisation et les critiques envers les anomalies. 1. a) Htrognit des anticipations : Asymtrie dinformation et formation des comportements :

(i) LHEM : une redfinition. Lors du chapitre prcdent, la rpartition de linformation parmi les investisseurs taient considre comme tant quitable, exogne et surtout indpendante du processus de formation des prix. Cest justement sur cette base que les modles rationnels sappuient. Cela dit, une rpartition quitable de linformation suppose que cette dernire soit gratuite. En effet, si linformation est onreuse, tout agent rationnel ne va lacqurir que si son cot marginal quivaut au bnfice marginal de son acquisition. De surcrot, si les actions des agents informs sont parfaitement refltes par les prix, linfrence de linformation travers les prix est possible. Ainsi, les agents non informs bnficieront de linformation sans lacqurir. En ce faisant, aucun investisseur nest incit acqurir linformation et au final le
24

prix ne refltera que du bruit. Cet tat de fait porte le nom du paradoxe de Grossman-Stiglitz (Grossman et Stiglitz, 1980). Ainsi, si les prix refltent linformation, aucun agent nest incit lacqurir. En revanche, si les prix ne la refltent pas, son acquisition devient bnfique. Limplication majeure du paradoxe de Grossman-Stiglitz est de mettre en relief la prpondrance de lasymtrie dinformation au sein des marchs financiers. En vue de contrecarrer ce paradoxe, Fama (1991) a propos diverses formes defficience en dfinissant trois ensembles dinformations, savoir : La forme faible consiste tester lefficience des actifs en considrant les informations historiques (cours antrieurs et prsents) comme tant lunique composante de lensemble dinformation disponible aux agents. La forme semi-forte, quant elle, suggre de tester lefficience partir de lensemble de linformation publique. Linconvnient avec cette forme rside dans la difficult, voire limpossibilit, rassembler la totalit de linformation publique. La forme forte englobe toute linformation disponible y compris les informations privilgies des insiders (actionnaires majoritaires, PDG et dlits diniti ) Le test defficience sous ces formes consiste examiner si lensemble des informations associ pour chaque forme permet de raliser des profits anormaux. Si ces derniers ne sont pas vrifis, lhypothse defficience sous la forme considre nest pas rejete. Toutefois, cette mthodologie est limit sur deux plans. Le premier est dordre thorique, comme on la vu lors de la section ddie la limite larbitrage, labsence des profits anormaux nimplique pas lefficience des marchs. Le deuxime, quant lui, est plutt dordre empirique car mme en spcifiant lensemble dinformation, la conduction de ces tests suppose lassociation dun modle aux ensembles de linformation. Do le problme des hypothses jointes propos par Fama lui-mme. Quand linformation nest pas gratuite, lasymtrie dinformation svit inexorablement dans les marchs financiers. Cela va sans dire que les comportements des agents se trouvent influencs en cas dasymtrie. Dailleurs, Van Nieuwerburgh et Veldkamp (2010) ont dmontr sur un plan microconomique que lacquisition de linformation mne souvent une sous-diversification. Plus prcisment, quand les agents choisissent quelle information

25

acqurir avant dinvestir, leurs portefeuilles est souvent sous-diversifi. Il est donc indispensable dtudier le comportement des agents dans un tel cadre. (ii) le Herding dans les marchs financiers : une approche rationaliste. Le herding vient du mot herd qui signifie troupeau en anglais. Au-del de son appellation pjorative, un tel comportement suppose que la dcision dun agent est influence par les dcisions des autres agents qui lont prcd. Le mot herding a t propos pour la premire fois par Banerjee (1992) ; Bikhchandani , Hirshleifer et Welsh (1992). Un agent entre dans une situation de herding quand sa dcision lui dicte dinvestir sans connatre les dcisions des autres agents ; mais ne suit pas sa propre dcision quand il dcouvre que les agents qui lont prcd ont dcid de ne pas investir, et vice-versa. Ainsi, quand un agent imite les autres, il dcide de ne pas utiliser linformation dont il dispose. Comme nous allons le voir cette dcision peut tre rationnelle, le herding rationnel peut se manifester dans les marchs financiers sous deux formes savoir : la cascade informationnelle, et le herding bas sur la compensation.

(1)

Cascade informationnelle :

Les travaux des auteurs prcits portent sur des opportunits dinvestissement qui supposent la constance des prix. Or, dans un contexte financier, le prix est la seule courroie de transmission de linformation. En cela, leurs rsultats ne peuvent gure tre transposs aux marchs financiers. La premire application du herding aux marchs financiers revient Avery et Zemsky (1998). Bien videmment, une cascade informationnelle ne peut jamais se produire dans un march efficient aux sens fort. En effet, quand les prix refltent lensemble des informations (y compris les actions des agents prcdents), les agents seront indiffrents acheter ou vendre un actif. Avery et Zemsky (1998) ont ajout une autre dimension lincertitude concernant la pertinence de linformation dtenue par les agents. Supposons que le march est scind en deux groupes. Le premier H contient des agents dtenant des informations prives pertinentes (pH proche de 1) tandis que le second L contient des agents dtenant des informations prives contenant du bruit (pL proche de 0.5). A cela sajoute le fait quaucun des agents ne sait vers o penche la majorit. Autrement dit, la proportion de chaque groupe est inconnue. Dans un tel cadre, mme si le march est efficient au sens semi-fort, dans la

26

mesure o les prix incorporent la totalit de lensemble de linformation publique, une cascade informationnelle peut se dclencher tout moment. A titre illustratif supposons un jeu information incomplte11. Ce jeu concerne un groupe htrogne de joueurs qui font face la mme situation savoir la dcision dinvestir ou non dans un actif. Plus formellement, les joueurs ont le choix entre deux dcisions :

Si investir :

cela signifie que le signal observ par le joueur i est un bon signal et donc celui-ci va . Et inversement, quand le signal infr est mauvais ( . ), le joueur i ne

va pas investir :

Supposons aussi que les joueurs peuvent appartenir aux groupes H et L. De surcrot, les joueurs appartenant au premier groupe forment la majorit, cependant cette information est inconnue. Ajoutons aussi que la bonne dcision faire consiste ne pas investir. Cela dit, le joueur i ne peut infrer linformation dtenue par les autres qu travers le prix de lactif. Le premier joueur investir se base uniquement sur linformation quil dtient alors que les autres qui le succdent se baseront tant sur linformation dont ils disposent que sur les dcisions des joueurs antrieurs. De surcrot, tous les investisseurs sont rationnels dans la mesure o ils appliquent correctement la loi de Bayes. Pour le premier joueur, la loi de Bayes snonce comme suit : (2.1) Pour les joueurs ultrieurs, elle devient :

(2.2)

Avec Supposons que les deux premiers joueurs investir appartiennent au groupe L et les troisime et quatrime joueurs appartiennent au groupe H. Selon lquation (2.1), le premier joueur va
11

Cet exemple est inspir de larticle de Bikhchandani et Sharma (2001)

27

suivre son signal et investir. Ensuite, le deuxime joueur va investir son tour puisque son signal, bien quil soit incorrect, est renforc par lquation (2.2). En appliquant la loi de

