Introduction

Les modèles d’évaluation des actifs constituent un fondement essentiel de la

théorie financière moderne, en ce qu’ils visent à expliquer la formation des prix
des actifs financiers et à déterminer le rendement attendu en fonction du risque
encouru. Dans un environnement financier caractérisé par l’incertitude,
l’asymétrie d’information et l’interdépendance croissante des marchés,
l’évaluation rigoureuse des actifs apparaît comme une condition indispensable à
l’allocation efficiente des ressources et à la prise de décision rationnelle des
agents économiques. Ces modèles fournissent ainsi un cadre analytique
permettant d’appréhender les mécanismes de valorisation des actifs sur les
marchés financiers.

Inscrits dans le prolongement des travaux fondateurs de la théorie du portefeuille, notamment

ceux de Markowitz (1952), les modèles d’évaluation des actifs reposent sur l’hypothèse selon
laquelle les investisseurs sont averses au risque et cherchent à maximiser leur utilité espérée.
Le Modèle d’Évaluation des Actifs Financiers (MEDAF), lui-même a été développé
indépendamment par William Sharpe (1964), John Lintner (1965) et Jan Mossin (1966),
s'appuyant également sur les contributions antérieures de Jack Treynor (1961, 1962). Il
formalise cette relation en postulant que le rendement espéré d’un actif dépend exclusivement
de son risque systématique, mesuré par le coefficient bêta. Par la suite, les modèles
multifactoriels, tels que l’Arbitrage Pricing Theory (APT) de Ross ou les modèles de Fama et
French, ont enrichi cette approche en intégrant plusieurs sources de risque susceptibles
d’influencer les rendements des actifs.

Néanmoins, malgré leur cohérence théorique et leur portée explicative, les modèles
d’évaluation des actifs présentent certaines limites conceptuelles et empiriques. Les
hypothèses de marchés efficients, de rationalité parfaite des investisseurs et de stabilité des
relations entre risque et rendement sont régulièrement contestées par les observations
empiriques et les événements de marché, notamment les crises financières. Ces constats ont
conduit à l’émergence de nouvelles approches, telles que la finance comportementale et les
modèles intégrant des risques extrêmes ou des facteurs macroéconomiques, visant à améliorer
la capacité explicative des modèles traditionnels. Dès lors, l’analyse des modèles d’évaluation
des actifs demeure un champ de recherche dynamique, au croisement de la théorie
économique, de l’analyse financière et de l’observation empirique des marchés.

Fonctionnement du MEDAF (Modèle d’Évaluation des Actifs Financiers)

Le MEDAF a pour objectif de formaliser la relation entre le rendement attendu d’un actif
financier et le risque qu’il fait supporter à l’investisseur. Plus précisément, il postule que seul
le risque systématique (c’est-à-dire le risque lié aux fluctuations globales du marché et non
éliminable par la diversification) est rémunéré sur les marchés financiers. Ainsi, un
investisseur n’exige un rendement supplémentaire que s’il accepte d’être exposé aux
variations du marché dans son ensemble.

1. La formule du MEDAF
La relation fondamentale du MEDAF s’écrit comme suit :

E(R i)=R f + β i ×[E(R m )−Rf ]Cette équation indique que le rendement espéré d’un actif est
égal à la somme de deux composantes distinctes :

 La rémunération du temps, représentée par le taux sans risque ( R f ).

Elle correspond au rendement minimal qu’un investisseur peut obtenir sans prendre de
risque, simplement en acceptant de différer sa consommation.
 La rémunération du risque systématique, mesurée par le produit du bêta de l’actif ( β i)
et de la prime de risque du marché ( E(R m)−Rf ).
Cette composante rémunère l’investisseur pour l’exposition de l’actif aux fluctuations
du marché.

2. Interprétation économique des variables

Variable Interprétation économique Rôle dans l’évaluation

Correspond au coût des capitaux

Rendement minimal exigé par
E(R i) propres, utilisé comme taux
l’investisseur pour détenir l’actif i .
d’actualisation.

