The Fama-French model explains why some portfolios have different returns than predicted by mere market risk. Instead of summarising an asset to its beta, it adds factors related to the size of the enterprises, their valuation, their profitability and their investment policy. It is a useful tool for analyzing performance, comparing funds or understanding theRisk premiumsin finance.
Why the Fama-French model has changed yield analysis
The starting point is CAPM, orCapital Asset Pricing Model. This model explains the expected return of an asset by a single element, its exposure to the market. The higher the beta of a security, the more the investor theoretically demands a significant risk premium. The idea is simple and elegant, but it leaves aside several phenomena observed in stock market data.
Kenneth R. French Financial Data Library· Access historical archives of Fama/French factors and key portfolio data for empirical finance research.
In 1992, Eugene Fama and Kenneth French proposed a more empirical reading of yields. Their three-factor model adds two dimensions to the market factor, the size of companies and the relationship between book value and market value. Eugene Fama, professor at the University of Chicago, will be awarded the Nobel Prize in Economics in 2013, particularly for his work on asset prices and market efficiency.
The logic is clear: two portfolios can have a close beta, but very different profiles. A fund exposed to the small capitalizations depreciated does not behave like a fund invested in large growth values. The Fama-French model therefore seeks to distinguish what falls within the manager's competence from what comes from systematic exposure to known factors.
Fama-French factors: from market to profitable businesses
The 3 historical factors: market, size and value
The three-factor model is based on the following formula: portfolio return minus risk-free rate = alpha + beta market × Rm-Rf + beta SMB × SMB + beta HML × HML + error. Rm-Rf represents the market premium, i.e. the gap between market return and risk-free rate.
SMB, forSmall Minus Big, measures the yield gap between small and large capitalisations. If a portfolio has a positive exposure to SMB, it behaves more like a small business portfolio.HML, forHigh Minus Low, compares high book value to market value with low ratio securities. A positive exposure to HML indicates a value orientation rather than growth.
These factors are not marketing labels. They are built from portfolios sorted, for example between small and large capitalizations, then between securities value and growth. This results in combinations such asSmall Value, Small Growth, Big ValueorBig Growth, which are used to isolate the size and value effect. It is this sorting work that makes reading more fine than with the only market beta.
The 5 factors: profitability and investment enter the model
In 2015, Fama and French extended their model to five factors. Two variables are added:RMW, forRobust Minus Weak, andCMA, forConservative Aggressive Minus. RMW measures the gap between companies with high operating profitability and low profitability. CMA compares prudently to more aggressively invested companies.
La formule devient alors : rendement du portefeuille moins taux sans risque = alpha + bêta marché × Rm-Rf + bêta SMB × SMB + bêta HML × HML + bêta RMW × RMW + bêta CMA × CMA + erreur. L’objectif n’est pas d’empiler des variables pour faire plus savant, mais de mieux décomposer les moteurs d’un rendement. Avec ces deux ajouts, le modèle décrit mieux certains portefeuilles orientés vers laqualitédes entreprises ou leur politique d’investissement.
| Facteur | Meaning | Practical reading |
|---|---|---|
| Rm-Rf | Prime de marché | Exposition générale aux actions |
| SMB | Small Minus Big | Biais petites capitalisations |
| HML | High Minus Low | Biais value plutôt que growth |
| RMW | Robust Minus Weak | Préférence pour les entreprises rentables |
| CMA | Conservative Aggressive Minus | Préférence pour les entreprises investissant prudemment |
CAPM, APT et Fama-French : ce que chaque modèle permet vraiment de voir
Le CAPM reste utile parce qu’il donne une première mesure claire du risque de marché. Pour une analyse rapide, le bêta indique si un portefeuille amplifie ou amortit les mouvements du marché. Sa limite est qu’il attribue trop facilement l’écart de performance à l’alpha, alors que cet écart peut venir d’une exposition aux petites capitalisations, aux valeurs décotées ou aux entreprises rentables.
Le modèle Fama-French corrige ce problème en transformant une performance brute enprofil factoriel. Un fonds qui bat son indice pendant une période favorable aux titres value n’a pas forcément créé de valeur par sélection de titres, il a peut-être simplement porté un bêta HML positif. Cette nuance compte pour l’investisseur comme pour l’analyste, car elle change la lecture de la performance.
L’APT, ouArbitrage Pricing Theory, adopte aussi une approche multifactorielle, mais avec une structure plus ouverte. Il peut intégrer plusieurs sources de risque macroéconomique ou financières, selon les hypothèses retenues. Fama-French est plus spécifique : ses facteurs sont définis, publiés et largement utilisés, ce qui facilite les comparaisons entre portefeuilles, marchés et périodes.