Bayes (quation (2.2)), le troisime joueur va faire fi de son signal et investira. En effet, le signal de ce dernier est annul par le signal dun des premiers joueurs. En consultant le prix de lactif, le quatrime joueur appartenant aussi au groupe H conclut que les premiers joueurs (y compris le troisime) ont un signal positif lgard dudit actif, et investira son tour. Ainsi, une cascade informationnelle se dclenche. En prsence de cette dernire, linformation dtenue par les joueurs nest plus incorpore dans les prix. Il est souligner que les cascades informationnelles sont de nature idiosyncratique et se dtruisent trs vite. Elles sont idiosyncratiques dans le sens o des vnements alatoires combins avec les dcisions des premiers agents dterminent le comportement des agents qui vont suivre. Dailleurs travers lexemple, nous avons vu comment une minorit, ayant tort, a pu dvier la dcision de la majorit ayant raison. Cela dit, les cascades informationnelles se dtruisent vite car, avec lavnement dune nouvelle information publique, les agents vont se rendre compte de leur erreur. Dans lexemple prcdent, la cascade informationnelle entraine dans un premier temps une hausse des prix due la forte demande des agents. Cela dit, quand elle se dtruit, les agents vont vendre massivement lactif, conduisant ainsi une baisse des prix. Do un excs de volatilit qui nest pas li aux fondamentaux de lactif. En somme, quand le march est efficient au sens fort (lincertitude est lie uniquement linvestissement) une cascade informationnelle ne peut pas se produire. Cependant, quand le march souffre dune asymtrie dinformation (efficience aux sens semi-fort et faible), ces dernires peuvent svir nimporte quel moment mme si tous les investisseurs sont rationnels. Il est signaler que les agents jouent un rle non ngligeable concernant cette asymtrie. En effet, les actions des agents tendent vers un quilibre de Nash dans le sens o le herding peut tre inefficient comme le cas de lexemple. Si les joueurs taient altruistes alors lquilibre serait Pareto-optimal. Formellement, si les agents doivent maximiser non seulement leur utilit mais aussi celles des autres agents, alors les prix reflteront toute linformation. Revenons au troisime joueur, si ce dernier est altruiste il devra faire part de linformation dont il dispose aux autres. La seule faon de le faire est de ne pas investir, en cela le

28

quatrime investisseur en appliquant la loi de Bayes serait indiffrent investir ou non 12. Et sil est altruiste son tour, il dcidera de ne pas investir. Ainsi, lasymtrie dinformation est due en grande partie l gosme des agents. Toutefois, la dtection dun tel herding au niveau empirique est trs dure. En effet, le premier problme qui se pose est la dtection entre un vritable herding et un herding fallacieux. Ce dernier est caractris par un groupement des anticipations mais suite une information partage par tous les agents. Dans un tel cadre, ces derniers ne simitent pas entre eux, mais effectuent le choix le plus rationnel faire.

(2)

Le herding bas sur la compensation :

Ce deuxime type de herding rationnel est d aussi lasymtrie dinformation, mais cette fois-ci dune autre nature. En effet, le herding bas sur la compensation (Maug et Naik, 1996 ; Admati et Pfleider, 1997) est li un problme dagence confrontant un gestionnaire de fonds (agent) son employeur (principal). Etant donn que le dernier nest pas sr de la comptence du premier, le principal embauche lagent sous les termes dun contrat. Ce dernier stipule que la performance de lagent doit tre au moins gale un benchmark. Lequel peut tre la performance dautres gestionnaires de fonds ou dun indexe. Ainsi, lagent est incit imit le benchmark menant ainsi au herding. Plus formellement, la fonction dutilit de lagent peut tre formule comme suit : (2.3) O et sont respectivement la rentabilit et le risque du portefeuille tandis que est la rentabilit du benchmark. La fonction mesure est une

le degr daversion au risque.

fonction hybride qui peut tre une fonction de profit si lagent surperforme le benchmark comme elle peut tre une fonction de cot si lagent fait moins que le benchmark. La concavit de cette fonction implique une asymtrie imposant lagent de fournir plus deffort en vue de rester le plus prs possible du benchmark. Dans une telle optique, ce rgime de compensation loigne lagent du principe de diversification, menant ainsi des portefeuilles souvent inefficients (Brennan, 1993 ; Roll, 1992). Maug et Naik (1996) ont focalis leur analyse un seul actif risqu, leur rsultat ont aboutit conclure que ce type de compensation mne un herding efficient ludant, de surcrot, les
12

Les actions favorables des deux premiers joueurs seront annules par les actions du troisime et quatrime joueurs.

29

problmes affrents la slection adverse et au hasard moral. Toutefois Admati et Pfleider (1997) ont largit lanalyse plusieurs actifs risqus et ont trouv que le herding bas sur la compensation est inefficient et ne permet pas de surmonter les problmes dhasard moral et de slection adverse. Dun point de vue empirique, Lakonishok, Shleifer et Vishny (1992) ont tablit une mesure de herding (ci-aprs LSV). Celle-ci consiste tudier la tendance moyenne dun groupe homogne de gestionnaires de fonds acheter ou vendre certains actifs par rapport ce quils pouvaient dcider sils agissaient indpendamment. Cependant, la mesure LSV prsente un certain nombre de limites. La premire est lie la distinction entre herding intentionnel/fallacieux. En effet, LSV mesure rellement la corrlation des dcisions des gestionnaires de fonds. Si le herding entraine une corrlation, linverse nest pas vrai. De plus, les gestionnaires peuvent appartenir des fonds dont les objectifs sont divergents. Ainsi, construire un groupe de gestionnaires homogne devient une tche ardue. En somme, mme si le march est efficient aux sens semi-fort et faible, lhtrognit des anticipations peut avoir lieu. En effet, quand les informations prives ne sont pas incorpores dans le processus de formation des prix, lasymtrie dinformation svit inexorablement. Cette asymtrie conduit les agents (investisseurs individuels et institutionnels) faire des dcisions qui ne sont pas optimales aux yeux de lHEM. Bien videmment, les agents, en pratiquant le herding, alimentent davantage lasymtrie dinformation. Cela dit, avec lavnement dune nouvelle information publique, les groupements danticipations lis au herding peuvent se dtruire assez vite. Do le caractre phmre du herding rationnel. b) Lhtrognit des anticipations lie lirrationalit : Si le herding rationnel est phmre, celui propos par la thse comportementale est plus structurel. En effet, en sappuyant sur la limite larbitrage, la finance comportementale suggre que le herding peut tre de longue dure. Nous allons prsenter les thories comportementales les plus abouties concernant ce sujet savoir : la thorie du feedback positive et les situations de sur-raction et de sous-raction des marchs. (i) La thorie du feedback : La thorie du feedback a t longtemps en dehors des discussions acadmiques. Ce nest quavec la rapparition des bulles spculatives notamment celles quont connu les Etats-Unis (bulle internet) et le Japon que cette thorie est revenue lordre du jour. Cela dit, cette thorie reste mitige en raison du manque de cohsion de ses arguments.
30

