• Langue : Anglais
• Discipline : Sciences économiques
• Identifiant : 2021LILUA020
• Type de thèse : Doctorat
• Date de soutenance : 15/11/2021

Résumé en langue originale

Les critères d'évaluation multidimensionnels avec des moments multiples et des temps multiples explorés dans cette thèse sont importants pour la finance afin de traiter les préférences mixtes d'aversion au risque des investisseurs qui visent la persistance temporelle. Cette thèse établit d'abord de nouvelles méthodes de frontière non paramétriques pour évaluer les fonds qui peuvent simultanément gérer des moments multiples et des temps multiples (Chapitre 2). Elle propose ensuite un nouvel indicateur en temps discret pour suivre la performance des fonds par rapport aux frontières non paramétriques en constante évolution (Chapitre 3). Enfin, elle développe les méthodes de notation matafrontières non paramétriques pour évaluer la performance des fonds à travers les classifications en tenant compte de l'hétérogénéité (Chapitre 4). Dans l'étude empirique, cette thèse conçoit une stratégie de backtesting buy-and-hold pour comparer les avantages potentiels des méthodes de notation existantes et nouvellement proposées pour sélectionner les fonds les plus performants.La mesure de performance pour la notation des fonds qui peut gérer à la fois des moments multiples et des temps multiples n'est pas disponible dans la littérature existante. Cela motive notre travail dans le chapitre 2, où une nouvelle mesure de performance dans le cadre de la notation multitemporelle et multi-moment est d'abord définie. Cette mesure de performance est capable non seulement d'évaluer dans quelle mesure un fonds est performant dans les différents moments suivant des préférences mixtes d'aversion au risque, mais aussi de mesurer simultanément dans quelle mesure un fonds est performant dans tous ces moments à différents moments.Ensuite, une série de nouveaux modèles non paramétriques d'évaluation de la frontière sont proposés, et sont ensuite appliqués empiriquement aux hedge funds. Enfin, nous définissons une simple stratégie de backtesting buy-and-hold pour tester l'impact des moments multiples et des périodes multiples séparément et conjointement.Le chapitre 3 développe un indicateur de productivité de portefeuille de Luenberger (LPPI) et sa décomposition pour mesurer l'évolution de la performance des fonds dans le cadre multitemporel et multi-moment. Ce LPPI capture les caractéristiques globales des changements de performance des fonds dans le temps, dont la décomposition permet d'identifier si ces changements sont dus au changement d'efficience ou au déplacement de la frontière. La composante de changement d'efficacité fournit une mesure pragmatique pour identifier la contribution des gestionnaires de fonds à l'évolution de la performance, tandis que la composante de changement de frontière mesure les changements locaux dans les mouvements de la frontière induits par la volatilité du marché. En utilisant l'analyse backtesting, nous testons empiriquement l'utilité du nouveau LPPI (et de ses composantes) pour la notation et la sélection des fonds. Le chapitre 4 répond principalement à un besoin pratique de notation des fonds entre groupes et développe une procédure générale d'évaluation de la performance de portefeuilles hétérogènes basée sur la métatechnologie. Nous définissons une efficacité métatechnologique (MTE) en combinant la fonction de pénurie avec le métafrontière non paramétrique, qui permet de comparer directement la performance de fonds hétérogènes issus de groupes distincts. Ensuite, nous étendons cette procédure de notation métafrontière au cadre multitemporel et multi-moment, ce qui est compatible avec les préférences mixtes générales d'aversion au risque des investisseurs. Enfin, la partie empirique utilise une large base de données de fonds non seulement pour offrir des tests approfondis des questions de spécification entourant l'application de ces modèles métafrontières, mais aussi pour illustrer la performance des modèles métafrontières dans la sélection des fonds.

Résumé traduit

The multidimensional evaluation criteria with multiple moments and multiple times explored in this thesis are of importance for finance to handle mixed risk-aversion preferences of investors which aim at time persistence. This thesis first establishes novel nonparametric frontier methods to rate funds that can simultaneously handle multiple moments and multiple times (Chapter 2). It further proposes a new discrete time indicator to trace the performance of funds with respect to the ever changing nonparametric frontiers (Chapter 3). Finally, it develops the nonparametric matafrontier rating methods to assess the performance of funds across classifications accounting for heterogeneity (Chapter 4). In the empirical study, this thesis designs a buy-and-hold backtesting strategy to compare the potential benefits of the existing and newly proposed rating methods to select the best performing funds.The performance measure for fund rating that can handle both multiple moments and multiple times has been unavailable in the existing literature. This motivates our work in Chapter 2 where a new performance measure in the multi-time and multi-moment rating framework is first defined. This performance measure is capable of not only assessing to which extent a fund performs well in the several moments following mixed risk-aversion preferences, but it simultaneously measures to which extent a fund performs well in all these moments in different times as well. Then, a series of novel nonparametric frontier rating models are proposed, and are further empirically applied to hedge funds. Finaaly, we define a simple buy-and-hold backtesting strategy to test for the impact of multiple moments and multiple times separately and jointly.Chapter 3 develops a Luenberger portfolio productivity indicator (LPPI) and its decomposition to measure the evolution of fund performance in the multi-time and multi-moment framework. This LPPI captures the overall features of changes in fund performance over time, whose decomposition allows for identifying whether these changes are due to the efficiency change or to the frontier shift. The efficiency change component provides a pragmatic measurement to identify the contribution of fund managers to the performance evolution, while the frontier change component measures the local changes in the frontier movements induced by market volatility. Using the backtesting analysis, we empirically test the usefulness of the new LPPI (and its components) for rating and selecting funds. Chapter 4 mainly responds to a practical need for rating funds across groups and develops a general procedure to assess the performance of heterogeneous portfolios based on the metatechnology. We define a metatechnology efficiency (MTE) by combining the shortage function with the nonparametric metafrontier, which allows to compare the performance of heterogeneous funds from distinct groups directly. Then, we extend this metafrontier rating procedure to the multi-time and multi-moment framework, which is compatible with the general mixed risk-aversion preferences of investors. Finally, the empirical part employs a large database of funds not only to offer extensive tests of the specification issues surrounding the application of these metafrontier models, but also to illustrate the performance of metafrontier models in fund selection.