Stratégies factorielles : value, qualité, momentum à l’épreuve

Qu’est-ce qu’une stratégie factorielle ?

Une stratégie factorielle est une stratégie d’investissement qui classe un grand nombre d’actions selon une caractéristique mesurable, le facteur, achète celles qui l’ont le plus et vend celles qui l’ont le moins, puis renouvelle ce classement à intervalles réguliers. Le facteur value achète les actions bon marché par rapport à leurs fonds propres comptables et vend les plus chères ; le facteur qualité achète les entreprises rentables et solides ; le momentum achète les gagnants des douze derniers mois et vend les perdants. Le portefeuille long-court qui en résulte est censé gagner l’écart de rendement entre les deux groupes, indépendamment de la direction du marché.

La question que pose cette fiche est celle d’un trader : ces stratégies, conçues pour des portefeuilles de centaines d’actions rééquilibrés chaque mois ou chaque année, se testent-elles et se tradent-elles avec les outils d’un particulier ? La réponse est oui pour le momentum, qui ne demande que des prix, et beaucoup plus difficilement pour la value et la qualité, qui demandent des données comptables et un univers entier d’actions. Elle passe d’abord par ce que les études ont vraiment trouvé, et par ce qu’elles ont cessé de trouver.

Les stratégies factorielles en résumé

Les facteurs sont nés dans la recherche académique avant de devenir un produit de gestion. Leur fiche d’identité :

• Article fondateur : Eugene Fama et Kenneth French, « The Cross-Section of Expected Stock Returns », The Journal of Finance, juin 1992
• Modèle à trois facteurs : marché, taille (SMB) et value (HML), Journal of Financial Economics, février 1993
• Momentum : Narasimhan Jegadeesh et Sheridan Titman, The Journal of Finance, mars 1993
• Qualité et rentabilité : Novy-Marx (2013), modèle à cinq facteurs de Fama et French (2015), « Quality minus junk » d’Asness, Frazzini et Pedersen (2019)
• Value (HML), 1926-2026 : 4,2 % par an en moyenne, pire perte cumulée de 57,8 % de fin 2006 à septembre 2020 (calcul de cette fiche)
• Momentum, 1927-2026 : 7,4 % par an en moyenne, −34,4 % en un seul mois, en avril 2009 (calcul de cette fiche)
• Outil : un ProScreener de momentum sur ProRealTime (code ci-dessous)

D’où viennent les stratégies factorielles ?

Les stratégies factorielles viennent d’un constat d’Eugene Fama et de Kenneth French publié en juin 1992 dans The Journal of Finance : deux variables faciles à mesurer, la taille de l’entreprise et le rapport entre ses fonds propres comptables et sa valeur en Bourse, captent à elles deux les écarts de rendement moyen entre actions associés au bêta, à la taille, à l’endettement, au rapport valeur comptable sur valeur de marché et au rapport bénéfice sur cours. Quand on laisse varier le bêta indépendamment de la taille, la relation entre le bêta et le rendement moyen est plate. L’année suivante, dans le Journal of Financial Economics de février 1993, les deux auteurs construisent les portefeuilles qui servent encore de référence : SMB (small minus big), l’écart entre petites et grandes capitalisations, et HML (high minus low), l’écart entre actions à fort et à faible rapport valeur comptable sur valeur de marché, les actions « value » et les actions « croissance ».

Le momentum est publié la même année. Narasimhan Jegadeesh et Sheridan Titman montrent, dans The Journal of Finance de mars 1993, qu’acheter les actions qui ont le mieux performé et vendre celles qui ont le plus baissé rapporte des rendements significatifs sur des horizons de détention de 3 à 12 mois, qui ne s’expliquent pas par le risque systématique ; une partie de ce surcroît se dissipe dans les deux années suivantes. Le facteur que publie Kenneth French mesure la performance passée du mois −12 au mois −2 : il saute le dernier mois.

La qualité arrive plus tard. Robert Novy-Marx publie en 2013, dans le Journal of Financial Economics, « The other side of value », sur la prime de rentabilité brute. Fama et French ajoutent en 2015 à leur modèle un facteur de rentabilité, RMW (robust minus weak), et un facteur d’investissement, CMA. Clifford Asness, Andrea Frazzini et Lasse Pedersen définissent en 2019, dans la Review of Accounting Studies, la qualité comme l’ensemble des caractéristiques pour lesquelles un investisseur devrait accepter de payer plus cher, rentabilité, croissance et sécurité ; leur facteur « quality minus junk » gagne des rendements ajustés du risque significatifs aux États-Unis et dans 24 pays. Cliff Asness, ancien élève de Fama, a fait de ces facteurs le cœur de la gestion d’AQR.

Comment se construit un facteur value, qualité ou momentum ?