Selon la thorie du feedback, les bulles se dclenchent quand les prix de certains actifs augmentent faisant le succs de certains investisseurs (Shiller, 2003). Ce succs suscite une attraction de ces actifs qui est amplifie aussi bien par le bouche--oreille que par les mdias. Ainsi, bon nombre dinvestisseurs, mus par des biais psychologiques tels que la surconfiance et les biais affrents la reprsentativit, investissent dans ces actifs sur la seule base que les prix vont augmenter encore plus. Et donc, un premier feedback est cre. Quand le feedback entame plusieurs boucles, une bulle spculative se dclenche. En ce faisant, lvolution des prix est rgie uniquement par le fait que les investisseurs anticipent que ces derniers vont augmenter encore plus. Ainsi, plus aucune information nest incorpore par les prix. Bien videmment, cette situation nest pas soutenable et la bulle implosera menant ainsi un krach boursier qui peut tre totalement indpendant des fondamentaux des actifs. Greenwood et Nagel (2009) ont tudi la composition des portefeuilles des gestionnaires de fonds durant la priode de la bulle internet en segmentant les gestionnaires en deux catgories. La premire contenant des gestionnaires seniors expriments alors que la seconde renferme des jeunes gestionnaires inexpriments. Leurs rsultats ont montr que la deuxime catgorie est celle qui a investit le plus dans les actifs technologiques et ce lors de lapoge de la bulle. Les gestionnaires expriments, quant eux, ont trs peu investi. Ainsi, linexprience peut tre aussi un facteur conduisant la constitution des bulles. Il est souligner que les agents rationnels peuvent contribuer aussi la formation des bulles (Barberis et Thaler, 2003). Sachant pertinemment que cette volution est insoutenable, les agents rationnels au lieu de contrattaquer en effectuant des arbitrages, achtent eux-aussi ces actifs, au tout dbut de la formation de la bulle, et les revendent ensuite aux agents irrationnels. Ainsi, une autre dimension sajoute la limite larbitrage. Cependant, il convient de noter que cette assertion demeure subjective et ne peut tre vrifie empiriquement. Une autre explication du rle des agents rationnels concernant les bulles spculatives est fournie par Cheng, Hong et Stein (2002). Ces derniers associent linertie des agents rationnels aux restrictions lgales sur la vente dcouvert. En effet, quand une bulle spculative se dclenche, lhtrognit des anticipations se scindent principalement en deux groupes. Les premiers (agents irrationnels) y sont favorables et font preuve doptimisme tandis que les seconds (agents rationnels) sy opposent et portent un jugement plutt pessimiste.

31

Cela dit, quand la vente dcouvert est interdite, les agents rationnels ne sont plus en mesure de contrattaquer la formation des bulles puisquun tel arbitrage devient risqu et coteux. Ainsi, le march nincorpore que le jugement optimiste des agents irrationnels. De surcrot, plus les anticipations sont htrognes et plus le march valuera les actifs sur la base des jugements des agents irrationnels. En se basant sur un questionnaire, Barsky (2009) a tudi de plus prs cette question, en lappliquant la bulle japonaise. Ses conclusions taient en faveur de cette thorie. A linstar du herding rationnel, la dtermination des bulles spculatives est une tche ardue sur le plan empirique. Dterminer le motif des investissements des agents est presque impossible. Ajoutons cela le manque de donnes d la confidentialit, les conomistes se sont tourns vers dautres mthodes telles que les questionnaires et lconomie exprimentale. Cela dit, une thorie comportementaliste sest penche sur lexplication de lhtrognit des anticipations en se basant sur des rsultats empiriques plus ou moins tangibles savoir les anomalies. Cette thorie fera lobjet de la section suivante. Le march en situation de sous-raction et de sur-raction : Les anomalies observes en finance, concernant la taille (Banz, 1981), leffet de levier
(ii)

(Bhandari, 1988), la valeur comptable (Stattman, 1980 ; Rosenberg, Reid et Lanstein, 1985) et le ratio bnfice/prix (Basu, 1983), prsentent des irrgularits qui rendent les rentabilits prvisibles. Comme nous avons vu lors du dernier chapitre, ces irrgularits peuvent renseigner soit sur linefficience des marchs soit sur linadquation du MEDAF. Lors de cette partie nous nous focaliserons sur la premire proposition. Dans une approche comportementaliste, les anomalies ont principalement deux implications sur les marchs financiers. La premire observe court terme, concerne la prsence dune auto-corrlation positive des rentabilits (Culter, Poterba et Summers, 1991). En dautres termes, les rentabilits passes expliquent les rentabilits futures dans le court-terme, renseignant ainsi sur une sous-raction du march. Jegadeesh et Titman (1993) ont trouv que les stratgies momentum, consistant acheter les actions ayant une bonne performance et vendre celles ayant affich une mauvaise performance durant les trois derniers mois,

permettent aux investisseurs de raliser des profits anormaux dans les 3 12 mois qui suivent. Selon Barberis, Shleifer et Vishny (1998) la sous-raction des marchs est attribue au biais de conservatisme. Si les agents sont affects par ce biais alors les prix sajusteront aux

32

nouvelles informations de faon graduelle. Entretemps, les stratgies momentum seront bnfiques.
Figure 6 Situation de sous-raction suite une nouvelle information

Priode de sousraction

Ancien quilibre

Nouvel quilibre

Arrive dune nouvelle information

Entre t0 et t 3, les rentabilits deviennent auto-corrles positivement. Dans cet intervalle, une augmentation du prix en t1 engendre une augmentation du prix en t2

La deuxime implication des anomalies est observe long-terme. En effet, les rentabilits passes et futures deviennent corrles ngativement (voire la figure 7). En cela, les actions qui ont ralis les rentabilits les plus faibles (leves) durant les cinq dernires annes ont tendance raliser des rentabilits leves (faibles) durant les cinq prochaines annes (DeBondt et Thaler, 1985). La sur-raction des marchs est due aux biais lis la mthode heuristique de reprsentativit. En effet, certains investisseurs, utilisant cette mthode, ont tendance extrapoler trop loin les donnes historiques. Leur stratgie dinvestissement est qualifie de nave (Lakonishok, Shleifer et Vishny, 1994). Dans un tel contexte, certaines stratgies deviennent profitables. Celles-ci consistent vendre les actions ayant ralis des rentabilits historiques leves et acheter celles qui ont ralis de faibles rentabilits dans le pass. Cette stratgie est qualifie, quant elle, de contrariante13.

13

Ibid.

33

Figure 7 Situation de sur-raction de la part des marchs

Priode de surraction

Ancien quilibre

Nouvel quilibre

Les rentabilits passes (de t-1 t0) sont corrles ngativement avec les rentabilits allant de t0 t+1

Hong et Stein (1999) ont labor un modle traitant un march sur lequel il existe deux types dinvestisseurs. Ces derniers ne peuvent traiter quun sous-ensemble de linformation publique disponible. Les investisseurs, appartenant au premier groupe, se fondent uniquement sur linformation dont ils disposent sans tenir compte des prix prsents et passs. Il sont appels newswatchers (ci-aprs NW). Les NW peuvent sapparenter aux investisseurs qui se basent sur lanalyse fondamentale. En effet, ce type danalyse se focalise davantage sur lanticipation des cours futurs en se basant sur des informations nayant pas trait aux squences historiques des cours. En revanche, les investisseurs du second groupe utilisent les prix historiques comme unique source dinformation. En effet, les informations lies aux fondamentaux ne sont pas prises en compte. Ces investisseurs sont appels momentum traders (ci-aprs MT). L aussi, les MT peuvent tre apparents aux analystes chartistes. Ces derniers ne font confiance quaux squences historiques des cours sans se baser sur les informations pouvant toucher les fondamentaux o les informations spcifiques des actifs. Par ailleurs, Il est souligner que les NW et les MT sont dots dune rationalit limite. Quand les NW sont les seuls investisseurs sur le march, le prix sajuste graduellement aux nouvelles informations (sous-raction du march). Ainsi, les stratgies momentum sont profitables. Les MT ont alors tout intrt entrer dans le march. Une conclusion htive pourrait suggrer que les MT, en effectuant les stratgies momentum, feront revenir les prix leur juste valeur. Toutefois, selon Hong et Stein cette conclusion est peu probable. En effet, la demande des premiers MT fera augmenter les prix, exerant ainsi une externalit ngative sur les MT qui vont suivre. Il est rappeler que la seule information la disposition des MT est la squence des prix historiques. Ainsi, une augmentation des prix est infre
34