Rendement d’un actif sans risque Point de départ de toute rémunération

Rf
(ex. : bons du Trésor à court terme). financière.

Rendement espéré du portefeuille de Référence du rendement d’un portefeuille

E(R m)
marché (indice boursier large). parfaitement diversifié.
Variable Interprétation économique Rôle dans l’évaluation

Prime de risque du marché (Market Rémunération exigée pour accepter le

E(R m)−Rf
Risk Premium). risque du marché.

Sensibilité du rendement de l’actif i Mesure le niveau de risque systématique

βi
aux variations du marché. de l’actif.

Le bêta joue un rôle central :

 β=1: l’actif a le même niveau de risque que le marché ;

 β >1: l’actif est plus risqué que le marché ;
 β <1: l’actif est moins risqué que le marché.

3. Illustration chiffrée
Considérons un actif A dont on souhaite déterminer le rendement exigé par les investisseurs.

Données :

 Taux sans risque ( R f ) : 3 %

 Rendement espéré du marché ( E(R m) ) : 8 %
 Bêta de l’actif A ( β A) : 1,5

Étape 1 : Calcul de la prime de risque du marché

E(R m)−Rf =8 %−3 %=5 % Étape 2 : Calcul du rendement espéré de l’actif A

E(R A )=3 %+ 1, 5 ×5 %=3 % +7 , 5 %=10 ,5 % L’actif A, dont le bêta est supérieur à 1, est
plus sensible aux fluctuations du marché. Il est donc considéré comme plus risqué et doit
offrir un rendement exigé (10,5 %) supérieur à celui du marché (8 %).

À l’inverse, si un actif B possède un bêta de 0 , 8, son rendement exigé serait :

E(R B )=3 % +0 , 8 ×5 %=7 %

Cet actif, moins risqué que le marché, offre logiquement un rendement attendu plus faible.

Malgré sa simplicité et sa portée pédagogique, le MEDAF repose sur un ensemble

d’hypothèses fortes : marchés parfaitement efficients, investisseurs rationnels et homogènes,
possibilité d’emprunter et de prêter au taux sans risque, et stabilité du bêta dans le temps. Or,
de nombreuses études empiriques ont mis en évidence des écarts persistants entre les
rendements observés et ceux prédits par le modèle. En particulier, certains facteurs tels que la
taille des entreprises, leur ratio valeur/comptabilité ou encore les anomalies comportementales
ne sont pas expliqués par le seul risque systématique. Ces limites ont conduit au
développement de modèles alternatifs, notamment les modèles multifactoriels, visant à
enrichir et dépasser le cadre du MEDAF.

Apports et limites du MEDAF

1. Intérêts et avantages du MEDAF

 Clarification fondamentale de la relation risque-rendement

L’un des apports majeurs du MEDAF est d’avoir démontré que le rendement attendu d’un
actif financier dépend uniquement de son risque systématique, et non du risque total. Dans le
prolongement de la théorie du portefeuille de Markowitz (1952), Sharpe (1964) établit que
les investisseurs rationnels peuvent éliminer le risque spécifique par la diversification. Dès
lors, le marché ne rémunère que le risque non diversifiable, c’est-à-dire celui lié aux
fluctuations générales de l’économie. Le coefficient bêta (β) mesure cette sensibilité du
rendement d’un actif aux variations du marché. Un actif ayant un bêta élevé est plus volatil et
donc exige un rendement attendu plus important. Ainsi, le MEDAF fournit une justification
économique claire de la prime de risque exigée par les investisseurs. L’apport clé du modèle
est qu’il transforme une notion abstraite (le risque) en un indicateur mesurable et comparable,
facilitant la prise de décision financière.

