Un réexamen de la relation entre le risque et le rendement des
Transcription
Un réexamen de la relation entre le risque et le rendement des
Un réexamen de la relation entre le risque et le rendement des actions canadiennes¤ Jean-François L’Her Oumar Sy Désiré Vencatachellum Résumé Cette étude teste sur la période de janvier 1966 à décembre 1995, au Canada, les relations entre le rendement, le bêta et la capitalisation boursière. Ces relations sont examinées de manière non conditionnelle, puis conditionnellement au signe du rendement excédentaire de marché en utilisant une méthode d’estimation qui permet de tenir compte de la critique de Roll et Ross (1994). Il ressort que la spéci…cation conditionnelle des tests (Pettengill, Sundaram et Mathur, 1995) est supérieure à la spéci…cation non conditionnelle. La prime de risque associée au bêta est signi…cativement positive (négative) en période de marché haussier (baissier). L’e¤et taille est largement induit par des observations extrêmes, mais reste signi…catif pour le mois de janvier et en période baissière. En…n, les rendements du mois de janvier sont signi…cativement supérieurs à ceux des autres mois. ¤ Cette recherche a béné…cié de l’aide …nancière du CRSH et du FCAR. Nous remercions Stephan Smith pour le traitement informatique des données et deux arbitres anonymes pour leurs commentaires. Les auteurs peuvent être contactés à l’École des Hautes Études Commerciales, 3000 chemin de la Côte-Sainte-Catherine, Montréal (Québec), H3T 2A7. Courrier électronique: [email protected], [email protected] et [email protected]. 1 1 Introduction Le modèle d’équilibre des actifs …nanciers (MÉDAF) ou capital asset pricing model (CAPM) prévoit une relation linéaire et positive entre le rendement anticipé sur les actifs risqués et leur niveau de risque systématique (bêta). Dans la mesure où le risque spéci…que peut être éliminé par une diversi…cation adéquate, seul le risque systématique est rémunéré par le marché et permet d’expliquer les di¤érences de rendements entre les actifs. Ce résultat fondamental est mis à mal par Fama et French (1992) qui montrent que la relation en coupe transversale entre le rendement et le bêta des titres est complètement horizontale, tandis que la capitalisation boursière et le ratio de la valeur comptable à la valeur marchande des fonds propres permettent d’expliquer une part des rendements futurs des actions américaines. Il ressort que l’identi…cation de ces deux mesures de risque procède d’une démarche inductive, et que ces deux dernières variables demeurent des instruments pour mesurer des facteurs de risque non clairement identi…és: la taille pourrait mesurer l’information et la liquidité, alors que le ratio valeur comptable à la valeur marchande des fonds propres pourrait mesurer un facteur de détresse relative (Chan et Chen, 1991) ou le degré relatif d’opportunités de croissance d’une entreprise (Lakonishok, Schleifer et Vishny, 1994). Malgré cela, ce résultat sert de base à la construction d’un modèle à trois facteurs où Fama et French (1996) juxtaposent au facteur de risque qu’est le marché deux autres facteurs: un lié à la taille des entreprises et l’autre au ratio valeur comptable sur valeur marchande des fonds propres (1). Ce modèle de type APT à facteurs observables a le mérite de faire ressortir clairement les coe¢cients de sensibilité aux trois facteurs de risque identi…és et est devenu le modèle générateur des rendements qui sert de référence dans la plupart des études se rapportant à la performance …nancière à long terme (Lyon, Barber et Tsai, 1999 entre autres), à l’attribution de la performance ou encore à l’estimation du coût des fonds propres (Fama et French, 1997). Parallèlement à l’adoption du modèle à trois facteurs, la plupart des tests en coupe transversale ou en données de panel restent pourtant ambigus et soumettent à l’épreuve des faits les résultats de Fama et French (1992). Nous examinons tour à tour les critiques des tests empiriques relatifs au risque systématique, à la taille et au ratio de la valeur comptable sur valeur comptable des fonds propres. En ce qui concerne le risque systématique, Kim (1997) soutient qu’il permet d’expliquer les di¤érences de rendements entre les titres américains - indépendamment de la taille ou du ratio de la valeur comptable à la valeur marchande des fonds propres - lorsque l’on tient compte des biais de sélection et des problèmes d’erreurs de mesure sur les variables. Par ailleurs, plusieurs critiques ont trait à la spéci…cation des tests du CAPM. Jagannathan et Wang (1996) soutiennent que les tests statiques du CAPM sont problématiques et trouvent une relation très signi…cative entre le risque et le rendement, lorsqu’ils permettent aux bêtas de varier dans le temps. De même, Pettengill, Sundaram et Mathur (PSM) (1995) trouvent une relation cohérente et signi…cative 2 entre le risque systématique (bêta) et le rendement, lorsqu’ils permettent à la prime de risque estimée de varier selon les conditions du marché. Ces versions conditionnelles de la relation risque-rendement ne permettent pas de rejeter le rôle du bêta dans l’explication des rendements boursiers. En ce qui a trait à la taille et au ratio valeur comptable sur valeur marchande, Kim (1997) montre que le coe¢cient associé à la taille est à peine signi…catif pour les données mensuelles et est non signi…catif pour les données trimestrielles. Knez et Ready (1997) trouvent quant à eux que la prime de risque reliée à la taille disparaît lorsque les valeurs extrêmes sont éliminées. L’e¤et taille ne serait donc pas un e¤et moyen, mais un e¤et induit par quelques observations seulement et il serait di¢cile d’en tirer pro…t pour des …ns de placement. Loughran (1997) montre d’ailleurs que les coe¢cients associés à la taille, mais aussi au ratio valeur comptable sur valeur marchande des fonds propres ne sont pas signi…catifs sur le portefeuille de titres constitué des entreprises représentant 60% des plus grandes capitalisations boursières, soit 94% de la capitalisation boursière de l’indice. Plusieurs études en…n (Blume et Stambaugh, 1983; Keim, 1983, entre autres), documentent le fait que l’e¤et taille est principalement induit par le mois de janvier (raisons …scales, présentation des résultats des portefeuilles institutionnels). Loughran (1997) montre également que l’e¤et ratio valeur comptable sur valeur marchande des actions est pour une large part expliqué par le mois de janvier. Cet e¤et s’explique par des rendements très élevés en janvier pour les titres de valeur et par des rendements très faibles durant les autres mois pour les titres de croissance de petite taille et ayant fait récemment l’objet d’une introduction en bourse. Cette étude s’inscrit dans les études empiriques faisant suite à l’étude de Fama et French (1992) et propose une série de tests tenant compte des principales critiques avancées dans la littérature. C’est un test hors échantillon, car il ne porte pas comme la plupart des études sur des données américaines, mais sur des données canadiennes. L’objectif de cette étude est de tester sur une période de 30 ans (janvier 1966 à décembre 1995) la relation entre le rendement des actions et leur risque systématique ainsi que leur capitalisation boursière. Les tests