comme tant synonyme de larrive dune bonne nouvelle. Cependant, laugmentation des prix peut tre due aussi la demande des premiers MT investir. Ajoutons cela le fait que les MT ultrieurs ne savent pas sils figurent parmi les premiers o les derniers de leur groupe, ils investiront leur tour sur la base de lexternalit des premiers MT. Cela a pour effet une augmentation excessive des prix. Ne pouvant augmenter indfiniment, les prix baisseront menant ainsi une sur-raction du march. En somme, lhtrognit des agents peut vraisemblablement mener au passage dune situation de sous-raction une situation de sur-raction de la part des marchs. Mme si la thorie avance par Hong et Stein semble convaincante, les suspicions planent autour de la validit des anomalies qui forment le socle de leur thorie. En effet, deux questions sont poser. La premire question est intimement lie au problme des hypothses jointes. En effet, si les anomalies sont dues uniquement linsuffisance du MEDAF, il se pourrait bien quelles soient des facteurs de risques non compris par le MEDAF. La deuxime question, plus radicale, souponne la validit empirique et mthodologique des travaux portant sur les anomalies. En dautres termes, ces dernires peuvent tre inexistantes en ralit. En vue de rpondre ces questions, nous allons prsenter lors de la deuxime partie de ce chapitre les rponses fournies par les partisans de lHEM. 2. La riposte de lHEM : entre modle multifactoriel et suspicion mthodologique.
a) (i) Le modle de Fama-French :

Gense et prsentation du modle : Le modle Fama-French (ci-aprs MFF) est un modle multifactoriel qui prconise lexplication de la rentabilit par le biais de trois facteurs. La singularit de ce modle est quil donne aux anomalies un aspect rationnel. De faon plus spcifique, les anomalies, engendrant des profits anormaux, existent bel et bien. Cela dit, leur existence ne peut tre en aucun cas considre comme une limite de lHEM. Bien au contraire, elles sont considres comme tant fondamentalement risques. Ainsi, MFF se veut une relve du MEDAF. A ce titre, Fama et French (1992) ont procd des tests empiriques afin de mettre le lien entre la rentabilit et quatre variables capturant les anomalies les plus notables : la taille mesure par la capitalisation flottante, le ratio bnfice/cours, le levier dendettement, le ratio de la valeur comptable/valeur de march (ci35

aprs BE/ME) ainsi que le beta du MEDAF. Leur tude a port sur les actions de la New York Stock Exchange (NYSE), de lAmerican Stock Exchange (AMEX) et du NASDAQ pour une priode allant de 1963 1990. Dans un premier temps, les auteurs ont conduit des tests uni-varis. Autrement dit, ils ont effectu des rgressions linaires simples en vue dexpliquer la rentabilit par chaque variable. Les rsultats de ces tests ont montr que toutes les variables taient statistiquement significatives hormis le bta. Dans un deuxime temps, ils ont ralis un test multi-vari en rgressant la rentabilit par rapport aux cinq variables. Les variables inhrentes la taille et la BE/ME ont vu leur effet se fortifier avec linclusion des autres variables. Plus encore, ces deux variables semblent absorber leffet de levier ainsi que le ratio bnfice/cours. Ces rsultats ont pouss Fama et French (1993) de proposer le FFM sous la forme suivante: (2.4)

est lexcs de rentabilit de lactif i linstant t.

est la prime de

march. Notons ici que lon ne parle plus du portefeuille du march mais uniquement dun indexe reprsentatif de lchantillon spcifique de lactif i. La variable SMB SMALL MINUS BIG14 est une prime de taille tandis que la variable HML High Minus Low15 est une prime de valeur. En effet, Fama et French ont prfr exprimer ces primes sous forme de portefeuilles mimtiques. Ainsi, les facteurs taille et valeur sont exprims tacitement dans le modle. SMB est un portefeuille mesurant la diffrence entre la rentabilit des actions petite capitalisation (SMALL) et celles grande capitalisation (BIG). Cette diffrence est suppose tre positive vu que les petites capitalisations sont plus risques que celle disposant dune grande taille. De faon similaire, HML est un portefeuille mesurant la diffrence entre la rentabilit des actions ratio BE/ME lev (High), appeles aussi actions de valeur, et celle des actions ratio BE/ME faible appeles actions de . est le terme derreur qui mesure le risque

14 15

Petit moins grand Elev moins faible

36

croissance (Low). L aussi, cette diffrence doit tre positive car les actions de valeur sont plus risques que celles de croissance16. La prime de march, quant elle, na quun rle secondaire dans lexplication de la rentabilit. Effectivement, le rle du march se cantonne faire le lien entre lactif sans risque et HML et SMB. Daprs les rsultats de Fama et French (1993), linclusion des deux portefeuilles stabilisent le coefficient de la prime de march autour de 1. Ainsi, les principales explications de la rentabilit proviennent de HML et SMB. Par ailleurs, le MFF se base sur une supposition selon laquelle tous les agents sont rationnels (au sens de lHEM). Dans une telle optique, les variables taille et BE/ME devraient tre interprtes comme tant des proxys capturant la sensibilit de la variation de la rentabilit lgard dun ensemble de facteurs de risques communs. De faon plus simple, ces variables expriment une prime de rentabilit lie des risques systmatiques et donc non diversifiables. Largument avanc par Fama et French est de nature exclusivement empirique. En effet, concernant les actions amricaines de 1963 1990, les coefficients ainsi que les R montrent un lien solide entre la rentabilit et SMB et HML. De surcrot, lalpha, non-significatif et trs proche de zro, traduit une bonne spcification du MFF par rapport au MEDAF. Dun point de vue empirique, FFM prsente une certaine solidit. En effet, FFM explique mieux que le MEDAF la variabilit de la rentabilit aux Etats-Unis (Fama et French, 1993), au Japon (Fama et French, 1998) en Allemagne, Grande Bretagne et en France (Malin et Veeraraghavan, 2004). (ii) Interprtation des facteurs de risque et limites du modle : La robustesse empirique du MFF ne doit pas faire oublier un problme majeur concernant ce modle. En effet, ce dernier suppose que les primes de taille et de valeur sont des facteurs de risque sous toile de fond defficience et de rationalit. Si tel est le cas, quelle signification conomique doit-on attribuer ces deux facteurs ? Une explication intuitive consiste considrer les actions petite capitalisation et celle de valeur comme tant fondamentalement risques. Cela signifie que les agents, tant rationnels, vont dtenir ces actions en contrepartie dune rentabilit suprieure tant donn la relation positive entre le risque et la rentabilit. Ainsi, les profits lis la taille et la valeur ne sont pas anormaux mais plutt fondamentaux.
16

Voir la page ??; pour plus dexplication concernant le calcul des deux portefeuilles.

