Développement du MEDAF et extension par le modèle Fama‑French dans l’évaluation des portefeuilles modernes : Étude de cas de Tesla, Inc.
Mots-clés:
MEDAF, Fama-French, portefeuille, Tesla, volatilitéRésumé
Cet article explore l’évaluation des portefeuilles financiers en comparant le Modèle d’Équilibre des Actifs Financiers (MEDAF) classique et son extension multifactorielle proposée par Fama et French, en se concentrant sur des actions fortement dynamiques comme Tesla, Inc. La gestion moderne des portefeuilles repose sur l’analyse conjointe du rendement et du risque, et la théorie de Markowitz a montré que la diversification réduit le risque global sans compromettre le rendement attendu. Le MEDAF relie le rendement attendu d’un actif à son risque systématique via le bêta, mais les tests empiriques révèlent ses limites face aux anomalies de marché et aux actifs à forte volatilité. Le modèle Fama-French enrichit cette approche en introduisant les facteurs de taille (SMB) et valeur (HML), améliorant la capacité explicative des rendements. Les résultats économétriques montrent que, bien que le facteur de marché reste central, le bêta du portefeuille analysé est relativement faible, reflétant une sensibilité modérée aux fluctuations du marché, typique des actions technologiques innovantes. Le facteur SMB est positif et significatif, tandis que HML n’est pas significatif, confirmant le profil « growth » de Tesla. Les comparaisons entre MEDAF et Fama-French révèlent un R² plus élevé et un AIC plus faible pour le modèle multifactoriel, indiquant une meilleure explication des rendements excédentaires et un compromis optimal entre précision et complexité. En conclusion, l’intégration de facteurs additionnels dans l’analyse des portefeuilles modernes permet une meilleure évaluation du risque et du rendement, particulièrement pour les titres à forte volatilité et à forte exposition sectorielle.
##plugins.generic.usageStats.downloads##
##submission.downloads##
Publiée
Comment citer
Numéro
Rubrique
Licence
Copyright (c) 2026 Yassire El Otmani, Toufik Marmad, Tarik Ait Elmoumen

Ce travail est disponible sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale 4.0 International.


















