L'objet de cette thèse est d'analyser certaines caractéristiques des marchés d'actions de pays émergents et de mettre en perspective de la théorie financière relative à la gestion de portefeuille et aux modèles d'évaluation d'actifs financiers. Cette thèse fait également une analyse empirique de modèles présentés sur des indices boursiers de pays émergents. Nous centrons notre étude sur l'analyse des comovements, la prévision des rendements et l'intégration de ces paramètres dans la construction de stratégies de portefeuille. Notre analyse permet de clarifier en quoi ces marchés sont-ils particuliers et méritent d'une analyse différente par rapport aux marchés développés. Elle met en évidence l'importance de la gestion du risque dans le temps et la variabilité de la structure des rendements boursiers. cette thèse est structurée à partir de trois chapitres qui développent chacune de ces parties. Le premier chapitre analyse un large échantillon de séries d'indices boursier correspondant à des secteurs et des pays spécifiques et utilise des techniques d'analyse factorielle pour estimer des facteurs principaux par rapport auxquelles les comovements seront étudiés. On montre avec cette étude que la structure des rendements est différente pour les marchés émergents ou développés ainsi que la nature dynamique de ces rendements. Le deuxième chapitre propose un modèle de prévision des rendements inspiré de modèles de la valeur présente et qui prend en compte les conclusions du premier chapitre quant au nombre de facteurs qui devrait expliquer les rendements et leur structure. Notre modèle permet d'estimer des rendements espérés qui sont utilisés dans le dernier chapitre pour une application à la gestion de portefeuille. Un modèle de cointégration est utilisé pour étudier les relations de long terme entre les variables fondamentales et les prix des indices. Le troisième chapitre développe l'idée de la structure dynamique des rendements et suggère de modifier les poids issus d'une optimisation de portefeuille en prenant en compte des niveaux de comovements calculés avec les méthodes exposées dans le premier chapitre. Cette illustration permet de comprendre l'importance de la gestion des comovements dans la gestion de portefeuille au cours du temps. / This dissertation aims at investing some particular features of emerging equity markets that are central to the construction of equity portfolios. These features are confronted to the financial theory of portfolio selection and asset pricing. We provide theoretical and empirical analyses of the behavior of emerging equity indexes. We focus on the dynamic of comovements among emerging capital markets, the predictability of equity returns and the integration of these parameters in the construction of portfolio strategies. Our study identifies the specific features of emerging equity markets. It highlights the importance of risk management over time and the variability of the structure of equity returns. The thesis is organized around three chapters developing the topics of comovements, estimation of expected return and construction of portfolio strategies. The first chapter analyses a large numberof equity indexes corresponding to specific sectors and countries and uses a factor models technique to estimate the principal factor that would be used as a reference to calculate the comovements. This study shows that the structure of equity returns is different for emerging or developed markets and that it has a time varying nature. The second chapter proposes a prediction model for equity returns influenced from present value models which takes into account the results concerning the time varying structure of returns and the number of factors to include in a factor model.Our model estimates expected returns that would be used in the last chapter in a portfolio strategy application. A cointegration model is used to study the long term relation of fundamental variables with the level of prices for equity indexes. Finally, the last chapter of the thesis investigates the idea of the dynamic structure of return and suggests to modify the weights issued from the portfolio optimization taking into account the comovements calculated with the methods described in the first chapter.This study highlights the importance of the comovements management over time in portfolio management.

Le but de cette thèse est de construire un modèle de détection des changements de phase -passages de marché haussier à baissier et vice versa - du marché des actions américaines cotées, en utilisant un nombre relativement important de variables à la fois fondamentales (macroéconomiques et microéconomiques) et issues de l’analyse technique.Le modèle statistique retenu est la régression logistique statique, avec un retard pour les variables explicatives allant de zéro à trois mois. Les huit variables les plus significatives parmi vingt candidatesont été sélectionnées à partir des données mensuelles du S&P500 sur la période 1963-2003. Le modèle obtenu a été testé sur 2004-2013 et sa performance a été supérieure à celles de la stratégie Buy & Holdet d’un modèle univarié utilisant la variable ayant le plus fort pouvoir de détection - ce dernier modèle ayant fait l’objet d’une étude dans la littérature.Il a également été montré que des variables non encore considérées dans la littérature - la moyenne mobile sur les six derniers mois des créations nettes d’emplois non-agricoles, la base monétaire et le Composite Leading Indicator de l’OCDE - ont un pouvoir de détection significatif pour notre problématique. D'autre part, la variable binaire indiquant la position du S&P500 par rapport à sa moyenne mobile des dix derniers mois - variable de type analyse technique - a un pouvoir prédictif beaucoup plus élevé que les variables fondamentales étudiées. Enfin, les deux autres variables les plus statistiquement significatives sont macroéconomiques : l'écart entre les taux à dix ans des T-bonds et à trois mois des T-bills et la moyenne mobile des créations d’emplois non-agricoles. / The goal of this thesis is to build a model capable of detecting the reversals - shift from bull market to bear market or vice versa - of the American stock market, by using a relatively large number of explanatory variables, both of fundamental (macroeconomic and microeconomic) and of ‘technical analysis’ types.The statistical model used is static logistic regression, with lags for the independent variables ranging from zero to three months. Starting with twenty variables, the eight most significant ones have been selected on a training set consisting of monthly data of the S&P500 between 1963 and 2003. There sulting model has been tested over the 2004-2013 period and its performance was better than those of a buy & hold strategy and of a univariate model based on the variable with the highest predictive power – the latter model being the focus of a paper in the current literature. Another contribution of the thesis is that some variables not yet studied in the literature – the six month moving average of net non-farm job creations, the monetary base and the OECD Composite Leading Indicator – are statistically significant for our problem. Moreover, the predictive power of the binary variable indicating whether the S&P500 is above or below its ten-month moving average – a technical analysis variable – is much higher than that of the fundamental variables which have been considered. Finally, the two other most significant variables are macroeconomic ones: the spread between the ten-year T-bond and three-month T-bill rates and the moving average of non-farm jobs creations.