37

Toutefois, pour que cette explication soit confirme, un lien doit tre tablit entre ces variables et lconomie. Sans cela, le MFF na plus aucun sens. Une premire tentative dexplication concerne le lien entre les facteurs expliquant les bnfices (dividendes, chiffre daffaires) et les facteurs expliquant la rentabilit. En se basant sur le fait que les seconds facteurs refltent les premiers, Fama et French (1995) ont essay de dfinir la taille et le ratio BE/ME comme tant des indicateurs de bnfices. A travers des tests empiriques, ils ont pu faire le lien entre la part explique du bnfice et celle de la rentabilit par le march et la taille. Toutefois, ce lien na pas pu tre dmontr pour le ratio BE/ME. La raison en est lincorporation du bruit dans la mesure des chocs des prvisions des bnfices17. Malheureusement, mme si le lien bnfice/rentabilit a t dmontr concernant le march et la taille, la raison conomique qui motive ce lien reste toujours inexplique. Dautres auteurs ont tent de revtir le MFF dun aspect thorique. Ces tentatives sont, pour le moins, atypiques en thorie financire, vu que lon pose tout dabord la conclusion et lon cherche ensuite son explication. En effet, le point de dpart consiste identifier les actions de valeur (ratio BE/ME lev) comme tant souffrantes dune dtresse financire et les actions de croissance (ratio BE/ME faible) comme tant des firmes affichant une bonne sant financire (Chan et Chen, 1991). Dune autre part, les actions petite capitalisation sont considres comme tant conomiquement fragiles tandis que les grandes capitalisation sont perues comme tant des firmes solides sur le plan conomique (Fama et French, 1995). En bref, la taille (capitalisation boursire) renseigne sur une dtresse conomique tandis que la valeur (ratio BE/ME) renvoi une dtresse financire. Ainsi, HML et SMB renseignent sur une dtresse relative. En effet, les firmes, ralisant des bnfices faibles, disposent dun ratio BE/ME lev ainsi que dun coefficient positif concernant HML ( ). Et inversement, les actions, affichant des bnfices lev disposent, dun ratio BE/ME faible. Par consquent, le coefficient pour ces firmes est ngatif.

Similairement, les firmes de petite taille, caractrises par une petite capitalisation, disposent dun coefficient relatif SMB ( ) positif alors que les grandes capitalisations ont un coefficient ngatif.

Xing et Vassalou (2004) ont fait lien entre le facteur SMB au risque de dfaut en utilisant le modle de Merton. Dune autre part, Li, Xing et Vassalou (2000) ont investigu le lien entre les informations inhrentes lvolution du PIB et les facteurs HML et SMB pour dix pays.
17

Ibid.

38

Kelly (2003), en se basant sur 18 pays, suggre que les facteurs du MFF contiennent une information propos de linflation et de la croissance. En effet, SMB est corrl ngativement avec linflation et positivement avec la croissance du PIB. Dune autre part, HML est corrl positivement avec la croissance mais na aucun lien avec linflation. De plus, Campbell, Hilsher et Szilagyi (2008) se sont bass sur la dtresse financire des entreprises. Selon ces auteurs, leurs conclusions suggrent que les entreprises en dtresse financire dlivrent une rentabilit anormale qui peut de surcrot tre la locomotive du pouvoir explicatif du MFF. Cela dit, il convient de noter que ces travaux affrontent deux limites. Lun dordre mthodologique : la nature des tests conduits sont questionnables, alors que lautre concernent une ambigut de finalit. En effet, si un lien entre une quelconque variable macroconomique et les facteurs est tablit, leffet de cette variable sur les facteurs restent imprcis dans le sens o son effet ne peut tre dpartag entre les deux facteurs. De surcrot, la prennit de ce lien na pas pu tre vrifie. Le fait que le FFM est dnu de tout aspect thorique, le rend une proie facile aux critiques. Effectivement, le succs empirique du modle na pas pu rassembler lunanimit des partisans de lHEM et encore moins des comportementalistes. Daniel et Titman (1997) ont avanc que les facteurs HML et SMB peuvent tre lis aussi bien aux fondamentaux des entreprises qu lirrationalit des agents. Plus encore, Arnott, Markowitz et al. (2007) ont montr que les effets valeur et taille ne capturent que le bruit incorpor dans le processus de formation des prix. En effet, quand le bruit svit sur le prix dun actif, sa rentabilit anticipe conditionne par le prix ou par le ratio prix/dividende baisse avec ces deux indicateurs. Cela dit, les rentabilits leves des ces actifs ne sont nullement dues un risque systmatique mais plutt au bruit qui rvise les prix et/ou les ratios prix/dividendes des actifs la baisse. Autrement dit, les rentabilits des actifs, particulirement ceux petite capitalisation et ratio BE/ME lev, engendrent des rentabilits leves parce quils sont sous-valus. Selon Arnott, Markowitz et al.18 lhypothse rationnelle prconise par Fama et French est proscrire. Une autre implication importante concerne le fonctionnement du march en prsence dun bruit ngatif. En effet, dans une telle situation la rentabilit espre inconditionnelle nest plus tributaire uniquement du bta mais aussi de la volatilit idiosyncratique ainsi que de la

18

Ibid.

39

volatilit du bruit. En dautres termes, le risque spcifique, ou une partie du moins, peut tre non diversifiable. Dautres travaux ont tent de peaufiner ou de rivaliser avec le MFF, en offrant, toutefois, des modles qui sinscrivent dans la mme veine que ce dernier. A titre dexemple, Carhart (1997) a ajout une variable au MFF savoir la variable Winners Minus Loosers WML en vue de tenir compte du momentum. Dun autre ct, Chen, Novy-Marx et Zhang (2010) ont tablit un modle multifactoriel, assez similaire au MFF, qui comporte la prime du march et deux autres variables. La premire, appele Low Minus High LMH, tenant compte dun facteur dinvestissement. La seconde, appele High Minus Low HML, renseigne, quant elle, sur la rentabilit sur les actifs. Selon eux, leur modle est nettement suprieur au MFF. Toutefois, il est important de signaler que mme si ces modles surpassent le MFF sur le plan empirique, ils nont pas pu combler le dficit thorique. En effet, tant quune interprtation conomique nest pas attribue aux diffrents facteurs, lusage du MFF, ainsi que de ses extensions, demeure pernicieux. En cela, force est de constater que le MFF reste, pour linstant, un modle purement heuristique. A cet gard, les critiques se sont abattues sur le MFF sur tous les fronts allant des partisans de lHEM jusquaux financiers comportementalistes. Les principaux critiques provenant des partisans de lHEM sont prsentes dans la sous-section suivante. b) Suspicions mthodologiques : quand les anomalies deviennent artfacts. Les auteurs, qui doutent de lhonntet empirique des travaux sur les anomalies, constituent laile dure de lHEM. En effet, ces auteurs se sont farouchement opposs tant envers les comportementalistes quenvers le MFF. Selon les opposants aux anomalies, celles-ci disparaissent, se renversent ou sattnuent ds que la littrature qui les documente soit publie. Cet tat de fait mne faire deux conclusions. La premire questionne directement la validit statistique des anomalies. En effet, ces dernires peuvent tre le fruit dune simple aberration statistique. En revanche, la deuxime suggre quil se peut que ces anomalies existent ; mais ds quelles deviennent connues, les investisseurs semparent de ces opportunits menant ainsi leur disparition. Les fervents dfenseurs de lHEM suggrent que certains auteurs ont t tellement emports par la frnsie de la qute des anomalies , quils se sont focaliss exclusivement sur la recherche de rsultats surprenants. De surcrot, les tests ultrieurs de ces anomalies concernent des chantillons qui prsentent les mmes caractristiques que celles des premiers
40

