Show item record

dc.contributor.advisorGarcia, René
dc.contributor.authorPondi Endengle, Eric Marius
dc.date.accessioned2019-05-14T16:57:13Z
dc.date.availableNO_RESTRICTIONfr
dc.date.available2019-05-14T16:57:13Z
dc.date.issued2019-03-13
dc.date.submitted2018-08
dc.identifier.urihttp://hdl.handle.net/1866/21778
dc.subjectFacteurs inutilesfr
dc.subjectPrime de risquefr
dc.subjectFacteurs d'actualisation stochastiquefr
dc.subjectModèles mal spécifiésfr
dc.subjectDistance de Hansen-Jagannathanfr
dc.subjectFonctions de divergencefr
dc.subjectMoments d'ordre élevéfr
dc.subjectUseless factorsfr
dc.subjectRisk premiumfr
dc.subjectStochastic discount factorsfr
dc.subjectMisspecified modelsfr
dc.subjectHansen-Jagannathan distancefr
dc.subjectDiscrepancy functionsfr
dc.subjectHigher-order momentsfr
dc.subject.otherEconomics - Finance / Économie - Finances (UMI : 0508)fr
dc.titleEssays in empirical asset pricingfr
dc.typeThèse ou mémoire / Thesis or Dissertation
etd.degree.disciplineSciences économiquesfr
etd.degree.grantorUniversité de Montréalfr
etd.degree.levelDoctorat / Doctoralfr
etd.degree.namePh. D.fr
dcterms.abstractCette thèse comprend trois chapitres dans lesquels sont développés des outils de comparaison et d’analyse dynamique des modèles linéaires d’évaluation d’actifs. Dans le premier chapitre, j’introduis la notion de facteurs inutiles par intermittence; il s’agit de facteurs dont la pertinence n’est pas figée dans le temps (parfois utiles, parfois inutiles). Sous ce nouveau cadre théorique, je développe une méthode d’inférence sur les primes de risque. A chaque période, ma méthode permet d’estimer de façon consistante la prime de risque des facteurs utiles, tout en étant robuste à la présence de facteurs inutiles par intermittence. Empiriquement, j’analyse le modèle Fama-French à cinq facteurs. Il apparait qu’à l’exception du marché, tous les facteurs de ce modèle sont inutiles par intermittence, même s’ils demeurent pertinents 90 pourcent du temps. Dans le second chapitre, je développe une méthode d’inférence sur les paramètres dynamiques d’un facteur d’actualisation stochastique (SDF) mal spécifié. J’étends au cadre des SDF conditionnels, l’analyse de Gospodinov, Kan & Robotti (2014); les coefficients et les covariances varient ici dans le temps. Cette nouvelle méthode permet d’éliminer les effets négatifs des facteurs inutiles, et de restaurer la pertinence des facteurs importants, le tout en étant robuste aux erreurs de spécification du modèle. Empiriquement, j’analyse l’évolution de 1963 à 2016, de la pertinence de certains modèles d’évaluation d’actifs. Il apparait que les modèles Fama-French à trois et à cinq facteurs sont les deux meilleurs modèles sur les 50 dernières années. Cependant depuis 2000, le meilleur modèle est le modèle à quatre facteurs de Carhart, suivi du modèle Fama-French à cinq facteurs. Une analyse des modèles possédant des facteurs non échangeables sur les marchés montre que certains de ces facteurs possèdent aussi un pouvoir explicatif sur les rendements observés. La pertinence d’un modèle à capital humain, inspiré de Lettau & Ludvigson (2001) et Gospodinov et al. (2014), est à ce propos mise en évidence. Le troisième chapitre propose une méthode de classification des modèles Fama-French, en fonction du niveau de préférence des investisseurs pour les moments d’ordre élevé. Les résultats indiquent que l’ajout de facteurs comme stratégie d’amélioration des performances des modèles d’évaluation, n’est efficace que lorsque les investisseurs ont un niveau de préférence assez faible pour les moments d’ordre élevé. Lorsque la préférence pour ces moments devient importante, le modèle à quatre facteurs de Carhart (1997) est plus performant que tous les modèles Fama-French. Les résultats indiquent par ailleurs que le modèle à capital humain analysé dans le deuxième chapitre possède un pouvoir explicatif sur les rendements observés, uniquement pour les investisseurs dont le niveau de préférence pour les moments d’ordre élevé est nul ou très faible.fr
dcterms.abstractThis thesis has three chapters in which I develop tools for comparisons and dynamic analysis of linear asset pricing models. In the first chapter, I introduce the notion of dynamically useless factors: factors that may be useless (uncorrelated with the assets returns) at some periods of time, while relevant at other periods of time. This notion bridges the literature on classical empirical asset pricing and the literature on useless factors, where both assume that the relevance of a factor remains constant through time. In this new framework, I propose a modified Fama-Macbeth procedure to estimate the time-varying risk premia from conditional linear asset pricing models. At each date, my estimator consistently estimates the conditional risk premium for every useful factor and is robust to the presence of the dynamically useless ones. I apply this methodology to the Fama-French five-factor model and find that, with the exception of the market, all the factors of this model are dynamically useless, although they remain useful 90 percent of the time. In the second chapter, I infer the time-varying parameters of a potentially misspecified stochastic discount factor (SDF) model. I extend the model of Gospodinov et al. (2014) to the framework of conditional SDF models, as the coefficients and the covariances are allowed to vary over time. The proposed misspecification-robust inference is able to eliminate the negative effects of potential useless factors, while maintaining the relevance of the useful ones. Empirically, I analyze the dynamical relevance of each factor in seven common asset pricing models from 1963 to 2016. The Fama-French’s three-factor model (FF3) and five factor model (FF5) have been the overall best SDFs in the last 50 years. However, since 2000, the best SDF is CARH (FF3 + momentum factor), followed by FF5 as the second best. Apart from traded factors, the results bring a nuance on non-traded factors. We analyze the relevance, for linear pricing, of a human capital model inspired by Lettau & Ludvigson (2001) and Gospodinov et al. (2014). The third chapter proposes a method for ranking Fama-French linear factor models according to investors’ preference for higher-order moments. I show that adding a new Fama- French factor to a prior Fama-French model systematically leads to a better model, only when the preference for higher-order moments is moderate (in absolute value). When the preference for higher-order moments is important or extreme, the four-factor model of Carhart (1997) has a better pricing ability than all the Fama-French models. An analysis of models with non-traded factors confirms the relevance, for linear pricing, of the human capital model analyzed in the second chapter. However, I show that this relevance is effective only for investors with null or very low preferences for higher-order moments.fr
dcterms.languageengfr


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show item record