Il existe un seuil à ne pas franchir trop vite : croire qu’un facteur nommé est automatiquement une cause. En pratique, un facteur est d’abord un thermomètre statistique. Il signale une exposition, une pente, une sensibilité. L’important est donc de regarder les deux côtés de la relation : avant le facteur, il y a les caractéristiques économiques des entreprises ; après le facteur, il y a l’interprétation du risque, du style et de la performance. Cette distinction évite de confondre corrélation mesurée et explication définitive.
Comment appliquer le modèle à un portefeuille ou à un fonds
Lire les coefficients sans se perdre dans la formule
L’application la plus courante consiste à effectuer une régression linéaire entre les rendements d’un portefeuille et les facteurs Fama-French. Les données peuvent être mensuelles ou annuelles, avec des séries telles que Rm-Rf, SMB, HML, RMW et CMA. On obtient alors un alpha, des bêtas factoriels et une part résiduelle non expliquée.
Un bêta SMB positif indique que le portefeuille réagit comme les petites capitalisations. Un bêta HML positif traduit une sensibilité value. Un bêta RMW positif signifie que la performance est associée à des entreprises plus rentables. Un bêta CMA positif pointe vers des sociétés au profil d’investissement plus conservateur. L’alpha, lui, correspond à ce qui reste après prise en compte de ces expositions. C’est ce reliquat qu’il faut interpréter avec prudence.
Exemple d’interprétation pour un investisseur
Supposons qu’un fonds actions affiche une bonne performance sur trois ans. Une analyse CAPM conclut à un alpha élevé. Avec Fama-French, on découvre que le fonds a surtout bénéficié d’une forte exposition aux petites valeurs et aux titres value. La conclusion change : le gérant a peut-être eu raison de choisir ce style, mais la performance n’est pas entièrement indépendante des facteurs de marché.
Cette lecture est précieuse pour construire un portefeuille. Elle permet d’éviter les doublons invisibles : deux fonds présentés comme différents peuvent en réalité avoir les mêmes expositions SMB ou HML. À l’inverse, un investisseur peut rechercher volontairement un équilibre entre grandes capitalisations, petites capitalisations, value, growth, qualité de la rentabilité et prudence d’investissement. Le modèle aide alors à voir ce qui est réellement diversifié et ce qui ne l’est pas.
Dans la pratique, cette approche sert aussi à comparer des fonds avec des bases homogènes. Elle permet d’identifier si l’alpha résiste après ajustement du style, de vérifier qu’un portefeuille n’accumule pas le même risque factoriel partout et de comprendre pourquoi une stratégie surperforme ou sous-performe selon les périodes. Ce n’est pas une promesse de rendement, mais une méthode de lecture plus nette.
Données, limites et bonnes pratiques avant d’utiliser Fama-French
Les données de référence sont disponibles dans laData Library de Kenneth French. On y trouve notamment les facteurs de recherche Fama-French à 3 facteurs, à 5 facteurs, ainsi que des portefeuilles de recherche segmentés. Les séries sont utilisées par des étudiants, chercheurs, analystes et gestionnaires d’actifs pour tester des stratégies ou expliquer des performances.
Avant de les utiliser, il faut choisir une zone géographique cohérente avec le portefeuille étudié : États-Unis, Europe, marchés développés ou monde. Une analyse d’un fonds européen avec des facteurs américains peut produire une interprétation fragile. Il faut également rester attentif à la fréquence des données, à la période étudiée et à la qualité des rendements du portefeuille. Un bon modèle avec de mauvaises données donne une lecture trompeuse.
Le modèle a aussi ses limites. Les facteurs ne garantissent pas une prime de rendement future ; ils décrivent des régularités observées et testées empiriquement. Leur comportement varie selon les périodes, les marchés et les régimes économiques. L’ajout de facteurs peut améliorer l’explication statistique, mais trop de facteurs peut aussi brouiller la lecture et réduire la robustesse de l’analyse. Le gain de précision a donc un coût en simplicité.
Enfin, Fama-French n’épuise pas le sujet des facteurs. Le momentum, les effets de retournement de court terme ou certaines variables de qualité peuvent compléter l’analyse. Mais pour comprendre la transition entre le CAPM et une approche multifactorielle structurée, le modèle Fama-French reste l’un des cadres les plus utiles, assez rigoureux pour l’analyse professionnelle, assez lisible pour éclairer une décision d’investissement.