Trois essais en économie financière

Three essays in financial economics

• Auteur / Autrice : Alexandre Jasinski
• Direction : Christophe Boucher, Sessi Noudele Tokpavi
• Type : Thèse de doctorat
• Discipline(s) : Sciences Economiques
• Date : Soutenance le 07/12/2023
• Etablissement(s) : Paris 10
• Ecole(s) doctorale(s) : École doctorale Économie, organisations, société
• Partenaire(s) de recherche : Laboratoire : EconomiX (Nanterre)
• Jury : Président / Présidente : Francisco Serranito
• Jury : Examinateurs / Examinatrices : Christophe Boucher, Sessi Noudele Tokpavi, Francisco Serranito, Marielle De Jong, Catherine Bruneau, Bertrand Candelon
• Jury : Rapporteurs / Rapporteuses : Marielle De Jong, Catherine Bruneau

Mots clés

Mots clés contrôlés

Rentabilité

Analyse financière

Mots clés libres

Optimisation de portefeuille

Investissement factoriel

Prévisibilité des rendements

Ratios de valorisation

Retour à la moyenne

Cycle économique

Portfolio optimization

Factor investing

Return predictability

Valuation ratios

Mean reversion

Business cycle

Résumé

Cette thèse apporte une contribution significative au domaine de la prévision des rendements des actifs. La première partie présente un paradigme innovant d'optimisation de portefeuille, appelé « Smart Alpha », visant à améliorer la diversification du portefeuille d'actions tout en contrôlant efficacement l'exposition aux facteurs de risque. Reconnaissant l'intérêt croissant pour l'investissement factoriel en raison de la sous-performance des stratégies purement actives ou passives, le chapitre 1 présente une stratégie active de sélection de titres qui permet d'éviter de parier sur des facteurs a priori mais qui se concentre plutôt sur une approche visant à minimiser l'exposition du portefeuille aux sources de risque systématiques tout en maximisant le potentiel d'alpha. Les preuves empiriques du chapitre 1, basées sur les actions européennes, démontrent la supériorité de la stratégie Smart Alpha par rapport à l'indice de marché européen, ainsi qu'à l'égard des stratégies européennes populaires d'investissement factoriel et de smart beta. La deuxième partie de la recherche se concentre sur le domaine crucial de la prévision des rendements à court et moyen terme. Bien que de nombreux modèles prédictifs à long terme utilisant des ratios financiers semblent bien établis, les preuves de l'efficacité des prévisions à court terme restent limitées dans la littérature académique. Dans le chapitre 2, un nouveau modèle de régression prédictive est proposé, capitalisant sur la dynamique observée des rendements boursiers avec le phénomène de retour à la moyenne du ratio CAPE de Shiller aux État-Unis. Ce modèle présente une capacité prédictive supérieure, en particulier à court terme, à horizon d'un à plusieurs mois, à la fois dans l'échantillon et hors échantillon. Il exploite les variables du cycle économique, telles que la pente de la courbe de taux et le spread de crédit, pour améliorer encore la prévisibilité, en particulier hors échantillon. Les résultats sont robustes quant au choix du ratio de valorisation (CAPE, excess CAPE ou rendement du dividende) et des pays (Canada, Allemagne et Royaume-Uni). Le chapitre 3 étend cette approche en intégrant un large éventail de variables du cycle économique, en utilisant des techniques de pénalisation. Cette extension résulte de l'absence de consensus concernant les variables du cycle économique qui présentent la meilleure performance prédictive pour le retour à la moyenne des ratios de valorisation et des prix des indices boursiers. Le nouveau modèle de régression prédictive démontre ainsi des gains significatifs en matière de précision des prévisions à court terme, à horizon d'un à plusieurs mois. La supériorité du nouveau modèle de régression prédictive est réaffirmée en utilisant différentes mesures de valorisation et sur différents secteurs individuels aux États-Unis. Les chapitres 2 et 3 présentent un exercice d'allocation d'actifs de moyenne-variance qui montre des gains d'utilité améliorés, ce qui confirme la supériorité du nouveau modèle de régression prédictive. Nos résultats apportent des perspectives précieuses et des approches innovantes en matière de prévision des rendements des actifs à court terme, en abordant à la fois la diversification des portefeuilles d'actions via la maximisation de l'alpha sous contrainte d'expositions aux facteurs et l'allocation tactique à court et à moyen terme, offrant ainsi des solutions pratiques pour les investisseurs.

This thesis makes a significant contribution to the field of asset returns forecasting. The first part introduces an innovative portfolio optimization paradigm, called "Smart Alpha," aimed at enhancing equity portfolio diversification while effectively managing exposure to risk factors. Recognizing the growing interest in factor investing due to the underperformance of purely active or passive strategies, Chapter 1 presents an active strategy of stock selection, which avoids betting on a-priori factors but focuses instead on an approach that minimizes the exposure of the portfolio to systematic sources of risk, while maximizing its potential alpha. Empirical evidence drawn from European stocks demonstrates the superiority of the Smart Alpha strategy over the European market index and over popular European factor investing and smart beta strategies. The second part of the research focuses on the critical task of short to medium-term return forecasting. While long-term predictive models using financial ratios have been well established, evidence for predictability over shorter horizons remains limited in the academic literature. In Chapter 2, a new predictive regression model is proposed, capitalizing on the observed dynamics of stock returns following mean reversions in the US Shiller CAPE ratio. This model displays superior predictive power, particularly at short horizons, from one to several months, both in-sample and out-of-sample. It leverages business cycle variables, such as the term spread and credit spread, to further enhance its predictability, particularly out-of-sample. The results are robust with respect to the choice of the valuation ratio (CAPE, excess CAPE, or dividend yield), and countries (Canada, Germany and the UK). Chapter 3 extends this approach by incorporating an extensive array of business cycle variables, employing penalization techniques. This extension arises from the absence of a consensus regarding which business cycle variables present the best predictive performance for mean reversion in valuation ratios and stock index prices. The results of the new predictive model demonstrate significant gains in short-term forecasting accuracy, spanning from one to several months. The superiority of the new predictive regression model is reaffirmed across various valuation metrics and individual US sectors. Both Chapters 2 and 3 perform a mean-variance asset allocation exercise that demonstrates improved utility gains, confirming the superiority of the new predictive regressions. Our results provide valuable insights and innovative approaches to asset returns forecasting, addressing both equity portfolios diversification via alpha maximization under factor's exposures constraints and short to medium-term tactical allocation, ultimately offering practical solutions for investors.