Un facteur se construit comme un portefeuille long-court, et la recette de Kenneth French, publiée avec les données sur son site de la Tuck School of Business de Dartmouth, sert de norme. Les actions cotées au NYSE, à l’AMEX et au Nasdaq sont réparties en six portefeuilles pondérés par la capitalisation, selon leur taille et leur rapport valeur comptable sur valeur de marché. HML est la moyenne des deux portefeuilles value, petits et grands, moins la moyenne des deux portefeuilles croissance. RMW suit la même logique avec la rentabilité d’exploitation, les entreprises « robustes » moins les « faibles ». Le momentum classe chaque mois les actions selon leur performance du mois −12 au mois −2 : sont achetées celles au-dessus du 70e centile du NYSE, vendues celles sous le 30e.

Cette construction a trois conséquences que le trader doit garder en tête. Les rendements publiés sont ceux de portefeuilles de papier, sans frais de transaction ni coût d’emprunt des titres vendus à découvert. Ils combinent des centaines d’actions, ce qui dilue le risque propre à chacune. Et ils se rééquilibrent rarement pour la value, chaque année en juin, souvent pour le momentum, chaque mois. Une stratégie factorielle est donc d’abord une affaire de diversification et de patience, pas de timing.

Que rapportent les stratégies factorielles sur longue période ?

Les stratégies factorielles ont rapporté en moyenne sur longue période, mais avec des pertes longues et profondes. Les chiffres qui suivent sont calculés pour cette fiche à partir des séries mensuelles publiées par Kenneth French, construites sur la base CRSP de septembre 2026 ; ce sont des rendements bruts de portefeuilles de papier. De juillet 1926 à septembre 2026, le facteur value HML rapporte 4,2 % par an en moyenne, avec une volatilité de 12,3 %, soit un rapport rendement sur risque de 0,34. Le momentum, de janvier 1927 à septembre 2026, rapporte 7,4 % par an pour une volatilité de 16,3 %, soit 0,46. Le facteur de rentabilité RMW, disponible depuis juillet 1963, rapporte 3,0 % par an pour une volatilité de 7,9 %, soit 0,37.

Ces moyennes cachent des régimes très différents. Le facteur value gagne 5,1 % par an de juillet 1963 à décembre 1990, puis 6,8 % par an de 1991 à 2006. De janvier 2007 à décembre 2020, il perd 5,3 % par an en moyenne ; de son sommet de fin décembre 2006 à son creux de septembre 2020, il cède 57,8 % en cumulé. Depuis, il a regagné du terrain : 8,2 % par an en moyenne de janvier 2021 à septembre 2026. Le momentum connaît des krachs plutôt que de longues traversées : il perd 34,4 % en avril 2009, et 49,4 % en cumulé de mars à mai 2009, quand les actions les plus battues de la crise rebondissent plus vite que les gagnantes ; son pire mois reste pourtant août 1932, à −52,6 %, et sa pire perte cumulée, 78,4 %, court de juin 1932 à septembre 1939.

La recherche a aussi mesuré l’usure. R. David McLean et Jeffrey Pontiff, dans The Journal of Finance de février 2016, étudient 97 variables dont la littérature a montré qu’elles prédisaient les rendements des actions : les rendements de leurs portefeuilles sont 26 % plus faibles hors de l’échantillon des études, et 58 % plus faibles après leur publication. Ils estiment à 32 % la baisse due aux investisseurs qui exploitent les publications, et constatent que les anomalies les plus rentables sur le papier sont celles qui reculent le plus. Campbell Harvey, Yan Liu et Heqing Zhu, dans la Review of Financial Studies en 2016, recensent 316 facteurs publiés et concluent qu’un nouveau facteur devrait franchir une statistique t supérieure à 3,0, et non 2,0, pour tenir compte de cette chasse aux données ; ils estiment que la plupart des résultats annoncés en économie financière sont probablement faux.

Comment tester une stratégie factorielle sur ProRealTime ?

Sur ProRealTime, une stratégie factorielle se teste par ProScreener, l’outil de recherche multi-valeurs, et seulement pour les facteurs qui se calculent à partir des prix, comme le momentum. ProBacktest teste un système sur le graphique d’un instrument : il ne classe pas un univers d’actions chaque mois. ProScreener, lui, passe en revue un marché entier, mais son manuel ne décrit que des données de cours et de volume, pas de données comptables : la value et la qualité, qui demandent des fonds propres ou des bénéfices, n’y sont pas décrites. Le code ci-dessous classe les actions d’une liste selon leur performance du mois −12 au mois −2, la définition du momentum de Kenneth French. Il n’a pas encore été contrôlé sur la plateforme.

