Skewness Dispersion and Stock Market Returns

Cette étude démontre que la dispersion transversale de l'asymétrie réalisée au niveau des entreprises prédit de manière significative et robuste les rendements futurs du marché boursier, offrant des gains économiques substantiels grâce à un mécanisme lié à l'incorporation progressive des nouvelles macroéconomiques, notamment lors des annonces de politique monétaire.

L'essentiel

🎢 Le "Chaos des Parachutes" : Comment l'asymétrie des actions prédit le marché

Imaginez que vous êtes un capitaine de navire (un investisseur) traversant l'océan financier. Votre but est simple : gagner de l'argent. Mais le marché est imprévisible. Comment savoir si une tempête arrive ?

Les chercheurs de cette étude (Babiak, Baruník et Kurka) ont découvert un nouvel indicateur météo, qu'ils appellent la "Dispersion de l'Asymétrie" (ou Skewness Dispersion).

Voici comment ça fonctionne, sans jargon technique :

1. Le concept de base : La différence entre les parachutes

Pour comprendre, imaginez que chaque entreprise cotée en bourse est un parachutiste sautant d'un avion.

• La "Skewness" (Asymétrie) : C'est la forme de la chute. Est-ce que le parachutiste va tomber droit, ou est-ce qu'il y a un risque qu'il soit emporté violemment vers la gauche (chute brutale) ou vers la droite (saut de puce inattendu) ?
• La "Dispersion" : C'est la mesure de l'écart entre les parachutistes.

Dans un marché calme, tous les parachutistes ont à peu près la même forme de chute. C'est homogène.
Mais quand la "Dispersion de l'Asymétrie" est élevée, cela signifie que le chaos règne : certains parachutistes ont des parachutes qui semblent très stables (très positifs), tandis que d'autres ont des parachutes qui semblent sur le point de se déchirer (très négatifs). Il y a une grande hétérogénéité dans les opinions et les risques.

2. La découverte clé : Quand le chaos est grand, le marché chute

L'étude a analysé des milliers d'actions américaines sur 20 ans. Le résultat est surprenant mais clair :

• Quand la dispersion est forte (beaucoup de désaccord sur la forme des parachutes), le marché boursier a tendance à baisser dans les mois qui suivent.
• Quand la dispersion est faible (tout le monde est d'accord sur la forme des parachutes), le marché a tendance à monter.

C'est comme si, quand les gens sont très divisés sur la sécurité de leurs propres investissements, cela annonce une tempête générale pour tout le monde.

3. Pourquoi est-ce si puissant ? (La météo des annonces)

Les chercheurs ont cherché à comprendre pourquoi cela fonctionne. Ils ont découvert que ce signal est particulièrement fort juste avant ou pendant les annonces de la Réserve Fédérale américaine (FOMC) (la banque centrale qui décide des taux d'intérêt).

L'analogie de la salle de réunion :
Imaginez une grande salle de réunion où des investisseurs discutent.

• Avant qu'une nouvelle importante (comme un changement de taux d'intérêt) ne soit annoncée, tout le monde a une opinion différente. Certains pensent que ça va bien, d'autres que ça va mal. C'est le moment de la forte dispersion.
• Dès que l'annonce tombe, la vérité éclate. Tout le monde ajuste son opinion en même temps. Le marché se "réajuste" rapidement.
• Le fait que les gens soient en désaccord avant l'annonce crée une opportunité de prédire que le marché va bouger (souvent à la baisse) une fois que la vérité sera révélée.

4. Est-ce que ça rapporte de l'argent ? (Le test du portefeuille)

Les chercheurs ne se sont pas contentés de théories. Ils ont simulé des investissements réels.

• Stratégie classique : Acheter et garder (comme si vous laissiez votre voiture sur l'autoroute sans jamais regarder le GPS).
• Stratégie avec "Dispersion" : Utiliser l'indicateur pour ajuster votre portefeuille.

Résultat : Les investisseurs utilisant cet indicateur ont gagné beaucoup plus d'argent (environ 7 à 8 % de rendement en plus par an) et ont pris moins de risques que ceux qui suivaient simplement la moyenne historique. C'est comme avoir un GPS qui vous dit : "Attention, brouillard devant, ralentissez" ou "Route libre, accélérez".