 Détermination rigoureuse du rendement exigé et du coût des fonds propres

Le MEDAF permet d’estimer le rendement exigé par les actionnaires, qui constitue le coût
des fonds propres pour l’entreprise. Cette estimation est essentielle pour l’évaluation
financière des projets d’investissement et des entreprises. Selon Brealey, Myers et Allen
(2017), le MEDAF est privilégié par les praticiens car il intègre explicitement le taux sans
risque, tient compte de la prime de risque du marché, ajuste le rendement exigé en fonction du
niveau de risque de l’entreprise. Dans la pratique, le MEDAF est largement utilisé dans la
méthode des flux de trésorerie actualisés (DCF) et le calcul du coût moyen pondéré du capital
(CMPC/WACC). L’intérêt majeur ici est qu’il offre un outil simple, standardisé et
opérationnel, compatible avec les exigences de la finance d’entreprise moderne.

 Outil central de gestion et d’évaluation de la performance financière

Le MEDAF ne se limite pas à l’évaluation ex ante des actifs ; il permet aussi une analyse ex
post des performances. Jensen (1968) introduit l’alpha de Jensen, qui mesure l’écart entre le
rendement effectivement observé et le rendement théorique prédit par le MEDAF. Un alpha
positif traduit une performance supérieure à celle justifiée par le risque pris, tandis qu’un
alpha négatif indique une sous-performance. Cette approche est largement utilisée pour
évaluer la compétence des gestionnaires de portefeuille, comparer différentes stratégies
d’investissement et analyser la création de valeur financière. Ainsi, le MEDAF fournit un
référentiel objectif pour juger la performance ajustée du risque.

 Un modèle fondateur structurant la recherche en finance moderne

Le MEDAF constitue un socle théorique majeur sur lequel s’est construite une grande partie
de la finance financière contemporaine. Fama (1970) montre que le MEDAF est cohérent
avec l’hypothèse d’efficience des marchés, selon laquelle les prix intègrent toute
l’information disponible. En outre, les limites empiriques du MEDAF ont stimulé le
développement de modèles alternatifs : le modèle d’arbitrage (APT) de Ross (1976) et les
modèles multifactoriels de Fama et French (1993). Cependant if noté que, même contesté, le
MEDAF demeure une référence incontournable, servant de point de comparaison pour tout
nouveau modèle d’évaluation des actifs.

2. Limites et critiques pratiques du MEDAF

 Hypothèses comportementales et institutionnelles peu réalistes

Le MEDAF repose sur des hypothèses théoriques très restrictives : les investisseurs sont
supposés parfaitement rationnels, homogènes dans leurs anticipations, et opérant sur des
marchés sans frictions (absence d’impôts, de coûts de transaction et de contraintes de
liquidité). Or, la finance comportementale (Kahneman & Tversky, 1979) montre que les
décisions financières sont souvent influencées par des biais cognitifs.
De plus, les marchés réels sont marqués par des imperfections institutionnelles qui remettent
en cause l’universalité du modèle. Ainsi, les fondements théoriques du MEDAF s’éloignent
des conditions réelles de fonctionnement des marchés.

 Impossibilité pratique d’observer le portefeuille de marché

Roll (1977) formule une critique centrale en soulignant que le portefeuille de marché du
MEDAF est inobservable. Théoriquement, il devrait inclure tous les actifs risqués existants, y
compris les actifs financiers, l’immobilier, le capital humain et les actifs non cotés. En
pratique, les chercheurs utilisent des indices boursiers comme approximation, ce qui biaise les
tests empiriques. Ainsi, l’échec ou la validation du MEDAF dépend en grande partie du proxy
choisi. Il est donc impossible de tester rigoureusement le MEDAF, ce qui fragilise sa validité
empirique.

 Faible stabilité temporelle et pouvoir explicatif limiter du bêta

Le bêta est censé être une mesure stable du risque systématique. Cependant, de nombreuses
études empiriques montrent qu’il varie dans le temps en fonction des conditions économiques,
de la structure financière des entreprises, de la conjoncture des marchés. Blume (1971)
démontre que les bêtas ont tendance à converger vers la moyenne, ce qui réduit leur pouvoir
prédictif. Fama et MacBeth (1973) montrent également que la relation entre bêta et rendement
est souvent faible ou non significative. Ainsi, le bêta ne suffit pas à expliquer les différences
de rendement observées sur les marchés.