articles qui les ont trouvs. Ainsi, ce processus peut mener vraisemblablement des rsultats errons. En effet, Lo et MacKinlay (1990) ont avanc le phnomne du data-snooping selon lequel les tests effectus de telle manire ne peuvent gure tre gnraliss. Plus particulirement, les tests des anomalies, souffrant du biais du data-snooping, sont ceux qui rpliquent les mmes conditions de larticle de rfrence traitant de lanomalie. En effet, en reprenant les mmes conditions de larticle de rfrence, le test ne peut tre quen faveur de lanomalie. La figure 8 montre le schma mthodologique gnral de ces tests. Ces derniers sont influencs particulirement par la priode, le march ou le segment (un secteur ou une catgorie dactions) tudis et lhorizon (quotidien, mensuel, trimestriel). Bref, le data-snooping met laccent sur le fait dapprivoiser les donnes de telle sorte ce que le test aboutisse au rsultat escompt par lauteur. Une solution ce problme consiste tester lanomalie en question sur une base neutre et indpendante. Pour ce faire, lauteur doit effectuer son test sur dautres marchs ou bien sur des dates et/ou des horizons diffrents que ceux utilises par larticle de rfrence. Cela dit, il est important de souligner que le data-snooping est une arme double tranchant. En effet, tester les anomalies dans le seul but de les rfuter peut mener choisir des donnes ayant des caractristiques totalement opposes celles trouves par larticle de rfrence. Ainsi, les donnes sont domptes de la mme faon que les partisans des anomalies. La consquence de ces travaux, dun ct comme de lautre, est trs dangereuse dans le sens o lavance de la science conomique est sacrifie sous lautel des jugements dopinions.

41

Figure 8 Schma mthodologique des tests des anomalies Dfinition de la priode Choix du march ou dun segment Dfinition de lhorizon

Critres de lanomalie

Hypothses

Rsultats

Tests

Rejeter lhypothse de lanomalie

Ne pas rejeter lhypothse de lanomalie

Par ailleurs, si lexistence des anomalies est permise, alors les investisseurs individuels et institutionnels saisiront lopportunit de les corriger par le biais de larbitrage (Mackinlay, 1995). A titre dexemple, Schwert (2003) a tudi lvolution des anomalies aprs que la littrature les documentant soit apparue. Ses rsultats tayaient la thse de la disparition postpublication. Ses travaux ont port sur les anomalies les plus connues savoir les effets taille, valeur, week-end et janvier. Ainsi, lexistence des anomalies ne peut tre quphmre, et donc lHEM prvaut long-terme sur les marchs financiers. Toutefois, outre la limite larbitrage, cette conclusion avoue demi-mot que les agents ne sont pas totalement rationnels. En effet, si les investisseurs sont rationnels au sens de lHEM, ils doivent, ds le dpart, connatre ces anomalies et les neutraliser. De surcrot, si les investisseurs nagissent sur les anomalies quaprs leur dcouverte par le cercle acadmique, celles-ci peuvent disparatre. Cependant, rien nempche, dans ce cas, dautres anomalies de se former. Par consquent, celles-ci ne vont tre neutralises quaprs leur dcouverte par les conomistes. Et donc, le dsquilibre peut tre structurel.

42

En somme, les arguments des opposants aux anomalies comportent un certain degr de subjectivit. Cela dit, leurs travaux renseignent sur une implication clef qui fera sans doute avancer la science conomique. Laquelle consiste porter lanalyse des anomalies un niveau ex-ante. En effet, la quasi-totalit des travaux portant sur les anomalies ont t raliss un niveau ex-post. Comme nous avons pu le voir cette analyse est limite et suscite bon nombre de critiques. Dailleurs, lune des principales limites du MFF est que tous les efforts, qui ont t dploys, se sont cantonns un niveau ex-post contrairement au MEDAF. En effet, les tentatives de certains auteurs qui ont pu mettre le lien entre les facteurs du MFF et certaines variables macroconomiques ont t vaines. La raison est simple, en effet, tant que les canaux de transmissions entre ces variables et les facteurs na pas t tablit ex-ante, le MFF demeurera une mthode heuristique. Post et van Vliet (2007) ont test le MFF et le modle quatre facteurs de Carhart durant la priode pr-1963 en vue de tester le biais du data-snooping. Leurs rsultats suggrent que les bonnes performances de ces modles multifactoriels dpendent largement de la priode post1963. Plus prcisment, la taille perd son habilit en matire dexplication de la rentabilit durant la priode prcdant lanne 1963. Ces rsultats ont men les auteurs conclure que ces modles peuvent tre lis soit au biais du data-snooping soit des raisons autres que le risque. Ces dernires ont trait particulirement la liquidit et aux cots de transactions. En effet, plus la taille dune entreprise est petite et plus les cots de transactions quelles engendrent sont levs. Synthse : A travers ce chapitre, nous avons pu voir, lors de la premire section, les principales implications de lhtrognit des anticipations sur un plan thorique. La deuxime section, quant elle, nous a permis de voir la limite des tudes empiriques. Concernant le herding rationnel, sa validation empirique demeure une tche ardue vu le manque de donnes et la difficult de sparer entre le herding rel et fallacieux. Dune autre part, lhtrognit des anticipations lies lirrationalit dune partie des agents se base essentiellement sur les anomalies prsentes sur le march. Comme on lavait vu, le test des anomalies peut laisser dsirer. Ainsi, au problme des hypothses jointes sajoute le biais du data-snooping.

43

Bibliographie
Abreu, D., & Brunnermeier M. (2002). Synchronization Risk and Delayed Arbitrage. Journal of Financial Economics, 66(2-3), 341-360. Admati, A., & Pfleiderer, P. (1997). Does it All Add Up? Benchmarks and the Compensation of Active Portfolio Managers. Journal of Business, 70(3), 32350. Alpert, M., & Raiffa, H. (1982). A Progress Report on the Training of Probability Assessors. In : D. Kahneman, P. Solvic & A. Tversky (eds.) Judgment Under Uncertainty : Heuristics and Biases (pp294-305). Cambridge : Cambridge University Press. Arnott, R., Hsu, J., Liu, J., & Markowitz, H. Does Noise Create the Size and Value Effects ?. Working Paper, Retrieved from : http://papers.ssrn.com/sol3/papers.cfm?abstract_id=936272 Avery, C., & Zemsky, P. (1998). Multidimensional Uncertainty and Herd Behavior in Financial Markets. American Economic Review, 88(4), 72448. Bai, J. (1995). Least Absolute Deviation Estimation of A Shift. Econometric Theory, 11(3), 403436. Baltussen, G., & Post, G.T. (2007). Irrational Diversification. Working Paper, Retrieved from : http://ssrn.com/abstract=989242. Banerjee, A. (1992). A Simple Model of Herd Behavior. Quarterly Journal of Economics, 107(3) 797 818. Banz, R.W. (1981). The Relationship Between Return and Market Value of Common Stocks. Journal of Financial Economics, 9(1), 103-126. Barberis, N., & Huang, M. (2008). Stock as a Lotteries : the Implication of Probability Weighting for Security Prices. American Economic Review, 98(5), 2066-2100. Barberis, N., & Thaler, R. (2003). A Survey of Behavioral Finance. In : G.M. Constantinides & M. Harris & R. M. Stulz (ed.) Handbook of the Economics of Finance (pp 1053-1128). Amsterdam : Elsevier. Barberis, N., Shleifer, A., & Vishny, R.W. (1998). A Model of Investor Sentiment .Journal of Financial Economics, 49(3), 307-343. Barsky, R.B. (2009). The Japanese Bubble: A 'Heterogeneous' Approach. NBER Working Paper No. 15052. Cambridge, MA : NBER. Basu, S. (1983). The Relationship Between Earnings Yield, Market Value, and Return for NYSE Common Stocks : Further Evidence. Journal of Financial Economic, 12(1), 129-156. Baur, D.G., & Schulze, N. (2009). Financial Market Stability A Test. Journal of International Financial Markets, Institutions and Money, 19(3), 506-519. Baur, D.G., & Schulze, N. (2010). The Risk of Beta Investor Learning and Prospect Theory. Paper presented at the Finance and Corporate Governance Conference, Australia. Bhandari, L.C. (1988). Debt/Equity Ratio and Expected Common Stock Returns : Empirical Evidence. Journal of Finance, 43(2), 507-528.