5. Ce n'est pas juste de la "psychologie de foule"

On pourrait penser que c'est juste de l'émotion (peur ou euphorie). Mais l'étude montre que c'est plus subtil :

• C'est lié au risque réel : Quand les désaccords sont grands, le risque global du système augmente.
• C'est lié à l'information : Les investisseurs sophistiqués (ceux qui vendent à découvert, c'est-à-dire parient sur la baisse) utilisent ces désaccords pour se positionner avant que le grand public ne réalise ce qui arrive.

En résumé

Cette étude nous dit que la façon dont les investisseurs sont en désaccord sur le risque de chaque entreprise individuelle est un signal puissant pour prédire l'avenir du marché global.

• Beaucoup de désaccord sur les risques individuels = Préparez-vous à une baisse du marché.
• Peu de désaccord = Le marché est probablement stable ou en hausse.

C'est un outil simple (basé uniquement sur les prix des actions) qui permet de voir la "météo" du marché avant que la tempête n'arrive, offrant ainsi un avantage précieux aux investisseurs.

Résumé technique

Résumé Technique : Dispersion de la Skewness et Rendements du Marché Boursier

1. Problématique et Motivation

La littérature financière a longuement débattu des déterminants de la prime de risque actions. Bien que les moments d'ordre supérieur, en particulier la skewness (asymétrie de la distribution des rendements), soient reconnus comme des facteurs explicatifs des rendements individuels des actions, leur pertinence pour prédire les rendements agrégés du marché reste limitée et souvent controversée.

L'article identifie une lacune dans les études précédentes (notamment Jondeau, Zhang et Zhu, 2019) qui se concentrent sur la moyenne de la skewness au niveau des entreprises. Les auteurs soutiennent que cette approche masque une hétérogénéité cruciale : si les investisseurs ont des attentes divergentes concernant les payoffs asymétriques, cette divergence doit se refléter non seulement dans le niveau moyen, mais aussi dans la distribution croisée de la skewness entre les différentes actions.

Question centrale : La dispersion transversale de la skewness réalisée au niveau des entreprises contient-elle une information incrémentale pour prédire les rendements futurs du marché actions ?

2. Méthodologie et Construction des Données

Données :

• Période : Décembre 2000 à Décembre 2022.
• Échantillon : 6 770 actions américaines (NYSE, AMEX, NASDAQ).
• Fréquence : Données haute fréquence (prix toutes les 5 minutes) utilisées pour calculer les moments réalisés quotidiens.

Construction de la Variable Explicative (Dispersion de la Skewness) :
Les auteurs construisent un nouveau prédicteur, la dispersion de la skewness ($SD_{a-b}$) :

1. Calcul de la skewness réalisée quotidienne ($RS_t^s$) pour chaque action $s$ à partir des rendements intrajournaliers, standardisée par la variance réalisée.
2. Définition de la dispersion comme l'écart inter-percentile (par exemple, entre le 95e et le 5e percentile, ou le 75e et le 25e) de la distribution croisée de ces skewness quotidiennes.
3. Agrégation mensuelle : La série temporelle mensuelle est construite comme la moyenne (ou la médiane) des mesures quotidiennes sur les 5 derniers jours de trading du mois.

Modèles Économétriques :

• Régressions de prévision univariées et bivariées : Pour tester la relation entre la dispersion de la skewness ($SD_t$) et les rendements excédentaires futurs du marché ($r_{t,t+h}$) sur des horizons de 1, 3, 6 et 12 mois.
• Corrections statistiques : Prise en compte du biais de Stambaugh, de l'hétéroscédasticité conditionnelle et de la corrélation sérielle via les erreurs standards de Newey-West, des observations non chevauchantes (Martin, 2017) et la méthode IVX (Kostakis et al., 2015) pour gérer la persistance des prédicteurs.
• Tests hors-échantillon (Out-of-Sample) : Utilisation d'une fenêtre d'estimation élargie (de 2005 à 2022) avec comparaison à la moyenne historique (benchmark) via le $R^2$ hors-échantillon et le test de Clark-West.
• Allocation d'actifs : Évaluation de la valeur économique via des stratégies de portefeuille moyen-variance (calcul du CER - Certainty Equivalent Return - et du ratio de Sharpe).