 Existence d’anomalies empiriques non expliquées par le MEDAF

De nombreuses anomalies de marché contredisent les prédictions du MEDAF. Banz (1981)

identifie l’effet taille, selon lequel les petites entreprises génèrent des rendements plus élevés
que prévu. Fama et French (1992) mettent en évidence l’effet valeur, lié au ratio book-to-
market. Ces anomalies suggèrent que le rendement des actifs dépend de plusieurs facteurs de
risque, et non d’un facteur unique. Le MEDAF apparaît comme un modèle incomplet, ouvrant
la voie aux modèles multifactoriels.

 Faible pertinence dans les marchés émergents et africains

Le MEDAF a été conçu dans le contexte des marchés financiers développés. Or, dans les
marchés émergents et africains, les rendements sont fortement influencés par le risque
politique, l’instabilité macroéconomique, les problèmes de liquidité, l’asymétrie
d’information. Harvey (1995) montre que ces risques spécifiques ne sont pas correctement
pris en compte par le MEDAF. Dans le cas des marchés de l’UEMOA ou de la BRVM,
l’application du MEDAF doit donc être prudente. Le MEDAF nécessite des adaptations pour
être pertinent dans les économies en développement.

Le MEDAF constitue un pilier conceptuel de la finance moderne, apportant une

compréhension claire de la relation entre risque et rendement et un outil opérationnel
largement utilisé.
Cependant, ses hypothèses irréalistes, ses limites empiriques et son inadéquation aux marchés
imparfaits justifient les nombreuses critiques dont il fait l’objet et l’émergence de modèles
alternatifs plus riches.
Extensions et modèles alternatifs

Cette partie s’attache ainsi à explorer ces extensions et modèles alternatifs, en trois volets
complémentaires : les modèles multifactoriels, les approches récentes et les applications
futures.

1. Modèles multifactoriels

Le Modèle d’Évaluation des Actifs Financiers (MEDAF), élaboré par Sharpe (1964), Lintner
(1965) et Mossin (1966), a longtemps constitué une référence centrale en finance moderne. Il
repose sur une relation simple et élégante : le rendement espéré d’un actif est proportionnel à
son risque systématique, mesuré par le bêta, en relation avec le portefeuille de marché. Ce
modèle a permis de formaliser le lien entre risque et rendement et de fournir un cadre
théorique solide pour l’évaluation des actifs financiers. Toutefois, malgré son importance
historique, le MEDAF s’est rapidement heurté à des limites empiriques. Les tests réalisés sur
différents marchés ont souvent produit des résultats ambigus, avec des coefficients de
détermination faibles et une incapacité à expliquer certaines anomalies persistantes, telles que
l’effet taille ou l’effet valeur (Shanken, 1992 ; Kan & Zhang, 1999). Ces insuffisances ont
conduit les chercheurs à développer des modèles alternatifs, dits multifactoriels, qui visent à
enrichir la compréhension du risque en intégrant plusieurs dimensions explicatives.

Ainsi, l’une des premières réponses théoriques aux limites du MEDAF est l’Arbitrage Pricing
Theory (APT) proposée par Ross (1976). Contrairement au MEDAF qui repose sur un seul
facteur, le marché , l’APT postule que les rendements des actifs financiers dépendent d’un
ensemble de facteurs multiples. Ces facteurs peuvent être identifiés statistiquement, par des
méthodes comme l’analyse en composantes principales, ou déterminés à partir de variables
macroéconomiques telles que l’inflation, les taux d’intérêt ou l’activité industrielle. L’APT
marque une rupture importante en élargissant le spectre des risques pris en compte et en
offrant une flexibilité méthodologique qui permet d’adapter le modèle aux spécificités des
marchés.

