Évaluation des styles d'investissements à l'aide de bêtas conditionnels par des rendements mensuels et quotidiens

Dans cette recherche, notre objectif est de déterminer si le modèle RBSA de Sharpe (1992) incluant des variables conditionnelles apporte une plus-value comparativement au modèle traditionnel. Pour ce faire, nous avons créé des portefeuilles fictifs que nous avons manipulé selon plusieurs hypothèses (fréquence de rebalancements, hypothèse de rebalancements, fréquence des données). Nous utilisons un modèle non-conditionnel et trois types de modèles conditionnels afin de déterminer lequel sera en mesure de bien évaluer les pondérations que détiennent nos portefeuilles fictifs. Nos principaux résultats sont les suivants : Premièrement, tous nos modèles obtiennent de meilleurs résultats lorsqu'on utilise les données quotidiennes. En fait, les données mensuelles donnent des résultats significativement inférieurs à ceux obtenus avec l'utilisation de données quotidiennes. De plus, l'augmentation de la fréquence de données affecte davantage les modèles conditionnels contenant le plus de variables. Deuxièmement, la fréquence de rebalancement ne semble avoir aucun impact sur nos résultats. En fait, les portefeuilles rebalancés annuellement n'obtiennent pas de meilleur [i.e. meilleurs] résultats que ceux rebalancé [i.e. rebalancés] mensuellement, et ce même si ces derniers sont rebalancés douze fois plus souvent. Finalement, le choix du modèle le plus efficace reste ambigu. Le modèle VSE l'emporte pour le gestionnaire d'actions américaines alors que le modèle VUL l'emporte pour le gestionnaire balancé. On peut conclure que les modèles conditionnels obtiennent de meilleurs résultats comparativement au modèle traditionnel. Par contre, aucun des modèles conditionnels n'est significativement supérieur au modèle non-conditionnel