tiennent compte de l’e¤et janvier mis en évidence au Canada par Berges, McConnell et Schlarbaum (1984) et Athanassakos (1992), mais surtout de l’impact du mois de janvier sur l’e¤et taille (Calvet et Lefoll, 1989). L’impact des données extrêmes sur l’e¤et taille est également analysé en utilisant la méthodologie de Knez et Ready (1997), soit les moindres carrés élagués (MCÉ). L’échantillon considéré représente l’ensemble des entreprises cotées sur les bourses de Toronto et de Montréal sur la période 1946 à 1995 et répertoriées dans la base de données TSE/Western. Cet échantillon porte sur une plus longue période que ceux considérés par Calvet et Lefoll (CL) (1989) et Elfakhani, Lockwood et Zaher (ELZ) (1998). CL examinent la période 1963 à 1982, alors que ELZ étudient la période 1975 à 1992 (2 ). Les deux principales contributions de cette étude sont les 3 suivantes: tout d’abord, à la di¤érence de CL et ELZ, cette étude teste une version non conditionnelle, mais aussi une version du CAPM conditionnelle au signe du rendement excédentaire de marché; par ailleurs, les tests empiriques se basent sur trois méthodes d’estimation permettant de prendre en compte les principales critiques avancées dans la littérature. Pour …ns de comparaison, les moindres carrés ordinaires (MCO) en deux étapes (Fama et MacBeth, 1973) repris par CL et ELZ sont utilisés. Ensuite, deux méthodes d’estimation en une étape (MCO et moindres carrés généralisés (MCG)) sont utilisées pour tenir compte des critiques de Roll et Ross (1994) et Kandell et Stambaugh (1995). Les résultats montrent que les estimés de la prime de risque associée au bêta varient beaucoup d’une méthode d’estimation à l’autre dans un cadre d’analyse non conditionnel. La prime de risque associée à la taille n’est signi…cative que si elle est estimée par les MCO et est sensible aux données extrêmes. Elle demeure signi…cative durant le mois de janvier. Dans un cadre d’analyse où la prime de risque associée au bêta est conditionnelle au signe du rendement excédentaire de marché, les résultats sont proches de ceux de PSM et démontrent la pertinence des bêtas comme mesure de risque. La prime de risque associée au bêta est signi…cative et positive (négative) lorsque le marché est dans une phase haussière (baissière), tandis que l’e¤et taille est surtout liée au mois de janvier et aux périodes baissières. Ce résultat vaut même si l’on tient compte des observations extrêmes. L’e¤et …xe relatif au mois de janvier est positif, très important et signi…catif. La structure du reste de l’article est la suivante. La deuxième section décrit les données, la méthodologie et les méthodes d’estimation utilisées. La troisième section présente les résultats et en…n la conclusion reprend les principaux résultats. 2 2.1 Données et Méthodologie Données Nous avons utilisé des données mensuelles de la bourse de Toronto tirées de la base de données TSE/Western. Les données s’étendent sur une période allant de janvier 1956 à décembre 1995 (40 ans). La base de données comprend les rendements de tous les titres échangés – soit 277 000 observations portant sur 2 409 titres et représentant l’essentiel de la capitalisation totale des marchés boursiers canadiens – le taux de rendement sur les bons du Trésor à trois mois (Rf ), et le taux de rendement équipondéré (Rm ) (3). Le tableau 1 reporte les statistiques descriptives relatives au rendement mensuel de l’indice équipondéré (utilisé comme rendement de marché), du taux de rendement sur les bons du Trésor à trois mois (utilisé comme rendement de l’actif sans risque) et du rendement excédentaire de marché (Rm ¡ Rf ). Les statistiques sont fournies pour l’ensemble de la période d’estimation allant de janvier 1966 à décembre 1995 (30 ans) (4). Le volet A présente les résultats sur toute la période de test, tandis que les volets B et C présentent respectivement les résultats en périodes haussières ou baissières. 4 Le rendement moyen arithmétique sur l’indice équipondéré (Rm) est de 1,50% avec un écart type de 5,73%. La valeur maximale (+28,55%) et la valeur minimale (-28,27%) sont respectivement observées en novembre 1981 et octobre 1987. Sa distribution présente une faible asymétrie négative (-0,17) et une concentration légèrement moins forte que la normale (3,68). Le rendement moyen mensuel sur les bons du Trésor est égal à 0,68% avec un écart type faible de 0,30%. Le rendement excédentaire de marché mensuel (Rm ¡ Rf ) présente approximativement la même distribution que Rm et vaut en moyenne 0,82% (9,84% par année). Les coe¢cients d’autocorrélation pour les trois variables (Rm, Rf et Rm ¡Rf ) sont respectivement de 22,73%, 85,60% et 23,64% et sont tous signi…cativement di¤érents de zéro. Durant les périodes de marchés haussiers, le rendement excédentaire moyen mensuel sur le marché est de 4,38%, tandis qu’il est de -4,05% quand le marché est baissier. Finalement, notons que l’écart type du rendement excédentaire de marché est plus faible dans les volets B et C que dans le volet A, c’est-à-dire respectivement en périodes de marché haussier et baissier. Insérer le tableau 1 2.2 Construction des portefeuilles Une des principales di¢cultés des tests du CAPM est que le vrai risque systématique est inconnu et qu’il faut l’estimer dans une première étape. Il est donc sujet à des erreurs de mesure. Ces erreurs de mesure ont pour e¤et, si la prime de risque est positive, de surévaluer l’ordonnée à l’origine et de sous-évaluer la prime de risque estimée. Nous avons opté pour la méthode la plus utilisée pour corriger ce problème : celle qui consiste à regrouper les titres en portefeuilles sur la base d’une variable non reliée à l’erreur de mesure, mais reliée au vrai bêta. La procédure utilisée est similaire à la méthodologie de Fama et MacBeth (1973), avec quelques ajustements pour tenir compte du nombre relativement limité de titres sur le marché canadien. Nous procédons par conséquent en trois étapes. Tout d’abord, nous estimons les bêtas des titres individuels en régressant les rendements de chaque titre individuel sur ceux du marché pour chaque fenêtre mobile de 5 ans (60 mois). Les 60 premières observations de notre base de données sont perdues pour estimer les premiers bêtas (janvier 1961). Le bêta d’un titre n’est estimé que si l’on dispose d’au moins 36/60 observations sur la fenêtre. Ainsi, le nombre de titres considérés dans chaque fenêtre varie ainsi entre 217 et 587, selon les mois. Ensuite, comme nous examinons l’e¤et conjoint du bêta et de la taille dans l’explication des rendements boursiers, nous ne regroupons pas les titres seulement sur la base du bêta, mais aussi sur la base de la taille. Banz (1981), Reinganum (1981), Chan et Chen (1988), mais aussi Fama et French (1992) ont montré que la corrélation entre le bêta et la taille est fortement négative. Ainsi, pour orthogonaliser davantage les deux variables explicatives, nous e¤ectuons un double tri dépendant sur la base de la taille d’abord, puis du bêta. 5 La méthode de formation des portefeuilles consiste à former en janvier de chaque année cinq portefeuilles sur la base d’un tri ascendant sur la taille (Si, i = 1 à 5) et par la suite à diviser chacun de ces cinq portefeuilles en quatre autres portefeuilles suivant un tri ascendant sur le bêta des