Dans la continuité, Fama et French (1993) proposent un modèle à trois facteurs qui constitue
une avancée empirique majeure. En ajoutant aux côtés du marché deux variables
supplémentaires, le facteur taille (SMB, Small Minus Big) et le facteur valeur (HML, High
Minus Low), ils montrent que ces dimensions permettent de mieux expliquer les rendements
observés, en particulier ceux des petites capitalisations et des entreprises dites « value ». Ce
modèle est devenu une référence incontournable dans la finance empirique, car il parvient à
capturer des régularités que le MEDAF classique ne pouvait expliquer. Toutefois, sa validité
universelle reste discutée, certains chercheurs soulignant que ses performances varient selon
les périodes et les marchés.

Au-delà des facteurs structurels comme la taille et la valeur, la recherche s’est orientée vers
l’intégration des moments supérieurs dans les modèles d’évaluation. Dès les travaux de Kraus
et Litzenberger (1976), l’idée d’un MEDAF à trois moments est proposée, intégrant
l’asymétrie (skewness) comme facteur explicatif. Jurczenko et Maillet (2001) vont plus loin
en développant un MEDAF à quatre moments, ajoutant la kurtosis pour tenir compte du
caractère leptokurtique des distributions de rendements. Ces approches théoriques permettent
de dépasser l’hypothèse de normalité des rendements, souvent contredite par les données
empiriques, et d’intégrer des caractéristiques plus réalistes des distributions financières.

Sur le plan empirique, Lajili (2004) teste l’apport de la co-skewness et de la co-kurtosis au

modèle de Fama-French sur le marché français. Ses résultats montrent que, si certains
coefficients sont significatifs, le pouvoir explicatif supplémentaire reste limité. Toutefois, elle
met en évidence une relation intéressante : la co-skewness est davantage associée aux grandes
capitalisations, tandis que la co-kurtosis concerne les petites. Cette distinction souligne que
les moments supérieurs ne sont pas uniformément pertinents, mais qu’ils peuvent éclairer des
comportements spécifiques selon la taille des entreprises.

Enfin, une avancée méthodologique importante est proposée par Hurlin, Kouontchou et
Maillet (2010), qui utilisent des données de haute fréquence pour estimer des moments
réalisés d’ordre supérieur. Leur approche permet de neutraliser les erreurs de spécification et
d’améliorer sensiblement l’ajustement du modèle aux données de marché. En exploitant la
richesse des données intra-journalières, ils montrent que l’intégration des moments réalisés
offre une précision accrue dans l’évaluation des sensibilités aux facteurs de risque. Cette
contribution illustre la manière dont les modèles multifactoriels peuvent évoluer grâce aux
innovations méthodologiques et à l’accès à de nouvelles bases de données.

En somme, les modèles multifactoriels traduisent une évolution majeure de la théorie

financière. Ils répondent aux limites du MEDAF en élargissant le cadre d’analyse à plusieurs
sources de risque, qu’elles soient macroéconomiques, structurelles ou statistiques. Leur apport
est indéniable : meilleure prise en compte des anomalies de marché, intégration de dimensions
empiriques plus réalistes, et robustesse accrue grâce aux données de haute fréquence.
Toutefois, ils ne sont pas exempts de critiques. Leur complexité croissante peut conduire à
une surparamétrisation, leur pouvoir explicatif demeure parfois limité, et leur généralisation à
l’ensemble des marchés reste problématique. Malgré ces réserves, ils constituent une étape
essentielle dans l’évolution des modèles d’évaluation des actifs, préparant le terrain pour les
approches plus récentes qui mobilisent la finance comportementale et les perspectives
institutionnelles.

2. Approches récentes : finance comportementale et évolutions théoriques

Si les modèles multifactoriels ont permis d’élargir le cadre du MEDAF en intégrant plusieurs
sources de risque, ils n’ont pas pour autant épuisé les critiques adressées à la théorie
financière classique. En effet, au-delà des dimensions statistiques et structurelles, de
nombreux chercheurs ont souligné que les comportements réels des investisseurs ne se
réduisent pas à des hypothèses de rationalité parfaite et de marchés efficients. C’est dans ce
contexte qu’émergent les approches récentes, qui mobilisent la finance comportementale, les
perspectives institutionnelles et les évolutions théoriques de la gouvernance et de
l’organisation.

