Erreurs sur les variables et modèles d'évaluation des actifs financiers canadiens

Résumé Fr En

Cet article revisite l’estimation des modèles multifactoriels développés par Fama et French (1993) en prenant en considération la présence d’éventuelles erreurs sur les variables. Les données mensuelles utilisées sont celles du marché boursier canadien et couvrent une longue période courant de juillet 1960 à décembre 2004. Fama et French (1997) concluent que leurs estimations ponctuelles des paramètres du modèle à trois facteurs sont imprécises. Nos résultats révèlent que cette imprécision est d’autant plus importante que les paramètres estimés sont biaisés par la présence d’erreurs de mesure considérables. Nous proposons l’estimateur de Dagenais et Dagenais (1997) pour corriger les biais induits par les erreurs sur les variables. Cet estimateur présente le double avantage d’être facile à calculer et de ne nécessiter aucune autre source d’information que celle fournie par les facteurs de risque. Nos résultats montrent que les estimations corrigées pour les erreurs sur les variables diffèrent de façon très significative des estimations par les MCO biaisées. Cette approche a des conséquences directes en économie financière et sur l’attribution de la performance et sur la notion de rentabilité anormale.

This paper sheds a new light on Fama and French (1993) and Carhart (1997) multifactor models estimation focusing on the possibility of errors-in-variables. We use monthly data for the Canadian stock market from July 1960 to December 2004. Fama and French (1997) conclude that “ estimates of the cost of equity for the three-factor model of FF (1993)” are imprecise. Our results show that this imprecision is more severe in presence of measurement errors. We suggest to use Dagenais and Dagenais (1997) higher moments estimator to deal with this problem. This estimator has the advantages of being easy to compute and to require no extraneous information. We show that estimates of the cost of equity on the Canadian stock market obtained with Dagenais and Dagenais estimator sharply differ from biased OLS estimates. This approach revisits performance attribution and abnormal performance (α).