titres (Bj, j = 1 à 4). Pour chacun de ces portefeuilles (SiBj), nous calculons les rendements mensuels équipondérés pour les 72 mois subséquents. Les 60 premières observations servant à estimer le premier bêta de portefeuille sont perdues. En faisant glisser la fenêtre, nous obtenons les 12 bêtas de portefeuille pour la première année (1966). La même procédure est répétée chaque année jusqu’en 1995. La taille des portefeuilles (le logarithme népérien de la valeur marchande) est calculée par simple moyenne arithmétique (5). Le tableau 2 présente les principales caractéristiques des 20 portefeuilles. Les rendements moyens mensuels des portefeuilles sont monotones décroissants par rapport à la capitalisation boursière. Le rendement par unité de risque est respectivement pour les portefeuilles Si (i=1 à 5; S1 (S5) représentant les portefeuilles composés de titres dont la capitalisation est la plus faible (forte)) de : 17,35%, 14%, 10,82%, 7,30% et 4,87%. A l’intérieur de ces portefeuilles composés selon la capitalisation boursière, les rendements moyens mensuels des portefeuilles ne sont dans aucun cas monotone croissants. Ces deux résultats préliminaires sont cohérents avec ceux obtenus par Fama et French (1992). Les coe¢cients d’autocorrélation, quant à eux, varient de 0,23% à 22,50%. Onze d’entre eux sont signi…cativement di¤érents de zéro. Ces derniers se situent pour l’essentiel dans les portefeuilles composés de titres de faible capitalisation boursière. La corrélation entre le coe¢cient d’autocorrélation et la taille moyenne des portefeuilles est d’ailleurs de -64,06%. Ceci est lié au fait que les transactions de certains titres sur le marché boursier canadien sont moins fréquentes et irrégulières (thin trading). ELZ utilisent l’estimateur de Dimson (1979) pour corriger ce problème. Cependant, comme l’ont noté Fowler, Rorke et Jog (1989) “Dimson’s method has been shown to have some mathematical problems that makes it, in fact, a biased estimate”. Dans cette étude, nous utilisons la méthode de Parks (1967) (voir annexe) pour tenir compte de l’autocorrélation. Les rendements excédentaires des 20 portefeuilles sont tous positifs (négatifs) et signi…cativement di¤érents de zéro durant les périodes où le rendement de marché excédentaire est positif (négatif). Les rendements excédentaires des 20 portefeuilles sont positifs et signi…cativement di¤érents de zéro en janvier dans 16 cas sur 20. Notons aussi que l’e¤et janvier est beaucoup plus accentué dans les portefeuilles composés d’actions d’entreprises de faible capitalisation boursière. Les rendements moyens mensuels observés en janvier sont de 6,62% pour le portefeuille S1. Insérer le tableau 2 2.3 Modèles Cette section présente les di¤érentes spéci…cations utilisées pour tester la relation risque-rendement des titres boursiers canadiens. Nous présentons les spéci…cations permettant de tester une relation non conditionnelle, puis conditionnelle. 6 2.3.1 Relations non conditionnelles Les spéci…cations non conditionnelles entre le risque et le rendement sont les suivantes : Rpt ¡ Rf t = ° 0 + ° 1 ¯^ pt + upt (1) Rpt ¡ Rf t = ° 0 + ° 1 ¯^ pt + ° 2 mept + up t Rpt ¡ Rf t = ° 0 + ° 1 ¯^ pt + ° 2 mept + ° 3 JAN + ° 4 JAN £ mept + up t (2) (3) où Rpt et Rf t représentent respectivement le rendement du portefeuille p et de l’actif sans risque au temps t; ¯^ pt est l’estimé du risque systématique du portefeuille p au temps t; mept est le logarithme de la capitalisation boursière du portefeuille p au temps t et JAN est une variable dichotomique prenant la valeur 1 si le mois considéré est janvier et 0 autrement; ° 1; ° 2; ° 3 et °4 sont respectivement les primes de risque mensuelles associées au bêta, à la taille, au mois de janvier et à l’e¤et croisé taille et mois de janvier; en…n, upt est le terme d’erreur. L’équation (1) nous permet de tester le CAPM. Les équations (2) et (3) tiennent compte des deux principales anomalies du CAPM, à savoir l’e¤et taille et l’e¤et janvier. Ainsi, nous véri…ons les e¤ets conjoints du bêta et de la taille dans l’explication de la variation des rendements de portefeuilles. Les hypothèses nulles testées sont les suivantes : °i = 0 pour i égal 1 à 4, contre les hypothèses alternatives °0 6= 0, °1 > 0; °2 < 0; °3 > 0 et °4 < 0. 2.3.2 Relations conditionnelles Les tests de la relation conditionnelle entre le risque et le rendement des titres canadiens portent sur les équations suivantes : ^ pt + ®2 (1 ¡ ±) ¯^ pt + upt R pt ¡ R ft = ®0 + ®1 ± ¯ ^ pt + ®2 (1 ¡ ±) ¯^ pt + ®3 mept + upt R pt ¡ R ft = ®0 + ®1 ± ¯ R pt ¡ R ft = ®0 + ®1 ± ^ ¯pt + ®2 (1 ¡ ±) ¯^ pt + ®3 ± mept + ®4 (1 ¡ ±) mep t + ®5 JAN + ®6 JAN £ mept + upt (4) (5) (6) où ± est une variable dichotomique prenant la valeur 1 si le rendement excédentaire de marché est positif (Rm ¡ Rf > 0), et zéro autrement. Nous testons la relation conditionnelle entre le risque et le rendement en utilisant la méthodologie de PSM; notons qu’une telle spéci…cation conditionnelle avait déjà été utilisée par Lakonishok et Shapiro (1984) ainsi que Chan et Lakonishok (1993). Selon PSM, les tests non conditionnels ne véri…ent pas directement la validité du CAPM, car la relation positive ex ante entre le risque systématique et le rendement anticipé telle que prédite par le CAPM n’induit pas forcement ex post une relation directe et positive entre le bêta et le rendement réalisé. Ainsi, ils conditionnent la relation risque-rendement à la prime de marché observée. Une relation positive (négative) devrait être inférée lorsque le rendement excédentaire de marché est positif (négatif). De plus, tout comme Lilti et Rainelli-Le Montagner (1998), nous avons introduit la taille dans la spéci…cation proposée par PSM pour voir la persistance de l’e¤et taille dans un modèle conditionnel. 7 Avec l’équation (4), nous estimons le CAPM conditionnellement au signe du rendement excédentaire de marché. Dans l’équation (5), nous testons la relation conditionnelle précédente en contrôlant pour la taille. En…n, dans l’équation (6), nous examinons les e¤ets conjoints du risque systématique, de la taille et du mois de janvier, en spéci…ant une relation conditionnelle au signe du rendement excédentaire de marché pour le bêta et la taille (6). Les hypothèses nulles testées sont les suivantes : ®i = 0 pour i égal de 1 à 5, contre les hypothèses alternatives ®0 6= 0, ®1 > 0, ®2 < 0, ®3 < 0; ®4 < 0; ®5 > 0; ®6 < 0. Pour véri…er si en moyenne les portefeuilles dont le bêta est élevé réalisent de plus grands rendements que les portefeuilles dont les bêtas sont faibles (positive risk-return tradeo¤), nous utilisons les conditions préconisées par PSM (p.108), à savoir : (i) le rendement excédentaire de marché est en moyenne positif et (ii) les primes de risque de marché estimées en périodes de marché haussier et baissier sont symétriques (®1 + ®2 = 0). 