La finance comportementale constitue sans doute l’un des courants les plus influents. Elle
remet en cause l’hypothèse d’efficience des marchés formulée par Fama (1970) et largement
mobilisée dans le MEDAF. Albouy (2010) souligne que les marchés financiers sont traversés
par des anomalies persistantes (excès de volatilité, bulles spéculatives, comportements
mimétiques) qui ne peuvent être expliquées par les modèles classiques. Les travaux de
Kahneman et Tversky (1979) sur les biais cognitifs, tels que l’aversion aux pertes ou la
surconfiance, montrent que les décisions des investisseurs sont influencées par des facteurs
psychologiques et émotionnels. Ces biais entraînent des écarts systématiques par rapport aux
prédictions du MEDAF et expliquent en partie la formation de bulles ou de krachs.

Dans cette perspective, l’histoire économique fournit des illustrations marquantes. Murphy
(2010), en analysant la bulle du Mississippi orchestrée par John Law au XVIIIe siècle, montre
que les innovations financières peuvent créer des dynamiques spéculatives incontrôlées,
alimentées par l’enthousiasme collectif et l’illusion de richesse. Ce type d’épisode historique
éclaire les limites des modèles fondés sur la rationalité et souligne l’importance de prendre en
compte les comportements collectifs et les institutions dans l’analyse des marchés.

Parallèlement, les évolutions théoriques en finance et en économie des organisations ont

enrichi la réflexion sur l’évaluation des actifs. Charreaux et Albouy (2001) insistent sur la
nécessité de replacer la finance dans une perspective plus large, intégrant les apports de la
théorie des organisations, de la gouvernance et des institutions. Ils montrent que les grands
auteurs de la finance moderne (de Markowitz à Fama) ont progressivement élargi leur champ
d’analyse, mais que les approches néoinstitutionnelles et comportementales offrent
aujourd’hui des pistes plus adaptées pour comprendre la complexité des marchés. La finance
ne peut plus être réduite à une simple relation entre rendement et risque ; elle doit intégrer les
dimensions de pouvoir, de gouvernance et de rationalité limitée.

Ces évolutions théoriques se traduisent par plusieurs apports concrets :

 La prise en compte des biais comportementaux dans la formation des prix

permet d’expliquer les écarts persistants par rapport aux modèles classiques.
 L’intégration des institutions et de la gouvernance dans l’analyse financière
souligne le rôle des règles, des structures et des incitations dans la dynamique
des marchés.
 La reconnaissance des limites de l’efficience et l’ouverture vers des modèles
hybrides, combinant dimensions économiques, psychologiques et sociales.

Ainsi, les approches récentes ne cherchent pas seulement à corriger les insuffisances du
MEDAF, mais à repenser en profondeur la manière dont les marchés financiers sont analysés.
Elles mettent en évidence que la valeur d’un actif ne dépend pas uniquement de ses
caractéristiques statistiques ou de ses facteurs de risque, mais aussi des comportements des
investisseurs, des institutions qui encadrent les échanges et des dynamiques collectives qui
traversent les marchés.

En définitive, la finance comportementale et les évolutions théoriques constituent une étape

indispensable dans l’évolution de la théorie financière. Elles complètent les modèles
multifactoriels en introduisant des dimensions qualitatives et institutionnelles, et en offrant
une lecture plus réaliste des marchés. Elles ouvrent également des perspectives futures, en
invitant à développer des modèles intégrés qui articulent les apports de la psychologie, de la
sociologie et de l’économie institutionnelle avec les outils classiques de la finance.