44

Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A Theory of Fads, Fashion, Custom and Cultural Change as Informational Cascades. Journal of Political Economy, 100(5), 9921026. Black, F. (1986). Noise. Journal of Finance, 41(3), 529-543. Black, F., Jensen, M., & Scholes, M. (1972). The Capital Asset Pricing Model : Some Empirical Tests. In M. Jensen (Ed.) Studies in the Theory of Capital Markets (pp. 1085-1094). New York, NY: Praeger. Blaug, M. (1992). The Methodology of Economics : or how Economists Explain. Cambridge University Press. Brennan, M. (1993). Agency and Asset Prices. Finance Working Paper No. 6-93, Los Angeles, CA : UCLA. Buehler, R., Griffin, D., & Ross, M. (1994). Exploring the Planning Fallacy : Why People Underestimate Their Task Completion Times. Journal of Personality and Social Psychology, 67(3), 366-381. Caballero, R.J. (2010). Macroeconomics after the Crisis: Time to Deal with the Pretense-ofKnowledge Syndrome. NBER Working Paper No. 16429. Cambridge, MA : NBER. Camerer, C., & Hogarth, R. (1999). The Effects of Financial Incentives in Experiments: A Review and Capital-Labor Production Framework. Journal of Risk and Uncertainty, 19(1-3), 7-42. Campbell, J.Y, Hilscher, J., & Szilagyi, J. (2008). In Search of Distress Risk. Journal of finance, 63(6), 2899-2939. Carhart, M.M. (1997). On Persistence in Mutual Fund Performance. Journal of Finance, 52(1), 57-82. Carpenter, M.D., & Upton, D.E. (1981). Trading Volume and Beta Stability. Journal of Portfolio Management, 7(2), 60-64. Chan, K.C, & Chen, N. (1991). Structural and Return Characteristics of Small and Large Firms. Journal of Finance, 46(4), 1467-1484. Chen, J., Hong, H., & Stein, J.C. (2002). Breadth of Ownership and Stock Returns. Journal of Financial Economics, 66(2),171-205. Chen, L., & Novy-Marx, R., & Zhang, L. (2010). An Alternative Three-Factor Model. Working Paper, Retrieved from :http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1418117 Chen, M.Y., Kuan C.M. (2001). Testing Parameter Constancy in Models with Infinite Variance Errors. Economics Letters, 72, 11-18. Cutler, D.M., Poterba, J.M., & Summers, L.H. (1991). What Moves Stock Prices?. Journal of Portfolio Management, 15(3), 4-12. Daniel, T., & Titman, S. (1997). Evidence on the Characteristics of Cross Sectional Variation in Stock Returns. Journal of finance, 52(1), 1-33. DeBondt, W.F.M., & Thaler, R. (1985). Does the Stock Market Overreact?. Journal of Finance, 40(3), 793-805.

45

DeLong, J.B., Shleifer, A., Summers, L., & Waldman, R. (1990). Noise Trader Risk in Financial Markets. Journal of Political Economy, 98(4), 703-738. Edwards, W. (1968). Conservatism in Human Information Processing. In : B. Kleinmutz (ed.) Formal Representation of Human Judgment (pp. 17-52). New York, NY : Wiley. Ellsberg, D. (1961). Risk, Ambiguity, and the Savage Axioms. Quarterly Journal of Economics 75(4), 64369. Fama, E.F, French, K.R, & Davis, J. (2000). Characteristics, Covariances and Average Returns 19291997. Journal of Finance, 55(1), 389406. Fama, E.F, French, K.R. (2004). The Capital Asset Pricing Model: Theory and Evidence. Journal of Economic Perspectives, 18(3), 25-40. Fama, E.F, French, K.R. (2006). The Value Premium and the CAPM. Journal of Finance, 61(5), 2163-2185. Fama, E.F, & French, K.R (1995). Size and Book-to-Market Factors in Earnings and Returns. Journal of Finance. 50(1), 131-155. Fama, E.F, & French, K.R (1996). Multifactor Explanations for Asset Pricing Anomalies. Journal of Finance, 51(1), 55-84. Fama, E.F, & French, K.R (1998). Value Vs. Growth: The International Evidence. Journal of Finance, 53(6), 19751999. Fama, E.F, & French, K.R (2001). Disappearing Dividends: Changing Firm Characteristics or Lower Propensity to Pay?. Journal of Financial Economics; 60(1), 343. Fama, E.F, & French, K.R. (1992). The Cross-Section of Expected Stock Returns. Journal of Finance, 47(2), 427465. Fama, E.F, & French, K.R. (1993). Common risk factors in the returns of bonds and stocks. Journal of Financial Economics, 33, 356. Fama, E.F. (1965). The Behavior of Stock-Market Prices. Journal of Business, 38(1), 34-105. Fama, E.F. (1970). Efficient Capital Markets : A Review of Theory and Empirical Work. Journal of Finance, 25(2), 383-417. Fama, E.F. (1991). Efficient Capital Markets: II. Journal of Finance. 96(5), 15751617. Fama, E.F. (1998). Market Efficiency, Long-Term Returns and Behavioral Finance. Journal of Financial Economics, 49(3), 283307. Fama, E.F., & MacBeth, J. (1973). Risk, Return and Equilibrium : Empirical Tests. Journal of Political Economy, 81(3), 607-636. Fox, C., & Tversky, A. (1995). Ambiguity Aversion and Comparative Ignorance. Quarterly Journal of Economics 110:585603. Friedman, M. (1953). The Case for Flexible Exchange Rates. In: Essays in Positive Economics (pp. 157-203). Chicago, IL : Chicago University Press.

46

Greenwood, R., & Nagel, S. (2009). Inexperienced Investors and Bubbles. Journal of Financial Economics, 93(2), 239-258. Grossman, S.J., & Stiglitz, J. (1980). On the Impossibility of Informationally Efficient Markets. American Economic Review 70 (3), 393408. Gujarati, D. (2004). Basic Econometrics. New York : NY. McGraw-Hill. Hao, L., & Naiman, D.Q. (2007). Quantile Regression ( Quantitative Application in the Social Sciences). Thousand Oaks, CA : Sage. Heath, C., & Tversky, A. (1991). Preference And Belief: Ambiguity and Competence in Choice Under Uncertainty. Journal of Risk and Uncertainty 4(1),528. Hohl, K. (2009). Beyond the Average Case: The Mean Focus Fallacy of Standard Linear Regression and the Use of Quantile Regression for the Social Sciences. London School of Economics Working Paper. Homsud, N., Wasunsakul, J., & Joongpong, J. (2009). A Study of Fama and French Three Factors Model And Capital Asset Pricing Model in the Stock Exchange of Thailand. International Research Journal of Finance and Economics, 25(3), 31-40. Hong, H., & Stein, J.C. (1999). A Unified Theory Of Underreaction, Momentum Trading, And Overreaction In Asset Markets. Journal of Finance, 54(6), 2143-2184. Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. Journal of Finance, 48(1), 65-91. Jensen, M.C. (1968). The Performance of Mutual Funds in the Period 1945-1965. Journal of Finance, 23(2), 389-416. Kahneman, D. (1973). Attention and Effort. Englewood Cliffs, NJ : Prentice Hall. Kahneman, D., & Lovallo, D. (1993). Timid Choices and Bold Forecasts : A Cognitive Perspective On Risk Taking. Management Science, 39(1), 17-31. Kahneman, D., & Tversky, A., (1974). On The Psychology of Prediction. Psychological Review, 80(5), 237-251. Kahneman, D., & Tversky, A., (1979). Prospect Theory: An Analysis of Decision Under Risk. Econometrica 47(2), 263-291. Kelly, P.J. (2003). Real and Inflationary Macroeconomic Risk in the Fama and French Size and Bookto-Market Portfolios. Working paper , University of South Florida . Koenker, R. (2000). Galton, Edgeworth, Frisch, and Prospects for Quantile Regression in Econometrics. Journal of Econometrics, 95(2), 347374. Koenker, R. (2005). Quantile Regression. New York : NY, Cambridge University Press. Koenker, R., & Bassett G. (1978). Regression Quantiles. Econometrica, 42(1), 33-50. Koenker, R., & dOrey V. (1987). Computing Regression Quantiles. Applied Statistics, 36(3) 383 393.

