Le modèle Fama-French explique pourquoi certains portefeuilles affichent des rendements différents de ce que prédit le simple risque de marché. Au lieu de résumer un actif à son bêta, il ajoute des facteurs liés à la taille des entreprises, à leur valorisation, puis à leur rentabilité et à leur politique d’investissement. C’est un outil utile pour analyser une performance, comparer des fonds ou comprendre les primes de risque en finance.
Pourquoi le modèle Fama-French a changé l’analyse des rendements
Le point de départ est le CAPM, ou Capital Asset Pricing Model. Ce modèle explique le rendement attendu d’un actif par un seul élément, son exposition au marché. Plus le bêta d’un titre est élevé, plus l’investisseur exige théoriquement une prime de risque importante. L’idée est simple et élégante, mais elle laisse de côté plusieurs phénomènes observés dans les données boursières.
Bibliothèque de données financières de Kenneth R. French · Accédez aux archives historiques des facteurs Fama/French et aux données de portefeuilles essentiels pour la recherche en finance empirique.
En 1992, Eugene Fama et Kenneth French proposent une lecture plus empirique des rendements. Leur modèle à trois facteurs ajoute deux dimensions au facteur de marché, la taille des entreprises et le rapport entre valeur comptable et valeur de marché. Eugene Fama, professeur à l’Université de Chicago, recevra le prix Nobel d’économie en 2013, notamment pour ses travaux sur les prix des actifs et l’efficience des marchés.
La logique est claire : deux portefeuilles peuvent avoir un bêta proche, mais des profils très différents. Un fonds exposé aux petites capitalisations décotées ne se comporte pas comme un fonds investi dans de grandes valeurs de croissance. Le modèle Fama-French cherche donc à distinguer ce qui relève de la compétence du gérant de ce qui provient d’une exposition systématique à des facteurs connus.
Les facteurs Fama-French : du marché aux entreprises rentables
Les 3 facteurs historiques : marché, taille et valeur
Le modèle à trois facteurs repose sur la formule suivante : rendement du portefeuille moins taux sans risque = alpha + bêta marché × Rm-Rf + bêta SMB × SMB + bêta HML × HML + erreur. Rm-Rf représente la prime de marché, c’est-à-dire l’écart entre le rendement du marché et le taux sans risque.
SMB, pour Small Minus Big, mesure l’écart de rendement entre les petites et les grandes capitalisations. Si un portefeuille a une exposition positive à SMB, il se comporte davantage comme un portefeuille de petites entreprises. HML, pour High Minus Low, compare les titres à fort ratio valeur comptable/valeur de marché aux titres à faible ratio. Une exposition positive à HML signale une orientation value plutôt que growth.
Ces facteurs ne sont pas des étiquettes marketing. Ils sont construits à partir de portefeuilles triés, par exemple entre petites et grandes capitalisations, puis entre titres value et growth. On obtient ainsi des combinaisons comme Small Value, Small Growth, Big Value ou Big Growth, qui servent à isoler l’effet taille et l’effet valeur. C’est ce travail de tri qui rend la lecture plus fine qu’avec le seul bêta de marché.
Les 5 facteurs : rentabilité et investissement entrent dans le modèle
En 2015, Fama et French étendent leur modèle à cinq facteurs. Deux variables sont ajoutées : RMW, pour Robust Minus Weak, et CMA, pour Conservative Minus Aggressive. RMW mesure l’écart entre entreprises à forte rentabilité opérationnelle et entreprises à faible rentabilité. CMA compare les sociétés qui investissent de manière prudente à celles qui investissent de façon plus agressive.
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 la qualité des entreprises ou leur politique d’investissement.
| Facteur | Signification | Lecture pratique |
|---|---|---|
| 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 Minus Aggressive | 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 en profil 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, ou Arbitrage 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 la Data 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.