2.4 Méthodes d’estimation Nous utilisons trois méthodes pour estimer les paramètres des relations (1) à (6). La première méthode se base sur une estimation classique en deux étapes. Les seconde et troisième méthodes d’estimation procèdent en une étape en se basant sur des données de panel. Dans un premier temps, a…n de pouvoir directement comparer nos résultats avec ceux obtenus dans la littérature, nous utilisons la méthode en deux étapes suggérée par Fama et MacBeth (1973) et utilisée par CL ainsi que ELZ. Cette technique consiste à estimer la relation pour chaque mois de la période étudiée et ensuite à faire la moyenne des paramètres estimés. A titre d’exemple, dans le cas de l’équation (1), nous l’estimons dans une première étape en régressant les 20 rendements de portefeuille sur les 20 bêtas de portefeuille pour le mois t. Nous obtenons ainsi une estimation °^ it, i = 0; 1; pour ce mois. Nous répétons l’estimation pour tous les mois de janvier 1966 à décembre 1995 et obtenons ainsi une ensemble f^ ° it g360 Dans une seconde étape, nous calculons la moyenne 1 d’estimés. P des coe¢cients estimés °^ i = 360 °it =360: Le test reporté est le suivant: 1 ^ p ^°i 360 ¡ 1 ; ¾i où ¾ ^ i est l’écart type des estimations du paramètre °i : Cette technique simple à mettre en oeuvre présente toutefois de nombreuses di¢cultés : (i) elle présente l’inconvénient d’accorder le même poids aux di¤érents paramètres mensuels obtenus, et ce indépendamment du degré de signi…cation des paramètres mensuels (voir Huang et Litzenberger, 1988); (ii) les régressions e¤ectuées dans la première étape ne portent que sur un nombre d’observations réduit, 20 portefeuilles ici; (iii) elle ne permet pas de tenir compte des relations qui peuvent exister entre les chocs intertemporels. Ces di¢cultés ont pour conséquence une plus grande incertitude sur la valeur des estimations. A…n de contourner ce problème, nous estimons les équations (1) à (6) en utilisant des données de panel qui combinent toutes les observations relatives aux 20 8 portefeuilles quelle que soit la période considérée; le nombre d’observations est donc de 7200, soit 20 portefeuilles fois 360 mois (7). Nous obtenons ainsi directement une estimation et un test du paramètre qui nous intéresse, des tests F plus puissants et un coe¢cient de détermination global au lieu d’un coe¢cient de détermination moyen (Hsiao, 1986). Par ailleurs, Roll (1977) montre qu’en réalité, le test du CAPM est problématique. En e¤et, en montrant que le test du CAPM est très sensible au choix de l’indice de marché, il en déduit que le véritable portefeuille de marché – celui qui inclut tous les actifs – est nécessaire pour tester le CAPM. Or, le vrai portefeuille de marché est inobservable, ce qui introduit un doute quant à la possibilité de tester le CAPM. Roll et Ross (1994) montrent qu’il peut exister deux proxies qui ont la même moyenne et la même variance, dont le premier donne des résultats favorables et le second des résultats défavorables lorsqu’ils sont utilisés pour tester le CAPM (8). Toutefois, ces conclusions accablantes ont été atténuées par Kandell et Stambaugh (1995), qui les restreignent à l’utilisation des MCO. En e¤et, ces derniers montrent que plus le coe¢cient de détermination (R2) de l’estimateur des MCG augmente, plus l’indice de marché utilisé se rapproche de la frontière e¢ciente. Ainsi, les conclusions de Kandell et Stambaugh rendent caducs les tests sur la relation entre le risque et le rendement des titres boursiers canadiens basés sur les MCO. Étant donné la nature des données de panel, qui par dé…nition combinent l’aspect chronologique et transversal, les estimations obtenues par les moindres carrés ordinaires (MCO) sont inappropriées (voir Litzenberger et Ramaswamy, 1979). C’est pourquoi, nous estimons les équations (1) à (6) avec les MCO, mais aussi avec les moindres carrés généralisés (MCG) de façon à tenir compte de l’autocorrélation (Tableau 2) et de l’hétéroscédasticité. Pour ce faire, nous utilisons l’estimateur proposée par Parks (1967) (9). Comme nous le montrons dans l’annexe 1, cet estimateur est basé sur la méthode des MCG et permet à la matrice de variances-covariances des aléas de ne pas être diagonale par blocs. Tout comme la méthode de Zellner (1962), elle tient compte de l’hétéroscédacticité. Toutefois, à la di¤érence de la méthode de Zellner, elle permet également d’estimer les modèles en prenant en compte l’autocorrélation des aléas (Parks, 1967, p.501). Comme la méthode de Parks requiert l’estimation de la matrice de variances-covariances qui converge seulement asymptotiquement vers la vraie valeur, on s’attend à ce qu’elle donne de meilleurs résultats dans de grands échantillons, ce qui est le cas dans cet article. 3 3.1 Résultats Spéci…cations non conditionnelles Le tableau 3 présente les résultats des tests non conditionnels de la relation entre le risque et le rendement des portefeuilles d’actions canadiennes entre janvier 1966 et décembre 1995. Ces tests sont basés sur les équations (1), (2) et (3). Les volets A, B et C reprennent respectivement les résultats obtenus à l’aide des estimations en 2 étapes de Fama et MacBeth (1973), en une étape avec MCO, et en une étape avec MCG de Parks (1967). 9 Les résultats de l’estimation de l’équation (1) montrent que le CAPM non conditionnel standard est rejeté à un niveau de 5% pour toutes les méthodes d’estimation utilisées. Cependant, l’importance économique de ces primes estimées est très différente d’une méthode d’estimation à l’autre. En e¤et, les primes annuelles estimées sont respectivement de 12,96%, 15,00% et 5,64% selon les méthodes MCO en deux étapes (Volet A), MCO en une étape (Volet B) et MCG en une étape (Volet C). Par ailleurs, l’estimation de l’équation (2) montre que le risque lié à la capitalisation boursière n’est rémunéré que dans le cas où l’on utilise des méthodes d’estimation utilisant les MCO (Volets A et B). Le résultat utilisant les MCO en deux étapes (Volet A) est similaire à celui trouvé par ELZ (Tableau 3, p. 286), car, comme eux, nous trouvons une prime de marché pour le bêta (°1 ) non signi…cative, et une prime de marché pour la taille (°2) signi…cative et très proche (-0,22% contre -0,23%). Par contre, notre résultat di¤ère de celui de CL (Tableau 2, p. 30) qui trouvent une prime de marché pour le bêta positive et signi…cative et pas de prime pour la taille. A l’inverse, le coe¢cient associé au bêta reste signi…catif au seuil de 5% en utilisant les MCO en une étape, même si l’on contrôle pour la taille. Cependant, l’hypothèse nulle d’absence de primes de risque liées au bêta et à la taille ne peut être rejetée lorsque la relation est estimée en utilisant les MCG. En…n, lorsque le modèle tient compte à la fois du bêta, de la taille et du mois de janvier, équation (3), la prime associée au bêta diminue et n’est signi…cative que pour la méthode d’estimation en deux étapes avec MCO (Volet A). Il est intéressant de noter que l’e¤et taille disparaît pour l’ensemble des mois autres que janvier et ce pour l’ensemble des méthodes d’estimation. L’e¤et taille n’est donc signi…catif que pour le mois de janvier. Ce résultat est conforme à celui de CL. L’e¤et …xe janvier est considérable, il est supérieur à 10% pour l’ensemble des méthodes d’estimation utilisées, ce qui corrobore les résultats de Berges, McConnell et Schlarbaum (1984) et Athanassakos (1992). Comme dans le cas de l’équation (2) le coe¢cient associé au bêta n’est signi…catif que pour les MCO en une étape. A l’instar de Knez et Ready (1997), nous avons également testé la sensibilité des résultats aux observations extrêmes. Pour ce faire, nous avons estimé les paramètres avec la méthode des moindres carrés élagués (MCÉ ou Least Trimmed Squares) (10). Les résultats sont présentés dans le volet D. Alors que le coe¢cient estimé pour la taille est négatif et signi…catif dans le cas de l’équation (2) estimée par MCO, il n’est plus signi…catif lorsqu’il est estimé par les MCÉ. L’e¤et taille ne serait donc pas un e¤et moyen, mais un e¤et dû à quelques observations extrêmes. L’e¤et taille subsiste cependant au mois de janvier, même si l’on tient compte des données extrêmes. Insérer le tableau 3 Le tableau 3 rapporte les résultats des spéci…cations non conditionnelles entre le risque et le rendement. Cependant, comme le soutiennent PSM, ces résultats peuvent être biaisés dans la mesure où l’on ne tient pas compte de la di¤érence entre 10 les périodes où le rendement excédentaire de marché est positif ou négatif. D’ailleurs, les faibles coe¢cients de détermination vont dans le sens de cette critique. Nous analysons les résultats des spéci…cations conditionnelles dans la section suivante. 