We investigate conditional specifications of the five-factor Fama-French (FF) model, augmented with traditional illiquidity measures. The motivation for this time-varying methodology is that the traditional static approach of the FF model may be misspecified, especially for the endogenous illiquidity measures. We focus on the time-varying nature of the Jensen performance measure α and the market systematic risk sensitivity β, as these parameters are essentially universal in asset pricing models. To tackle endogeneity and other specification errors, we rely on our robust instrumental variables (RIV) algorithm implemented via a GMM approach. In this dynamic or time-varying conditional context, we generally find that the most significant factor is the market one, but illiquidity may matter depending on which states or estimation methods we consider. In particular, sectors whose returns embed a market illiquidity premium are more exposed to a binding funding constraint in times of crisis, which leads to deleveraging and a resulting decrease in systematic risk.

No abstract

Fama and French (FF, 2015) propose a five-factor asset pricing model that captures size, value, profitability and investment patterns. The primary purpose here is to further investigate this new model using an improved GMM-based robust instrumental variables technique. A further purpose is to explore the relationship among the FF factors and the Pástor-Stambaugh (PS, 2003) liquidity factor. We conclude that except for the market factor, all of the factors including liquidity are not significant at even the 5% level using our GMM approach for almost all of the FF 12 sectors.

Nous investiguons les cinq nouveaux facteurs de Fama et French (2015, 2016) rehaussés d’une mesure de liquidité bien connue (Pástor and Stambaugh, 2003) à l’aide d’une version du GMM qui recourt à des instruments robustes, cela dans le cadre d’une analyse en panel. Lorsque nous recourons à l’estimateur OLS, notre version du modèle de Fama-French semble avoir un pouvoir explicatif en regard des rendements d’un portefeuille à douze secteurs. Cependant, notre étude en panel suggère que le seul facteur significatif est la prime de risque du marché. Dépendamment de la technique utilisée, nous trouvons que les erreurs de mesure peuvent être à la source de ce résultat, ce qui tend à appuyer le modèle élargi de Fama-French. Comme test de robustesse, nous expérimentons également avec d’autres mesures de liquidité, telles que le ratio d’Amihud (2002) et la prime à terme, ainsi qu’avec des facteurs reliés aux marchés obligataires. Les résultats sont plutôt inchangés pour nos 12 portefeuilles. Nous testons également notre modèle élargi sur des portefeuilles gérés – i.e., des fonds de couverture (hedge funds). Ces portefeuilles semblent mieux adaptés au modèle élargi de Fama-French qui inclut des mesures de liquidités, et plus spécialement lorsque l’on introduit la crise des subprimes . Les nouveaux facteurs de Fama-French semblent également être très sensibles à nos mesures d’illiquidité.

No abstract