3. Applications et perspectives futures

Les modèles multifactoriels et les approches comportementales ont profondément renouvelé

la théorie financière, mais leur véritable portée se mesure à travers leurs applications
concrètes et les perspectives qu’ils ouvrent pour l’avenir. En effet, la finance contemporaine
ne se limite plus à l’évaluation des actifs dans un cadre théorique abstrait ; elle s’inscrit dans
un environnement marqué par l’innovation technologique, la complexité des marchés et
l’interaction croissante entre économie réelle et sphère financière.

Une première application concerne l’utilisation des données de haute fréquence pour
améliorer l’évaluation des actifs. Les travaux de Hurlin, Kouontchou et Maillet (2010)
montrent que l’intégration des moments réalisés d’ordre supérieur, calculés à partir de
données intra-journalières, permet de neutraliser les erreurs de spécification et d’obtenir des
estimations plus robustes. Cette approche ouvre la voie à une finance plus précise, capable de
capter les dynamiques fines des marchés et d’intégrer des phénomènes tels que la volatilité
conditionnelle ou les asymétries de distribution. Dans un contexte où les marchés sont de plus
en plus interconnectés et rapides, l’exploitation de ces bases de données constitue une
perspective incontournable.

Par ailleurs, l’extension des modèles vers les produits dérivés illustre la capacité de la théorie
financière à s’adapter aux besoins pratiques des investisseurs. La thèse de Serghini Idrissi
(2013) propose une méthode innovante d’évaluation des options bermudiennes en combinant
programmation dynamique et quadratures de Clenshaw-Curtis. Cette approche permet de
traiter des options complexes, sensibles aux régimes de volatilité ou aux sauts de prix, et de
calibrer efficacement des modèles GARCH aux données de marché. L’application de ces
méthodes aux dérivés financiers montre que les extensions du MEDAF ne sont pas seulement
académiques, mais qu’elles répondent à des enjeux concrets de valorisation et de gestion des
risques.

Les perspectives futures s’ouvrent également du côté des modèles intertemporels de

consommation, qui relient l’évaluation des actifs aux choix d’épargne et de consommation des
agents. Carmichael (1998) rappelle que ces modèles, inspirés de Lucas (1978) et Breeden
(1979), permettent d’expliquer la structure des rendements en fonction des préférences
intertemporelles et des paramètres d’aversion au risque. Bien que confrontés à des difficultés
empiriques, notamment l’énigme de la prime de marché (Mehra & Prescott, 1985), ces
modèles offrent une piste prometteuse pour articuler finance et macroéconomie. Ils ouvrent la
possibilité de mieux comprendre l’impact des cycles économiques, de l’inflation ou des
politiques monétaires sur la valorisation des actifs.

Enfin, les perspectives institutionnelles et comportementales enrichissent le champ des

applications. Albouy (2010) insiste sur la nécessité de dépasser l’hypothèse d’efficience pour
intégrer les biais cognitifs et les comportements mimétiques dans l’analyse des marchés. De
même, Charreaux et Albouy (2001) soulignent que la finance doit être replacée dans une
perspective de gouvernance et d’organisation, où les institutions, les règles et les incitations
jouent un rôle déterminant. Ces approches ouvrent des perspectives pour la régulation des
marchés, la prévention des crises financières et la conception de politiques publiques
adaptées.

En définitive, les applications et perspectives futures des modèles alternatifs au MEDAF

traduisent une double dynamique. D’une part, elles visent à affiner les outils de valorisation et
de gestion des risques grâce aux innovations méthodologiques et technologiques. D’autre part,
elles cherchent à élargir le cadre théorique en intégrant les dimensions comportementales,
institutionnelles et macroéconomiques. Cette double dynamique témoigne de la vitalité de la
recherche en finance et de sa capacité à évoluer en fonction des réalités des marchés. Elle
invite à développer des modèles intégrés, capables de combiner les apports des statistiques de
haute fréquence, des théories comportementales et des perspectives macroéconomiques, afin
de proposer une lecture plus complète et plus réaliste de la finance contemporaine.