3.2 Spéci…cations conditionnelles Les tests sont basés sur les équations (4), (5) et (6) et les résultats sont donnés dans le tableau 4. Les volets A, B et C reprennent respectivement les résultats obtenus à l’aide des estimations en 2 étapes de Fama et MacBeth (1973), en une étape avec MCO et en une étape avec MCG de Parks (1967). Nous analysons ci-après les résultats des équations (4) à (6). La prime de risque ®1 estimée pour les périodes de marché haussier – les 208 mois où la prime de risque de marché est positive – est positive et signi…cative au seuil de 1% pour les trois méthodes d’estimation. Elle va de 3,28% par mois pour les MCG à 4,34% par mois pour les MCO en une étape. Ce résultat est semblable à celui obtenu par PSM (3,36%). Notons aussi que ces coe¢cients estimés sont proches de la prime de risque de marché moyenne observée pour les périodes haussières (4,38% dans le volet B du tableau 1). Ainsi, en situation de marché haussier, les portefeuilles dont le bêta est élevé ont en moyenne des rendements plus élevés que les portefeuilles dont le bêta est faible. Quant à la prime de risque ®2 pour les périodes de marché baissier – les 152 mois où le rendement excédentaire de marché est négatif – elle est négative et signi…cative au seuil de 1% pour toutes les méthodes d’estimation. Elle est également stable et va de -3,78% pour les MCÉ en une étape à -3,00% pour les MCO en deux étapes, alors que la valeur moyenne du rendement excédentaire de marché est de -4,05% (volet C du tableau 1). Ce résultat est similaire à celui de PSM sur le marché américain et Fletcher (1997) sur le marché britannique. Il provient du fait que les portefeuilles dont le bêta est élevé subissent plus de pertes que les portefeuilles dont le bêta est faible quand le marché est dans une phase baissière. Ce résultat s’explique par le fait que les portefeuilles avec un bêta élevé sont plus risqués, et devraient être perdants quant le risque se matérialise (marché baissier). Cependant, puisque ces portefeuilles à bêta élevé sont les perdants quand le marché est en baisse, ils devraient en contrepartie être gagnants quand le marché traverse une période haussière. Ceci est con…rmé par l’estimation de ®1 qui est positif. Remarquons que nos résultats di¤èrent de ceux de Lilti et RainelliLe Montagner (1998), qui rejettent aussi bien le bêta conditionnel que la taille dans l’explication des rendements boursiers français. Notons en…n l’amélioration des R2 obtenus, ce qui corrobore la supériorité de la spéci…cation conditionnelle du CAPM. L’équation (5) teste la robustesse des résultats précédents à l’inclusion de la taille comme variable explicative. Les coe¢cients associés aux bêtas pour les périodes de marché haussier et baissier demeurent robustes et signi…cativement di¤érents de zéro à un niveau de 1%. À l’exception de la méthode d’estimation des MCG, le coe¢cient associé à la taille est négatif et signi…catif. Lorsque les coe¢cients associés au bêta et à la taille sont conditionnels au signe de la prime de marché et que l’on prend en 11 compte un e¤et …xe pour janvier et l’e¤et croisé taille et janvier, équation (6), les coe¢cients associés aux bêtas en périodes de marché haussier et baissier demeurent signi…catifs à un niveau de 1%. Hormis les résultats obtenus par l’estimation en deux étapes, le coe¢cient associé à la taille n’est pas signi…catif en périodes de marché haussier, mais est signi…catif en périodes de marché baissier. Les résultats montrent également que l’e¤et taille est également présent en janvier, con…rmant le résultat obtenu par CL. En…n, l’e¤et …xe observé en janvier reste considérable, soit supérieur à 10%, quelle que soit la méthode d’estimation. Tous ces résultats sont robustes au fait d’élaguer les observations extrêmes (volet D). En ce qui a trait au test d’une rémunération pour le risque systématique, notons que la première condition de PSM (p. 108) est véri…ée au Canada, puisque le rendement excédentaire de marché est en moyenne positif à un niveau de 1% (0,82% par mois, t = 2,70, tableau 1). La dernière colonne du tableau 4 présente la seconde condition relative au test de symétrie permettant de comparer ®1 et ®2 (®1 + ®2 = 0). Comme le montre la valeur des statistiques de Student, nous ne pouvons rejeter l’hypothèse nulle de symétrie au niveau de 5% pour aucune des méthodes d’estimation. Ce dernier résultat corrobore l’assertion de PSM voulant que les tests traditionnels sont biaisés, du fait de la compensation de ces deux relations symétriques. Ces deux résultats rejoignent ceux de PSM et valident l’approche développée par ces auteurs. Insérer le tableau 4 4 Conclusion Cette étude examine tout d’abord la relation non conditionnelle entre le rendement, le bêta et la capitalisation boursière des entreprises canadiennes, puis une relation conditionnelle au signe du rendement excédentaire de marché qui permet de tenir compte des critiques de PSM (1995). La période de test est de 30 ans (janvier 1966 à décembre 1995) et le nombre d’entreprises considéré par année va de 217 à 587. L’échantillon est donc beaucoup plus important que ceux analysés par Calvet et Lefoll (1989) ou Elfakhani, Lockwood et Zaher (1998). A l’instar de ces études, une méthode d’estimation en deux étapes (MCO comme dans Fama et MacBeth, 1973) est utilisée pour mesurer les primes associées au risque systématique et à la capitalisation boursière des entreprises. Toutefois, deux autres méthodes d’estimation, en une seule étape (en données de panel), donc plus puissantes, sont également utilisées. La première méthode est basée sur les MCO, alors que la seconde est fondée sur les MCG et tient compte des problèmes d’hétéroscédasticité et d’autocorrélation des résidus, et des critiques de Roll et Ross (1994) et Kandell et Stambaugh (1995). En…n, l’incidence des observations extrêmes et du mois de janvier sur l’e¤et taille est également examinée pour tenir compte des critiques respectifs de Knez et Ready (1997) et Calvet et Lefoll (1989). Les principaux résultats sont les suivants. Les résultats des tests non conditionnels relatifs au risque systématique sont contrastés. Tout d’abord, même si la prime associée au risque systématique est positive et signi…cative pour toutes les méthodes 12 d’estimation utilisées, elle varie de façon importante