Essays on the application of factor models in finance
Essais sur l'application des modèles à facteurs en finance
Résumé
Factor models, fundamental in statistical modeling, provide a versatile framework for understanding intricate relationships among variables, particularly valuable in finance where variables exhibit strong interconnections. This thesis explores the applications of factor models in finance. Chapter 1 relies on factor models for their ability to detect market inefficiencies through estimate of idiosyncratic volatility and explores the effectiveness of ESG ratings in predicting it. It reveals a negative relationship between ESG ratings and volatility. Results emphasize the need to cross-check information from multiple providers before ESG integration as divergence leads to lower informative power of ESG ratings in predicting risk. Chapter 2 delves into calibration techniques for correlation matrices. Unrestricted and restricted factor models, where some betas are set to zero, thus leading to specific region or sectoral factors, are considered. Results highlight the superiority of restricted latent factor models. We address latent factors using maximum likelihood through the Expectation-Maximization algorithm and least squares approaches, implemented with the Spectral Projection Gradient algorithm. Chapter 3 introduces an innovative approach based on so-called meta-factors to perform stress tests on portfolios, using either historical or hypothetical economic scenarios. An application is conducted on actively managed equity portfolios. Results offer a better fit than widely used models. The research contributes to the understanding of factor model applications in finance, providing empirical insights, theoretical developments, and practical methodologies. The findings have implications for investors and researchers, guiding ESG integration, correlation estimation, and stress testing in financial decision-making. The thesis shows that factor models remain pivotal tools in addressing key challenges in finance.
Les modèles à facteurs, fondamentaux en modélisation statistique, offrent un cadre polyvalent pour comprendre les relations complexes entre plusieurs variables, caractéristique particulièrement précieuse en finance où les interconnexions sont fortes. Cette thèse présente différentes applications des modèles à facteurs en finance. Le chapitre 1 s’appuie sur les modèles à facteurs pour leur capacité à capter les inefficiences de marché, notamment au travers de l’estimation de la volatilité idiosyncratique. Le contenu informationnel des notations ESG dans la prédiction de cette volatilité est testé. Les résultats soulignent la nécessité de vérifier la qualité de la notation auprès de plusieurs fournisseurs de données avant d’intégrer l’ESG au processus d’investissement. En effet, la divergence de notation ESG pour un même titre est associé à un contenu informationnel plus faible dans la prédiction du risque. Le chapitre 2 se penche sur les techniques de calibration des matrices de corrélations générées par des modèles à facteurs. Les modèles à facteurs non restreints et restreints, où certains bêtas (sensibilités) sont fixés à zéro, et conduisant ainsi à des facteurs régionaux ou sectoriels spécifiques, sont considérés. Les résultats mettent en évidence la supériorité des modèles à facteurs latents restreints. Nous abordons les facteurs latents en utilisant la méthode du maximum de vraisemblance à travers l'algorithme Expectation-Maximization et l’approche des moindres carrés au travers de l’algorithme Spectral Projection Gradient. Le chapitre 3 présente une approche novatrice basée sur des "méta-facteurs" (facteurs de facteurs) pour réaliser des stress tests de scénarios économiques passés ou hypothétiques. Une application est réalisée sur des portefeuilles d’actions. Les résultats révèlent un comportement des actifs stressés plus proche de la réalité que certains modèles, largement utilisés dans l’industrie, peuvent suggérer. Cette thèse contribue au développement des modèles à facteurs en finance en apportant des éléments empiriques, des développements théoriques et des méthodologies pratiques. Les résultats ont des implications pour les investisseurs et les chercheurs, guidant l'intégration ESG, l'estimation des corrélations et la conduite de stress tests dans la prise de décision financière. La thèse démontre que les modèles à facteurs restent encore aujourd’hui des outils essentiels pour l’industrie financière.
| Origine | Version validée par le jury (STAR) |
|---|