3. Résultats Principaux

A. Pouvoir Prédictif Intra-échantillon et Hors-échantillon

• Relation Négative Significative : Il existe une relation négative et statistiquement significative entre la dispersion de la skewness et les rendements futurs du marché. Une dispersion élevée (forte hétérogénéité des asymétries) prédit des rendements de marché plus faibles.
• Robustesse : Ce résultat tient sur tous les horizons (1 à 12 mois), avec différentes définitions de la dispersion (75-25, 95-5, etc.) et est robuste aux périodes de récession (exclusion des récessions NBER).
• Performance Hors-échantillon : La dispersion de la skewness surpasse significativement la moyenne historique. Les gains en $R^2$ hors-échantillon varient de 2,3 % à 8,9 % selon l'horizon et la spécification, ce qui est rare pour des prédicteurs macro-financiers.
• Information Incrémentale : La dispersion de la skewness reste un prédicteur puissant même lorsqu'elle est contrôlée par un ensemble de 50 prédicteurs existants (incluant la skewness moyenne, les facteurs de sentiment, les primes de risque de variance, les ratios book-to-market, etc.). Seuls quelques prédicteurs (comme le facteur de skewness forward et l'indice d'attention) conservent une capacité prédictive indépendante.

B. Valeur Économique (Allocation d'Actifs)

• Un investisseur moyen-variance utilisant les prévisions basées sur la dispersion de la skewness obtient des gains substantiels par rapport à une stratégie "Buy-and-Hold" ou à la moyenne historique.
• Gains CER : Entre 709 et 875 points de base (pour un horizon mensuel).
• Ratio de Sharpe : Augmente de 0,57 (stratégie passive) à 0,82 - 0,91 avec l'utilisation de ce prédicteur.
• La richesse cumulée logarithmique de la stratégie basée sur la dispersion de la skewness dépasse celle de presque tous les autres prédicteurs testés.

C. Mécanismes Économiques
Les auteurs explorent deux canaux principaux :

1. Risque vs Comportement :
   • La dispersion est négativement corrélée avec les mesures de risque agrégé (variance implicite, prime de risque de variance), suggérant qu'elle capture des variations dans les conditions économiques perçues.
   • Elle est positivement corrélée avec certaines mesures de sentiment (notamment l'attention des investisseurs et les mesures de l'AAII), mais l'effet est modeste.
2. Diffusion de l'Information (Mécanisme Clé) :
   • La puissance prédictive est fortement concentrée autour des annonces de politique monétaire (réunions du FOMC).
   • La prévisibilité est forte dans le mois précédant et durant le mois de la réunion FOMC, mais devient négligeable en dehors de ces périodes.
   • Cela suggère que la dispersion de la skewness capture l'hétérogénéité des croyances des investisseurs qui est progressivement incorporée dans les prix avant et pendant les annonces macroéconomiques majeures, résolvant ainsi les erreurs de valorisation.

D. Analyse de Sensibilité : Dispersion de la Kurtosis

• Les auteurs testent également la dispersion de la kurtosis (épaisseur des queues). Bien que celle-ci montre également une relation négative avec les rendements futurs, son pouvoir prédictif est plus faible, surtout sur les horizons longs. Cela indique que l'asymétrie (skewness) est le facteur dominant plutôt que la simple épaisseur des queues.

4. Contributions et Signification

1. Nouveau Prédicteur Robuste : L'article introduit la "dispersion de la skewness" comme un prédicteur robuste, simple à construire (basé uniquement sur les données de rendements) et performant tant en intra- qu'en hors-échantillon, comblant un vide dans la littérature sur la prévisibilité des rendements agrégés.
2. Distinction entre Moyenne et Dispersion : Il démontre que l'hétérogénéité dans la distribution des moments d'ordre supérieur contient une information plus riche que la simple moyenne, offrant une nouvelle perspective sur la formation des prix.
3. Mécanisme d'Information : L'article fournit des preuves empiriques solides reliant la prévisibilité des rendements à la diffusion de l'information macroéconomique (annonces FOMC), soutenant une vision hybride où la dispersion reflète à la fois le risque agrégé et les erreurs de valorisation comportementales.
4. Valeur Pratique : Les résultats démontrent une valeur économique substantielle pour les gestionnaires de portefeuille, offrant des opportunités d'amélioration significative des ratios de risque-rendement.

En conclusion, cet article établit que la dispersion croisée de la skewness réalisée est un indicateur puissant de la dynamique future du marché actions, agissant comme un signal de l'hétérogénéité des croyances des investisseurs qui se résout lors de l'arrivée d'informations macroéconomiques majeures.