d’une méthode d’estimation à l’autre. Ensuite, si l’on tient compte de la capitalisation boursière des entreprises, les primes diminuent en valeur absolue, voire ne sont plus signi…catives, si l’on considère la meilleure méthode d’estimation (MCG Parks). La relation négative entre le rendement et la taille des entreprises canadiennes est le fait de quelques observations extrêmes, car on ne peut rejeter l’hypothèse nulle lorsque les moindres carrés élagués (Knez et Ready, 1997) sont utilisés. Toutefois, l’e¤et taille persiste au mois de janvier même si l’on tient compte des observations extrêmes. Ce résultat est conforme à celui de Calvet et Lefoll (1989). En…n, nous observons un e¤et …xe très important pour le mois de janvier, ce qui corrobore les résultats de Berges, McConnell et Schlarbaum (1984) et Athanassakos (1992). Les résultats des tests conditionnels relatifs au risque systématique des actions canadiennes sont beaucoup plus clairs. La prime associée au risque systématique en marché haussier (baissier) est positive (négative), signi…cative et stable quelles que soient les méthodes d’estimation considérées. Ce résultat est conforme à celui de Pettengill, Sundaram et Mathur (1995). Les coe¢cients de détermination observés pour les tests conditionnels sont beaucoup plus importants que ceux des tests non conditionnels, ce qui montre la supériorité de cette spéci…cation. En…n, les tests de symétrie faits sur ces primes obtenues en périodes haussières et baissières millitent en général pour un compromis positif entre le risque et le rendement, c’est-à-dire que les portefeuilles dont le bêta est élevé réalisent en moyenne de meilleurs rendements que les portefeuilles dont le bêta est faible. Ces tests conditionnels font également ressortir que l’e¤et taille n’est signi…catif que durant les périodes de marché baissier et au mois de janvier. L’e¤et …xe pour le mois de janvier reste également très signi…catif dans la spéci…cation conditionnelle de la relation risque-rendement. 13 A Annexe: La méthode de Parks La méthode de Parks di¤ère des autres méthodes d’estimation en tenant compte simultanément de l’autocorrélation et de l’hétéroscédasticité des aléas. En e¤et, Parks suppose que les aléas upt sont suivent un processus auto-régressif stationnaire d’ordre 1 : upt = ½pupt¡1 + "pt (7) où ½p < 1, et "pt est un bruit blanc de variance $pq : Ce processus tient compte de l’autocorrélation des résidus et peut être généralisé à l’ordre 2 et plus. De plus, Parks suppose que : E(u2pt ) = ¾pp; pour tout t Cov(upt uqt ) = ¾pq (8) (9) En e¤et, l’équation (8) tient compte de l’hétéroscédasticité car la variance des portefeuilles n’est pas à priori identique. En…n, l’équation (9) permet la corrélation contemporaine des aléas entre les portefeuilles. Soit u le vecteur des aléas, la matrice de variances-covariances V s’ecrit alors : 2 où 3 ¾1;1P1;1 ¾2;1P2;1 .. . ¾1;2 P1;2 : : : ¾1;20P1;20 6 ¾2;2 P2;2 : : : ¾2;20P2;20 7 6 7 7 V = E(u u0) = 6 .. .. 6 7 4 . . 5 ¾20;1P20;1 ¾20;2 P20;2 : : : ¾20;20P20;20 2 Pp;q 3 ½q ½2q : : : ½359 q 6 7 1 ½q : : : ½358 6 q 7 6 7 357 ½p 1 : : : ½q 7 =6 6 .. .. .. .. 7 6 7 4 . . . . 5 358 357 ½359 p ½p ½p : : : 1 1 ½p ½2p .. . (10) (11) La matrice de variances-covariances V est plus générale que celles des MCO et Zellner (1962). En e¤et, la matrice de variance-covariance de Zellner est bloc diagonale. Parks permet aussi bien la corrélation contemporaine et non contemporaine. V est estimée en deux étapes. Dans la première nous calculons ^mco; et estimons le paramètre du processus le vecteur des résidus u ^ = R ¡X ¡ auto-regréssif P360 ^ pt u ^pt¡1 t=1 u ^½p = P : 360 2 ^ pt¡1 t=1 u c¤ à partir Dans une deuxième étape, nous réestimons les termes de perturbation u des MCO, en tenant compte du coe¢cient de corrélation estimé. Par la suite les estimateurs des variances contemporaines et non contemporaines des portefeuilles sont calculés : ¾ ^ pq = $ ^ pq (1 ¡ ^½p ^½q )¡1 14 où $ ^ pq 360 X 1 = u ^¤ u ^¤ (360 ¡ k) t=1 pt pt¡1 Le vecteur des paramètres est estimé par l’estimateur des MCG d’Aitken : ^ ¡1 X¡1X0 V ^ ¡1 R X0 V (12) où X est la matrice des facteurs de risque; R est le vecteur de la prime de risque des portefeuilles (R =fRpt ¡ Rft g). 15 NOTES (1) Les trois facteurs de risque sont les suivants: la prime de marché, la différence de rendement entre deux portefeuilles constitués d’actions d’entreprises de faible capitalisation boursière et de forte capitalisation boursière, et la di¤érence de rendement entre des portefeuilles constitués d’actions d’entreprises dont le ratio de la valeur comptable à la valeur marchande des fonds propres est élevé et d’actions dont le même ratio est faible. (2) À la di¤érence de ELZ, le ratio valeur comptable sur valeur marchande des fonds propres n’est pas considéré dans l’étude. En e¤et, la prise en compte de cette variable aurait pour e¤et de réduire considérablement la taille de notre échantillon. (3) En guise de comparaison avec les études de CL (1989) et PSM (1995), nous avons utilisé les rendements équipondérés plutôt que les rendements pondérés. Contrairement à l’a¢rmation de ELZ (1998, note 4), les résultats des tests non conditionnels sont sensibles à l’indice de marché utilisé. Cependant, le choix de l’indice de marché ne change pas les résultats des tests conditionnels. Les résultats des estimations ne sont pas reportés ici, mais sont disponibles sur demande. (4) Nous expliquons dans la section suivante pourquoi on passe d’un échantillon initial de 40 ans à une période d’estimation de 30 ans. (5) Sur le marché canadien, notre étude est comparable à celles d’ELZ (1998) et CL (1989). La di¤érence notable entre ces deux études et la nôtre est sur la taille de l’échantillon utilisé. CL ont un échantillon de 239 mois (février 1963 - décembre 1982). ELZ ont un échantillon de 211 mois (juin 1975 - décembre 1992). Nous utilisons dans cette étude un échantillon de 610 mois (janvier 1956 - décembre 1995). Concernant la méthode de formation des portefeuilles, la méthodologie utilisée est comparable, sauf que CL utilisent 15 portefeuilles, tandis qu’ ELZ utilisent 25 portefeuilles. En…n, ces deux études utilisent la même méthode d’estimation, soit les moindres carrés ordinaires en deux étapes. (6) Nous remercions un évaluateur anonyme qui nous a suggéré également de faire les tests sur la taille de façon conditionnelle. (7) L’utilisation de cette technique en …nance remonte à Litzenberger et Ramaswamy (1979). Voir aussi Ferson et Harvey (1999) pour une utilisation récente. (8) Voir aussi Grauer (1999). (9) Plusieurs études ont montré la présence d’hétéroscédasticité dans les données canadiennes – voir par exemple Fowler, Rorke et Jog (1979). Aussi, notons que la méthode d’estimation de Parks a été récemment utilisée par Shyam-Sunder et Myers (1999). (10) Cette méthode identi…e dans un premier temps les observations extrêmes par le test D de Cook. Dans un second temps, le modèle est réestimé par les MCO en une étape en ayant écarté les principales observations extrêmes (0,5% de l’échantillon ici, soit 36 observations). 