47

Koenker, R., & Park B.J. (1996). An Interior Point Algorithm for Nonlinear Quantile Regression. Journal of Econometrics, 71(1), 265283. Kothari, S.P., Shanken, J., & Sloan, R.G. (1995). Another Look at the Cross-Section of Expected Stock Returns. Journal of Finance, 50(2), 185-224. Kyle, A.S. (1985). Continuous Auctions and Insider Trading. Econometrica, 53(6), 1315-1335. Lakonishok, J., Shleifer, A., & and Vishny, R.W. (1992). The Impact of Institutional Trading on Stock Prices. Journal of Financial Economics, 32(1), 2343. Lakonishok, J., Shleifer, A., & and Vishny, R.W. (1994). Contrarian Investment, Extrapolation and Risk. Journal of Finance, 49(5), 1541-1578. Li, Q., Vassalou, M., & Xing, Y. (2000). An Investment-Growth Asset Pricing Model. Working paper. New York, NY : Columbia University. Lintner, J. (1965). The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets. Review of Economics and Statistics, 47(1), 13-37. Lo, A.W., & MacKinlay, D.C. (1990). Data-Snooping Biases in Tests of Financial Asset Pricing Models. Review of Financial Studies, 3(3), 431-467. MacKinlay, A.C. (1995). Multifactors Models do not Explain Deviations from the CAPM. Journal of Financial Economics, 38(1), 3-28. Malin, M., & Veeraraghavan, M. (2004). On the Robustness of Fama and French Multifactor Model: Evidence from France, Germany and United Kingdom. International Journal of Business and Economics, 3(2), 155-176. Maris, G. (2009). Application of the Fama and French Three-Factor-Model to the Greek Stock Market. University of Macedonia Working Paper No.2309. Markowitz, H. (1952). The Utility of Wealth. Journal Of Political Economy, 60, 151-158. Markowitz, H. (1958). Portfolio Selection : Efficient Diversification of Investments. New York, NY: Wiley. Maug, E., & Naik, N. (1996). Herding and Delegated Portfolio Management: The Impact of Relative Performance Evaluation on Asset Allocation. IFA Working Paper No. 223-96. London : London Business School. Miller, G.A. (1956). The Magical Number Seven Plus or Minus Two : Some Limits in Our Capacity for Processing Information. Psychological Review, 63(2), 81-97. Muth, J.F. (1961). Rational Expectations and the Theory of Price Movements. Econometrica, 29(3), 315-335. Post, T., & van Vliet, P. (2007). Downside Risk and Asset Pricing. Journal of Banking and Finance, 30(3), 823-849. Rabin, M. (2002). Inference by Believers in the Law of Small Numbers. Quarterly Journal of Economics, 117(3), 775-816. Roenfeldt, R.L., Greipentorg, G.L., & Palfman, C.C., (1978). Further Evidence on the Stationarity of Beta Coefficients. Journal of Financial and Quantitative Analysis, 13(1), 117-121. 48

Roll, R. (1992). A Mean/Variance Analysis of Tracking Error. Journal of Portfolio Management, 18(4), 1322. Rosenberg, B., Reid, K., & Lanstein, R. (1985). Persuasive Evidence of Market Inefficiency. Journal of Portfolio Management, 11(3), 9-17. Ross, S.A. (1976). The Arbitrage Theory of Capital Asset Pricing. Journal of Economic Theory, 13(3), 341-360. Samuelson, P.A. (1965). Proof That Properly Anticipated Prices Fluctuate Randomly. Industrial Management Review, 6(2), 41-49. Savage, L. (1964). The Foundation of Statistics. New York, NY: Wiley. Schwert, G.W. (2003). Anomalies and Market Efficiency. In : G.M. Constantinides & M. Harris & R. M. Stulz (ed.) Handbook of the Economics of Finance (pp 939-974). Amsterdam : Elsevier. Sharpe, W.F. (1964). Capital Asset Prices : a Theory of Market Equilibrium Under Conditions of Risk. Journal of Finance, 19(3), 425-442. Sharpe, W.F., & Cooper, G.M. (1972). Risk-Returns Classes of New York Stock Exchange Common Stocks : 1931-1967. Financial Analysis Journal, 28(2), 46-54. Shiller, R. (1984). Stock Prices and Social Dynamics. Brookings Papers on Economic Activity, 2, 457498. Shiller, R.J. (2000). Measuring Bubble Expectations and Investor Confidence. Journal of Psychology and Financial Markets 1(1), 4960. Shiller, R.J. (2003). From Efficient Markets Theory to Behavioral Finance. The Journal of Economic Perspectives, 17(1), 83-104. Shleifer, A., & Summers, L. (1990). The Noise Trader Approach to Finance. Journal of Economic Perspective, 4(2), 19-33. Shleifer, A., & Vishny, R. (1997). The Limits of Arbitrage. Journal of Finance, 52(1) ,53-55. Stattman, D. (1980). Book Values and Stock Returns. The Chicago MBA : A Journal of Selected Papers, 4, 25-45. Summers, L. (1986). Does the Stock Market Rationally Reflect Fundamental Values ?. Journal of Finance, 41(3), 591-601. Thaler, R.H. (1999). Mental Accounting Matters. Journal Of Behavioral Decision Making, 12(3), 183206. Tobin, J. (1958). Liquidity Preference as Behavior Towards Risk. Review of Economic Studies, 25(1), 65-68. Tversky, A., & Kahneman, D. (1986). Rational Choice and the Framing of Decisions. Journal of Business 59(4), 251278. Tversky, A., & Kahneman, D. (1992). Advances in Prospect Theory: Cumulative Representation of Uncertainty. Journal of Risk and Uncertainty 5(4), 297323. Van Nieuwerburgh, S., & Veldkamp, L. (2010). Information Acquisition and Under-Diversification. Review of Economic Studies, 77(2), 779-805. 49

Vassalou, M., & Xing, Y. (2004). Default Risk in Equity Returns. Journal of Finance, 59(2), 831-868. von Hayek, F.A. (1974). The Pretence of Knowledge. Prize Lecture, The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel. von Neumann, G., & Morgenstern, O. (1944). Theory of Games and Economic Behavior. Princeton University Press. Weinstein, N. (1980). Unrealistic Optimism About Future Life Events. Journal of Business, 39(5), 806-820.

50