## [Modèle à Trois Facteurs Fama‑French](/fr/node/68310) Définition Un modèle empirique linéaire d'évaluation d'actifs qui explique la variation cross‑sectionnelle des rendements actions en ajoutant deux facteurs empiriquement construits — SMB (small minus big, facteur taille) et HML (high minus low, facteur valeur) — au rendement excédentaire du marché : E[R_i] − R_f ≈ β_mkt·E[R_m−R_f] + β_SMB·E[SMB] + β_HML·E[HML] ; le modèle s'estime par régressions temporelles ou cross‑sectionnelles et est empirique plutôt que produit par une déduction théorique fermée. ## Principe Principe Les portefeuilles taille et valeur capturent des composantes systématiques des rendements moyens non expliquées par le bêta‑marché seul ; les expositions (bêta) à ces facteurs construits expliquent une variation additionnelle cross‑sectionnelle des rendements, si bien qu'une combinaison linéaire des primes de marché, taille et valeur rend compte d'une large part des rendements de portefeuilles dans de nombreux échantillons empiriques. ## Démonstration Démonstration Scénario illustratif (empirique) : Situation — un analyste régressé les rendements excédentaires mensuels d'une large coupe transversale de portefeuilles sur le rendement excédentaire du marché, SMB et HML. Reconnaissance — les charges factorielles β_SMB et β_HML varient selon les portefeuilles. Action — interpréter les coefficients : β_SMB > 0 signale sensibilité à la prime de taille, β_HML > 0 sensibilité à la prime value. Conséquence — les trois facteurs expliquent conjointement plus de variation cross‑sectionnelle que le CAPM mono‑facteur dans de nombreux échantillons historiques et orientent la construction de portefeuilles factoriels. ## Mauvaise application Mauvaise application Interpréter SMB et HML comme des facteurs de risque immuables ou traiter les primes historiques comme des rendements futurs garantis, surajuster de petits échantillons avec de nombreux facteurs, ou investir mécaniquement en portefeuilles factoriaux sans tenir compte des changements de régime économique, des coûts de transaction et des contraintes d'implémentation ; l'erreur sémantique est de confondre une régularité empirique avec une prime de risque causale universelle et invariante dans le temps. ## Conséquence Conséquence Le modèle améliore l'ajustement empirique par rapport au CAPM pour de nombreux jeux de données, motive l'investissement factoriel et l'attribution de risque, et fournit un enrichissement parcimonieux pour l'explication cross‑sectionnelle des rendements ; mal appliqué, il peut engendrer des stratégies d'investissement trompeuses, un mauvais tarissement des expositions et une sous‑estimation des frictions et de la variabilité temporelle des primes. ## Inversion Inversion Si les définitions des facteurs changent, si les primes varient dans le temps ou selon les marchés, ou si les rendements factoriels résultent de limites à l'arbitrage ou de data‑mining, le pouvoir explicatif du modèle s'affaiblit ; des extensions avec facteurs supplémentaires ou des modèles conditionnels peuvent être nécessaires pour capter des effets temporels ou spécifiques aux marchés. ## Limite Limite Clairement dans : analyses empiriques des rendements de portefeuilles actions sur marchés développés utilisant les constructions canoniques de SMB et HML sur des échantillons suffisamment longs. Cas limite : constructions alternatives de SMB/HML (tris différents, contrôles pour liquidité ou rentabilité) qui modifient rendements et charges factoriels — la forme à trois facteurs reste un gabarit, mais coefficients et significations évoluent. Clairement hors : tarification de payoffs dérivés d'une durée très corta, effets microstructurels de court terme sur un seul actif, ou classes d'actifs pour lesquelles SMB/HML ne sont pas pertinents sans rediseño. ## Tension sémantique Tension sémantique Puissance descriptive empirique (meilleure explication cross‑sectionnelle et signaux factoriels pratiques) ↔ Interprétation théorique (les facteurs sont‑ils des primes de risque fondamentales, des anomalies comportementales ou des artefacts de data‑mining ?) et limites d'implémentation (coûts, rotation, capacité) ; l'utilité du modèle repose sur une validation pragmatique plus que sur une théorie normative pure. ## Synthèse Synthèse Le modèle à trois facteurs de Fama‑French matérialise que les dimensions taille et valeur captent une variation systématique des rendements au‑delà du bêta‑marché : c'est un outil compact et empiriquement étayé pour expliquer rendements et investir par facteurs, mais son interprétation comme primes de risque fondamentales exige une validation économique et temporelle prudente.