16 BIBLIOGRAPHIE Athanassakos, G., 1992, Portfolio Rebalancing and the January E¤ect in Canada, Financial Analysts Journal, 67-78. Banz, R. W., 1981, The Relationship Between Return and Market Value of Common Stocks, Journal of Financial Economics, 9, 3-18. Berges A., J. McConnell et G. Schlarbaum, 1984, The Turn of the Year in Canada, Journal of Finance, 39, 185-192. Blume M. et R. Stambaugh, 1983, Biases in Computed Returns: an Application to the Size E¤ect, Journal of Financial Economics, 12, 387-404. Calvet, A. L. et J. Lefoll, 1989, Risk and Return on Canadian Markets: Seasonality and Size E¤ect, Finance, 10, 21-39. Chan, K. C. et N. Chen, 1988, An Unconditional Asset-Pricing Test and The Role of Firm Size as an Instrumental Variable for Risk, Journal of Finance, 43, 309-315. Chan, K.C. et N. Chen, 1991, Structural and Return Characteristics of Small and Large Firms, Journal of Finance, 46, 1467-1484. Chan L. et J. Lakonishok, 1993, Are the Reports of Beta’s Death Premature?, Journal of Portfolio Management, 19, 51-63. Dimson, E., 1979, Risk Measurement when Shares are Subject to Infrequent Trading, Journal of Financial Economics, 7, 197-226. Elfakhani, S., L. J. Lockwood et T. S. Zaher, 1998, Small Firm and Value E¤ects in the Canadian Stock Market, Journal of Financial Research, 21, 227-291. Fama, E. F. et J. D. MacBeth, 1973, Risk, Return, and Equilibrium: Empirical Tests, Journal of Political Economy, 81, 607-636. Fama, E. F. et K. R. French, 1992,The Cross-Section of Expected Stock Returns, Journal of Finance, 46, 427-465. Fama, E. F. et K. R. French, 1996, Multifactor Explanations of Asset Pricing Anomalies, Journal of Finance, 51, 55-84. Fama, E. F. et K. R. French, 1997, ”Industry costs of equity”, Journal of Financial Economics, 43, 153-193. Ferson W. et C. Harvey, 1999, Conditioning Variables and the Cross Section of Stock Returns, Journal of Finance, 54, 1325-1360. 17 Fletcher, J., 1997, An Examination of the Cross-Sectional Relationship of Beta and Return: UK Evidence, Journal of Economics and Business, 49, 211-221. Fowler, D. J., C. H. Rorke et V. M. Jog, 1979, Heteroscedasticity, R2 and Thin Trading on the Toronto Stock Exchange, Journal of Finance, 34, 1201-1210. Fowler, D. J., C. H. Rorke et V. M. Jog, 1989, A Bias-Correcting Procedure for Beta Estimation in the Presence of Thin Trading, Journal of Financial Research, 12, 23-32. Grauer, R. R., 1999, On the Cross-sectional Relation between Expected Returns, Betas and Size, Journal of Finance, 54, 773-789. Hsiao, C., 1986, Analysis of Panel Data, New York : Cambridge University Press. Huang C. F. et R. H. Litzenberger, 1988, Fondations for Financial Economics, NorthHolland. Jagannathan R. et Z. Wang, 1996, The Conditional CAPM and the Cross-Section of Expected Returns, Journal of Finance, 51, 3-53. Kandell, S. et R. F. Stambaugh, 1995, Portfolio Ine¢ciency and the Cross-section of Expected Returns, Journal of Finance, 50, 157-184. Keim, D., 1983, Size-Related Anomalies and Stock Return Seasonality: Further Empirical Evidence, Journal of Financial Economics, 12, 13-32. Kim, D., 1997, A Reexamination of Firm Size, Book-to-Market, and Earnings Price in the Cross-Section of Expected Stock Returns, Journal of Financial and Quantitative Analysis, 32, 463-489. Knez, P. J. et M. J. Ready, 1997, On the Robustness of Size and Book-to-Market in Cross-Sectional Regressions, Journal of Finance, 1355-1382. Lakonishok J., A. Shleifer et R. W. Vishny, 1994, Contrarian Investment, Extrapolation, and Risk, Journal of Finance, 48, 1541-1578. Lakonishok J. et A. Shapiro, 1984, Stock Returns, Beta, Variance and Size: an Empirical Analysis, Financial Analysts Journal, 40, 36-42. Lilti, J. F. et R. Rainelli-Le Montagner, 1998, Beta, Size and Returns: a Study on the French Stock Exchange, Applied Financial Economics, 8, 13-20. Litzenberger, R. H. et K. Ramaswamy, 1979, The E¤ect of Personal Taxes and Dividends on Capital Asset Prices, Journal of Financial Economics, 7, 163-195. Loughran T., 1997, Book-to-Market Across Firm Size, Exchange, and Seasonality: 18 is There an E¤ect ?, Journal of Financial and Quantitative Analysis, 30, 607-618. Lyon, J. D., B. M. Barber et C. Tsai, 1999, Improved Methods for Tests of Long-Run Abnormal Stock Returns, Journal of Finance, 54, 165-201. Parks, R. W., 1967, E¢cient Estimation of System of Regression Equations when Disturbances are Both Serially and Contemporaneously Correlated, Journal of American Statistical Association, 62, 500-509. Pettengill, G. N., S. Sundaram et I. Mathur, 1995, The Conditional Relation between Beta end Return, Journal of Financial and Quantitative Analysis, 30, 101-116. Reinganum, M. R., 1981, A New Empirical Perspective on the CAPM, Journal of Financial and Quantitative Analysis, 16, 439-461. Roll, R., 1977, A critique of the Asset Pricing Theory’s Tests: Part 1: On Past and the Potential Testability of the Theory, Journal of Financial Economics, 4, 129-176. Roll, R. et S. Ross, 1994, On the Cross-sectional Relation Between Expected Returns and Betas, Journal of Finance, 49, 101-121. Shyam-Sunder, L. et S. C. Myers, 1999, Testing Static Tradeo¤ Against Pecking Order Models of Capital Structure, Journal of Financial Economics, 51, 219-244. Zellner, A., 1962, An E¢cient Method of Estimating Seemingly Unrelated Regressions and Tests for Aggregation Bias, Journal of American Statistical Association, 57, 348-368. 19 TABLEAU 1 Statistiques Descriptives sur le Rendement Excédentaire de Marché et ses Composantes Principales statistiques descriptives [moyenne, écart type, coe¢cient d’asymétrie, coe¢cient d’aplatissement, maximum, médiane, minimum, coe¢cient d’autocorrélation d’ordre 1, ½(1), et le pourcentage de valeurs positives observées] des rendements mensuels de l’indice équip ondéré (Rm ), des bons du Trésor à 3 mois (Rf ) et du rendement excédentaire du marché (Rm¡Rf ) sur la p ériode de test allant de janvier 1966 à décembre 1995. Moy. (%) É. T. (%) Rm Rf Rm ¡ Rf 1,50 5,73 Rm Rf Rm ¡ Rf 5,03 0,65 4,38 Asym. Aplat. Max (%) Méd. (%) Volet A : Pour l’échantillon total -0,17 3,68 28,55 1,49 Min (%) ½(1) -28,27 22,73a 62,22 a 100,00 57,78 (%) 0,68 0,30 1,01 1,99 1,91 0,66 0,00 85,60 0,82 5,76 -0,24 3,80 27,85 0,92 -29,27 23,64a Volet B : Lorsque le rendement excédentaire de marché est positif, Rm ¡ Rf 3,91 0,29 3,85 2,12 1,01 2,14 7,22 2,43 7,50 28,55 1,91 27,85 4,12 0,64 3,41 0,40 0,00 0,06 16,60a 80,98a 14,76a Volet C : Lorsque le rendement excédentaire de marché est négatif, Rm ¡ Rf Rm -3,33 4,09 -2,58 10,12 0,69 -2,35 -28,27 6,90 Rf 0,71 0,30 1,02 1,61 1,90 0,68 0,24 88,48a Rm ¡ Rf -4,05 4,16 -2,59 10,16 -0,01 -2,97 -29,27 8,60 a indique que ½(1) est signi…cativement di¤érent de 20 zéro au seuil de 5%. % Val. + (%) >0 100,00 100,00 100,00 ·0 10,53 100,00 0,00 TABLEAU 2 Statistiques Descriptives sur les Portefeuilles Principales statistiques descriptives des portfeuilles [moyenne, écart type, et coe¢cient d’autocorrélation d’ordre 1, moyenne en périodes de marché haussier, moyenne en périodes de marché baissier, moyenne en janvier, moyenne pour les mois autre que janvier du rendement excédentaire des 20 portefeuilles (Rp ¡Rf ), moyenne du bêta des 20 p ortefeuilles (¯ p ), et moyenne du logarithme de la capitalisation boursière (mep ) des 20 portfeuilles] sur la période de test allant de janvier 1966 à décembre 1995, Si (i=1 à 5) représente le portefeuille classé selon la taille et Bj (j=1 à 4) représente le portefeuille classé selon le bêta. A titre