L’examen des extensions et modèles alternatifs du MEDAF met en évidence la richesse et la

diversité des réponses apportées aux limites du modèle originel. Les modèles multifactoriels,
en élargissant le spectre des risques pris en compte, ont permis de mieux expliquer certaines
anomalies de marché et d’intégrer des dimensions statistiques plus réalistes. Les approches
récentes, en mobilisant la finance comportementale et les perspectives institutionnelles, ont
ouvert la théorie financière à des facteurs psychologiques, sociaux et organisationnels, offrant
une lecture plus complète des dynamiques de marché. Enfin, les applications et perspectives
futures, portées par l’innovation méthodologique et technologique, montrent que la finance est
en constante évolution et qu’elle tend vers des modèles intégrés, capables de combiner les
apports des statistiques de haute fréquence, des théories comportementales et des modèles
macroéconomiques.
Bibliographie

Albouy, M. (2010). Peut-on encore croire à l’efficience des marchés financiers ? L’Économie
politique, 48(4), 7–22.

Carmichael, B. (1998). L’évaluation des actifs financiers dans les modèles de consommation :
un survol de la littérature. Université Laval.

Charreaux, G., & Albouy, M. (2001). Les grands auteurs en finance. Grenoble : Presses
Universitaires de Grenoble.

Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. Journal
of Finance, 25(2), 383–417. [Link]

Fama, E. F., & French, K. R. (1992). The cross-section of expected stock returns. Journal of
Finance, 47(2), 427–465.

Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds.
Journal of Financial Economics, 33(1), 3–56. [Link]
([Link] in Bing)

Harvey, C. R. (1995). Predictable risk and returns in emerging markets. Review of Financial
Studies, 8(3), 773–816.

Hurlin, C., Kouontchou, P., & Maillet, B. (2010). Un MEDAF à plusieurs moments réalisés.
Documents de travail du Centre d’Économie de la Sorbonne, 2010.33.

Jensen, M. C. (1968). The performance of mutual funds in the period 1945–1964. Journal of
Finance, 23(2), 389–416.

Jurczenko, E., & Maillet, B. (2001). Le Modèle d’Évaluation des Actifs Financiers à Quatre
Moments. Université Paris 1 Panthéon-Sorbonne.

Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk.
Econometrica, 47(2), 263–291. [Link]
Kraus, A., & Litzenberger, R. H. (1976). Skewness preference and the valuation of risk assets.
Journal of Finance, 31(4), 1085–1100. [Link]
([Link] in Bing)

Lajili, S. (2004). Les modèles d’évaluation des actifs financiers et les co-moments d’ordres
trois et quatre. CEREG, Université Paris Dauphine.

Lintner, J. (1965). The valuation of risky assets and the selection of risky investments in stock
portfolios and capital budgets. Review of Economics and Statistics, 47(1), 13–37.

Lucas, R. E. (1978). Asset prices in an exchange economy. Econometrica, 46(6), 1429–1445.

[Link]

Mehra, R., & Prescott, E. C. (1985). The equity premium: A puzzle. Journal of Monetary
Economics, 15(2), 145–161. [Link] ([Link] in Bing)

Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica, 34(4), 768–783.

Murphy, A. E. (2010). John Law et la bulle de la Compagnie du Mississippi. L’Économie

politique, 48(4), 7–22.

Roll, R. (1977). A critique of the asset pricing theory’s tests: Part I-On past and potential
testability of the theory. Journal of Financial Economics, 4(2), 129–176.

Ross, S. A. (1976). The arbitrage theory of capital asset pricing. Journal of Economic Theory,
13(3), 341–360. [Link] ([Link] in Bing)

Serghini Idrissi, S. (2013). Une approche pour l’évaluation de dérivés financiers de type
bermudien (Thèse de doctorat). HEC Montréal.

Shanken, J. (1992). On the estimation of beta-pricing models. Review of Financial Studies,

5(1), 1–33. [Link] ([Link] in Bing)

Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of
risk. Journal of Finance, 19(3), 425–442