// Momentum 12-1 (définition de Kenneth French) : performance du mois -12 au mois -2
// ProScreener, période « mensuel », sur une liste d'actions (par exemple un indice ou un marché)
// Dans la fenêtre du screener : afficher les valeurs les plus élevées (gagnants)
// ou les plus faibles (perdants) du critère de tri

// Performance du mois -12 au mois -2, le dernier mois étant exclu
Perf = (Close[1] / Close[12] - 1) * 100

// Filtre : titres cotant au moins 5 unités monétaires et ayant 13 mois d'historique
c1 = Close >= 5 AND BarIndex >= 12

SCREENER[c1](Perf AS "Momentum 12-1 (%)")

Chaque instruction suit le manuel officiel de ProScreener (version 6.1.0 du 1er décembre 2025). Le code s’applique sur la période « mensuel » choisie dans la fenêtre du screener : Close[1] est la clôture du mois précédent et Close[12] celle d’il y a douze mois, de sorte que le rapport mesure la performance du mois −12 au mois −2 quand le mois en cours est terminé. Lancé en cours de mois, alors que la dernière bougie mensuelle n’est pas close, le même code inclut le dernier mois écoulé : il faut alors décaler d’un cran, Close[2] / Close[13] et BarIndex >= 13. SCREENER[condition](critère AS « nom ») filtre les valeurs et les trie selon le critère ; la troisième section de la fenêtre permet de choisir d’afficher les résultats les plus élevés, les gagnants, ou les plus faibles, les perdants. Deux limites viennent du manuel : ProScreener calcule sur les 256 derniers chandeliers, 1 024 sur les plateformes Premium, ce qui suffit en mensuel, et il n’affiche que 50 résultats, 100 en Premium. Le filtre de prix écarte les titres à moins de 5 unités monétaires, souvent peu liquides ; c’est un choix, à adapter au marché. Le reste de la plateforme est détaillé dans le guide ProRealTime d’andlil.com.

Que change l’approche factorielle pour un trader ?

Pour un trader, l’approche factorielle change d’abord l’échelle de temps. Les primes mesurées sont de quelques points de pourcentage par an, gagnées sur des centaines de titres rééquilibrés chaque mois ou chaque année : rien qui se joue en séance. Un day trader n’en tire pas une stratégie, mais une information sur le terrain où il opère : sur douze mois, les gagnants ont eu tendance à continuer ; sur un seul mois, c’est l’inverse. Le facteur de retournement à court terme publié par Kenneth French, qui achète les perdants du dernier mois et vend les gagnants, rapporte 7,5 % par an en moyenne de février 1926 à septembre 2026 (calcul de cette fiche) : c’est la raison pour laquelle le momentum saute le dernier mois.

Elle change ensuite la manière de juger un résultat. Un portefeuille d’actions value qui perd pendant des années n’est pas forcément une erreur de méthode : le facteur lui-même a perdu 57,8 % en près de quatorze ans. À l’inverse, une sélection d’actions qui bat l’indice pendant trois ans peut n’être qu’une exposition involontaire au momentum, et s’effondrer avec lui un mois de rebond. Avant d’attribuer un gain à son talent, il vaut la peine de vérifier à quel facteur il ressemble. La notion de facteur, apparue dans la recherche des années 1990, systématise une intuition plus ancienne, celle des investisseurs de la valeur comme Benjamin Graham.

Quelles sont les limites des stratégies factorielles ?

La première limite des stratégies factorielles est la chasse aux données. Avec 316 facteurs recensés par Harvey, Liu et Zhu, et sans doute davantage depuis, certains ont l’air rentables sur le passé par simple hasard, et le seuil statistique habituel ne suffit plus à les distinguer. C’est la sur-optimisation à l’échelle d’une discipline entière. Le biais du survivant s’y ajoute : on lit les facteurs qui ont marché dans les études publiées, rarement ceux qui ont échoué.

La deuxième est l’usure. Une prime publiée attire les capitaux qui la réduisent : McLean et Pontiff mesurent une baisse de 58 % après publication. Le facteur value, le plus célèbre, a subi de fin 2006 à septembre 2020 sa plus forte perte cumulée depuis 1926, sans qu’on puisse dire avec certitude s’il s’agissait d’une malchance, d’un changement de l’économie ou d’une prime arbitrée. Son redressement depuis 2021 ne tranche pas la question.

La troisième tient aux chiffres eux-mêmes. Les séries de Kenneth French sont des portefeuilles de papier, sans frais, sans coût d’emprunt des titres et sans impôt, avec une jambe vendeuse que la plupart des particuliers ne peuvent pas répliquer sur des centaines d’actions. Le momentum, rééquilibré chaque mois, fait tourner son portefeuille bien plus vite que la value, rééquilibrée une fois par an, et paie donc davantage de frais ; ses krachs, comme celui de 2009, viennent de sa jambe vendeuse, les perdants qui rebondissent. Enfin, aucune étude ne garantit qu’un facteur rapporte sur une période donnée : 4,2 % par an en moyenne sur un siècle n’ont pas empêché près de quatorze ans de pertes.

Questions fréquentes sur les stratégies factorielles