d’exemple, le portefeuille S1B1 représente le portefeuille constitué des actions dont la capitalisation est la plus faible, mais à l’intérieur duquel les bêtas sont les plus faibles. Portefeuilles Moy. É. T. ½(1) Rp ¡ Rf Hausse (%) Baisse Janv. Autres ¤¤ ¤¤ ¤¤ 1,60 ¤¤ 0,99¤ 1,42 ¤¤ 1,23¤ ¤¤ 10,99 9,25 10,00 10,15 17,19 22,50a 11,65a 19,90a 1,75¤¤ 0,86¤ 0,85¤ 1,04¤¤ 1,18¤¤ 7,93 6,63 6,69 6,43 8,31 29,62a 21,71a 17,20a 13,85a 12,75a 0,98¤¤ 5,76 21,45a S3B1 S3B2 S3B3 S3B4 S3 0,68 0,44 0,85¤ 0,77 0,68 4,91 5,02 6,93 8,44 5,30 a 18,79 12,65a 7,66 2,41 12,95a S4B1 S4B2 S4B3 S4B4 0,19 0,55 0,49 0,45 4,23 5,57 6,05 7,14 7,50 4,83 15,64a 5,70 S4 S5B1 S5B2 S5B3 0,42 0,18 0,09 0,35 4,92 4,16 4,98 5,28 11,82a 11,65 8,36 3,94 S5B4 S5 0,38 0,25 6,09 4,75 0,23 5,80 S1B1 S1B2 S1B3 S1B4 2,08 1,43¤¤ 1,78¤¤ 1,72¤¤ S1 S2B1 S2B2 S2B3 S2B4 S2 ¤¤ a indique que ¤ ¤¤ et a 6,13 5,56¤¤ 6,07¤¤ 6,53¤¤ 6,07¤¤ 3,62¤¤ 4,09¤¤ 4,36¤¤ 5,30¤¤ 4,34¤¤ ¤¤ 2,82 2,96¤¤ 4,16¤¤ 5,15¤¤ 3,77¤¤ 2,23¤¤ 3,12¤¤ 3,39¤¤ 4,02¤¤ 3,19¤¤ 2,26¤¤ 2,61¤¤ 2,99¤¤ 3,47¤¤ 2,83¤¤ -3,46 -4,22¤¤ -4,08¤¤ -4,86¤¤ -4,16¤¤ -2,91¤¤ -3,59¤¤ -3,50¤¤ -4,46¤¤ -3,61¤¤ ¤¤ -2,25 -3,02¤¤ -3,69¤¤ -5,22¤¤ -3,55¤¤ -2,60¤¤ -2,96¤¤ -3,48¤¤ -4,43¤¤ -3,37¤¤ -2,67¤¤ -3,37¤¤ -3,26¤¤ -3,86¤¤ -3,29¤¤ ½(1) est signi…cativement di¤érent de ¯p me p 0,95 1,13 1,26 1,48 16,76 16,57 16,43 16,52 1,31 ¤¤ 0,58 0,52 0,78¤ 0,79 1,21 0,71 0,91 1,04 1,21 16,57 17,37 17,52 17,53 17,33 4,46¤¤ 0,67 ¤¤ 0,97 17,44 4,09 2,92 ¤ 3,53 ¤ 5,90 ¤ 4,11¤¤ 0,37 0,21 0,60 0,30 0,37 0,64 0,77 0,97 1,19 0,89 18,24 18,22 18,24 18,18 18,22 2,72¤¤ 2,67 ¤ 2,56 ¤ 2,90 -0,04 0,36 0,30 0,23 0,58 0,76 0,84 1,06 19,01 19,14 19,05 19,13 2,71¤¤ 1,35 1,82 2,72 ¤ 0,21 0,07 -0,07 0,14 0,81 0,58 0,72 0,80 19,08 21,26 20,88 20,90 2,05 1,99 0,22 0,09 0,95 0,76 20,46 20,87 7,32 6,25¤¤ 5,77¤¤ 7,15¤¤ 6,62¤¤ 3,91 ¤ 4,49¤¤ 3,95 ¤ 5,48¤¤ ¤¤ zéro au seuil de 5% indiquent respectivement que le paramètre est signi…catif à un niveau de 5% et 1%. 21 TABLEAU 3 Estimation des primes de risque non conditionnelles Primes de risque mensuelles non conditionnelles associées au b êta et à la taille, estimées sur la période de janvier 1966 à décembre 1995 à partir des équations suivantes : Rpt ¡ Rf t = ° 0 + ° 1 ¯^ pt + upt Rpt ¡ Rf t = ° 0 + ° 1 ¯^ pt + ° 2 mept + up t Rpt ¡ Rf t = ° 0 + ° 1 ¯^ pt + ° 2 mept + ° 3 JAN + ° 4 JAN £ mept + up t (1) (2) (3) où Rpt et Rft représentent respectivement le rendement du portefeuille p et de l’actif sans risque au temps t; ¯^ est l’estimé du risque systématique du p ortefeuille p au temps t ; mept est le pt logarithme de la capitalisation boursière du p ortefeuille p au temps t et JAN est une variable dichotomique prenant la valeur 1 si le mois considéré est janvier et 0 autrement; °1 ; °2 ; °3 et °4 sont respectivement les primes de risque mensuelles associées au bêta, à la taille, au mois de janvier et à l’e¤et croisé taille et mois de janvier (JAN£mept ); en…n, upt est le terme d’erreur. Ces équations sont testées en utilisant trois méthodes d’estimation di¤érentes : une méthode en deux étapes en utilisant les MCO (volet A), une méthode en une étape (en données de panel) en utilisant les MCO (volet B) et en…n une méthode en une étape en utilisant les MCG de Parks (1967) (volet C). L’e¤et des observations extrêmes a été abordé en utilisant les MCÉ (volet D). Les t-statistiques sont entre parenthèses. 22 Équations °0 °1 °2 °4 R2 NA NA 0,1564 NA NA 0,2492 0,1895 ¤¤ (3,387) -0,0089 ¤¤ (-3,265) 0,2492 NA NA 0,0028 NA NA 0,0033 0,1875 ¤¤ (5,508) -0,0083 ¤¤ (-4,517) 0,0231 NA 0,0004 NA 0,0006 -0,0044 ¤¤ (-3,526) 0,0107 NA NA 0,0015 NA NA 0,0018 0,1661 ¤¤ (5,077) -0,0075 ¤¤ (-4,257) 0,0172 °3 Volet A : MCO (2 étapes) (1) (2) (3) -0,0017 (-0,568) 0,0445 ¤¤ (3,822) 0,0313 ¤¤ (2,747) 0,0108 ¤¤ (2,630) 0,0050 (1,245) 0,0050 (1,245) NA -0,0022 ¤¤ (-3,963) -0,0016 ¤¤ (-2,946) Volet B : MCO (1 étape) (1) (2) (3) (1) (2) (3) -0,0035 (-1,276) 0,0198 (1,559) 0,0032 (0,248) 0,0125 ¤¤ (4,526) 0,0096 ¤¤ (3,043) 0,0095 ¤¤ (3,037) -0,0006 (-0,231) 0,0095 (1,053) 0,0010 (0,114) Volet C : MCG de Parks (1 étape) 0,0047 ¤ NA NA (1,718) 0,0039 -0,0005 NA (1,390) (-1,165) 0,0041 -0,0001 0,1050 ¤¤ (1,476) (-0,313) (4,233) NA -0,0011 ¤ (-1,875) -0,0004 (-0,599) Volet D : MCÉ (1 étap e) (1) (2) (3) -0,0009 (-0,340) 0,0163 (1,386) 0,0045 (0,375) 0,0087 ¤¤ (3,320) 0,0064 ¤ (2,128) 0,0068 ¤ (2,315) NA -0,0008 (-1,473) -0,0003 (-0,558) ¤ et ¤¤ indiquent resp ectivement que le paramètre est signi…catif à un niveau de 5% et 1%. 23 TABLEAU 4 Estimation des primes de risque conditionnelles Primes de risque mensuelles conditionnelles associées au bêta et à la taille, estimées sur la période de janvier 1966 à décembre 1995 à partir des équations suivantes : Rpt ¡Rf t = ®0 +®1 ± ¯^ pt +®2 (1 ¡ ±) ¯^ pt +upt Rpt ¡Rf t = ®0 +®1 ± ¯^ +®2 (1 ¡ ±) ¯^ +®3 mept +upt pt pt Rpt ¡Rf t = ®0 +®1 ± ¯^ pt +®2 (1 ¡ ±) ¯^ pt +®3 ± mept+ ®4 (1 ¡ ±) mept +®5 J AN + ®6 J AN £ mept +upt (4 ) (5 ) (6 ) où Rpt et Rf t représentent respectivement le rendement du p ortefeuille p et de l’actif sans risque au temps t; ^¯ est l’estimé du risque systématique du portefeuille p au temps t; mept pt est le logarithme de la capitalisation boursière du portefeuille p au temps t et JAN est une variable dichotomique prenant la valeur 1 si le mois considéré est janvier et 0 autrement; ± est une variable dichotomique prenant la valeur 1 lorsque la prime de risque de marché est positive et zéro autrement; en…n, upt est le terme d’erreur. Ces équations sont testées en utilisant trois méthodes d’estimation di¤érentes : une méthode en deux étapes en utilisant les MCO (volet A), une méthode en une étape (en données de panel) en utilisant les MCO (volet B) et en…n une méthode en une étap e en utilisant les MCG de Parks (1967) (volet C). L’e¤et des observations extrêmes a été abordé en utilisant les MCÉ (volet D). Les t-statistiques sont entre parenthèses. 24 Eq. ®0 ®1 ®2 ®3 -0,0017 (-0,568) 0,0445¤¤ (3,822) 0,0313¤¤ (2,747) 0,0405¤¤ -0,0300¤¤ (8,174) 0,0328¤¤ (6,653) 0,0328¤¤ (6,653) (-5,551) -0,0330¤¤ (-6,034) -0,0330¤¤ (-6,034) -0,0012 (-0,544) 0,0298¤¤ (2,780) 0,0159 (1,457) ¤¤ 0,0434 (17,954) 0,0395¤¤ (14,421) 0,0303¤¤ (9,664) ¤¤ -0,0357 (-14,220) -0,0396¤¤ (-13,977) -0,0265¤¤ (-7,370) -0,0002 (-0,078) 0,0115 (1,442) 0,0030 (0,381) 0,0328¤¤ -0,0321¤¤ (12,124) 0,0316¤¤ (11,344) 0,0264¤¤ (8,810) (-10,480) -0,0331¤¤ (-10,546) -0,0259¤¤ (-7,392) 0,0404 (18,009) 0,0373¤¤ (14,697) 0,0267¤¤ (9,390) ¤¤ ®4 ®5 ®6 R2 Volet A : MCO (2 étapes) (4) (5) (6) NA -0,0022¤¤ (-3,963) -0,0024¤¤ (-3,052) NA NA NA 0,15 NA NA NA 0,24 -0,0006 (-0,789) 0,1895¤¤ (3,387) -0,0089 ¤¤ (-3,265) 0,24 Volet B : MCO (1 étape) (4) (5) (6) NA -0,0015¤¤ (-2,964) -0,0003 (-0,663) NA NA NA 0,28 NA NA NA 0,28 -0,0015 ¤¤ (-2,931) 0,1427¤¤ (4,946) -0,0064 ¤¤ (-4,111) 0,30 Volet C : MCG de Parks (1 étape) (4) (5) (6) NA -0,0006 (-1,525) 0,0002 (0,392) NA NA NA 0,19 NA NA NA 0,19 -0,0007¤ (-1,749) 0,1055¤¤ (4,353) -0,0044 ¤¤ (-3,600) 0,22 Volet D : MCE (1 étape) (4) (5) (6) 0,0004 (0,183) 0,0239¤¤ (2,463) 0,0156 (1,586) -0,0378 (-16,224) -0,0410¤¤ (-15,601) -0,0290¤¤ (-8,702) NA -0,0011 (-2,486)¤¤ -0,0002 (-0,438) NA NA NA 0,32 NA NA NA 0,32 -0,0014 ¤¤ (-2,931) 0,1036¤¤ (3,915) ¤ et ¤¤ indiquent resp ectivement que le paramètre est signi…catif à un niveau de 5% et 1%. 25 -0,0046 ¤¤ (-3,243) 0,33