Notre thèse explore les facteurs de risque et les modèles des facteurs sur le marché boursier chinois A-share. Notre étude est basée sur le contexte du modèle facteur de Fama-French (FF). Tout d'abord, au chapitre 1, nous réexaminons l'applicabilité du Modèle Fama-French à Trois Facteurs (FF3F) et du dernier Modèle Fama-French à Cinq Facteurs (FF5F), compte tenu de plusieurs caractéristiques spéciales du marché boursier chinois. Les résultats empiriques montrent que le Modèle FF3F peut expliquer la majorité des variations de séries chronologiques des rentabilités des actions chinoises A-share. Au cours de la période d'échantillonnage, le marché bêta et le facteur SMB sont des déterminants importants pour expliquer la variation transversale des rentabilités des actions, cependant nous ne trouvons aucune prime de valeur. D’après la comparaison des performances des modèles FF3F et FF5F en présence de facteurs de rentabilité et d'investissement, le Modèle FF5F ne semble pas capturer plus de variations de rentabilités espérées que le modèle à trois facteurs, à l'exception des six portefeuilles pondérées en valeurs qui formés à partir de la taille et de la rentabilité opérationnelle.Dans le chapitre 2, nous examinons si les facteurs FF, SMB et HML, sont des proxys d'innovations de variables d'état sélectionnées (rendement de dividende agrégée, taux de T-bonds en un mois, l’écart de terme et l’écart de défaut) qui décrivent, sur la période recherche, les opportunités futures d'investissement sur le marché boursier chinois A-share. Les régressions chronologiques et les régressions des séries transversales sont réalisées sur cinq modèles comparatifs en utilisant l'approche à deux étapes Fama-MacBeth. Les facteurs FF ne perdent pas leur pouvoir explicatif, avec ou sans la présence des innovations des quatre variables d’états sélectionnées, à la fois dans les examens de séries chronologiques et les examens transversaux. Nous trouvons que l'information contenue dans l'innovation de rendements de dividende agrégés semble totalement capturée par la combinaison du marché bêta et du facteur de taille. Les facteurs FF ont pu jouer un rôle limité de capturer d'opportunités d'investissement alternatives représentées par les innovations des quatre variables d'état sélectionnées.Dans le chapitre 3, nous étudions si les facteurs FF sont des proxys de facteurs de risque de détresse et si différentes méthodes de construction des facteurs entraînent des résultats différents. Les résultats empiriques suggèrent qu'il n'y a pas de preuve significative que les facteurs FF représentent un risque de détresse sur le marché boursier chinois A-share. En comparant les résultats des régressions des séries chronologiques à partir de deux méthodes différentes, la performance du facteur de risque de détresse basé sur le DLI semble légèrement meilleure que celui basé sur le O-score. Cependant, le facteur de risque de détresse n'est pas un déterminant important des rentabilités transversales moyennes, et les facteurs FF ne peuvent pas représenter le facteur de risque de détresse dans la section transversale du marché boursier chinois A-share. / This dissertation is to explore the risk factors and factor models on Chinese A-share stock market based on the context of Fama-French (FF) factor model. First of all, chapter 1 re-examines the applicability of Fama-French Three-Factor (FF3F) Model and the latest Fama-French Five-Factor (FF5F) Model considering several special features of Chinese stock market. FF3F Model can explain a majority of time-series variation of the Chinese A-share stock returns. The market beta and SMB are important determinants in explaining the cross-sectional variation in the average stock returns over the sample period; however, we find no value premium. Comparing the performance of both FF3F Model and FF5F Model on Chinese A-share stock market, in the presence of profitability and investment factors, FF5F Model seems not capture more variations of expected stock returns than the three-factor model except the six value-weighted portfolios formed on size and operating profitability.Chapter 2 examines whether FF factors SMB and HML proxy for the innovations of selected state variables (aggregate dividend yield, one-month T-bill rate, term spread and default spread) that describe future investment opportunities on Chinese A-share stock market during the research period. Both time-series and cross-sectional regressions are performed on five comparative models using Fama-MacBeth two-stage approach. FF factors don’t lose their explanatory power with or without the presence of the innovations of selected four state variables in both the time-series and cross-sectional examinations. We find that the information contained in innovation of aggregate dividend yields seems totally captured by the combination of market beta and size factor. FF factors might have played a limited role in capturing alternative investment opportunities proxied by innovations of the selected four state variables.Chapter 3 investigates whether FF factors proxy for distress risk factor and whether different methods of constructing factors result in the different outcomes. The empirical results suggest that there is no significant evidence that FF factors are proxying for distress risk on Chinese A-share stock market. Comparing the time-series regression results by using two different methods, the distress risk factor constructed based on DLI seems to perform slightly better than that constructed based on O-score in capturing time-series average returns. However, the distress risk factor is not an important determinant of cross-sectional average returns, and FF factors cannot proxy as distress risk factor in the cross-section on Chinese A-share stock market.
| Identifer | oai:union.ndltd.org:theses.fr/2017REN1G013 |
| Date | 21 September 2017 |
| Creators | Jiao, Wenting |
| Contributors | Rennes 1, Lilti, Jean-Jacques |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0018 seconds