Financial distress prediction and equity pricing models : Theory and empirical evidence in France

Modèles de prédiction de la détresse financière et évaluation des actions : Etude théorique et empririque en France

• Auteur / Autrice : Nada Mselmi
• Direction : Amine Lahiani, Taher Hamza
• Type : Thèse de doctorat
• Discipline(s) : Sciences de gestion
• Date : Soutenance le 18/05/2017
• Etablissement(s) : Orléans
• Ecole(s) doctorale(s) : École doctorale Sciences de l'homme et de la société (Orléans)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Economie d'Orléans (Orléans ; 2012-2017)
• Jury : Président / Présidente : Christophe Rault
• Jury : Examinateurs / Examinatrices : Amine Lahiani, Taher Hamza, Marc-Arthur Diaye, Zied Ftiti, Ouidad Yousfi
• Jury : Rapporteurs / Rapporteuses : Marc-Arthur Diaye, Zied Ftiti

Mots clés

Mots clés contrôlés

Modèles économétriques

France

Faillite

Dettes

Finances

Petites et moyennes entreprises

Mots clés libres

Détresse financière

Prédiction

Rendement des actions

Modèle de Fama et French (1993)

Facteurs de risque systématique

Momentum

Liquidité

Value-at-Risk

Financial distress

Prediction

Stock returns

Fama and French model (1993)

Systematic risk factors

Momentum

Liquidity

Value-at-Risk

Résumé

Cette thèse porte sur la prédiction de la détresse financière et son impact sur le rendement des actions. L’objet principal de cette thèse est de : (i) prédire la détresse financière des petites et moyennes entreprises françaises en utilisant plusieurs spécifications économétriques tels que, le modèle Logit, les réseaux de neurones artificiels, la méthode SVM et la régression des moindres carrés partiels, et (ii) d’identifier les facteurs de risque de détresse financière à caractère systématique, explicatifs des rendements des actions, et additionnels au modèle de Fama et French (1993) tels que le momentum, la détresse relative, la liquidité et la Value-at-Risk, sur le marché boursier Français. Cette étude comporte deux parties. La première partie, composée de 2 chapitres, s’interroge sur les principaux indicateurs discriminants entre les petites et moyennes entreprises françaises saines et celles en détresse financière un an et deux ans avant la défaillance. Elle mobilise différentes approches de prédiction et aboutit à des résultats empiriques qui font l’objet d’analyse. La deuxième partie, composée aussi de 2 chapitres, étudie le pouvoir explicatif, du modèle de Fama et French (1993) augmenté de certains facteurs de risque, mais aussi des modèles alternatifs à cette approche dans le contexte français. Les tests portent aussi sur le caractère systématique des facteurs de risque additionnels ou alternatifs, explicatifs des rendements des actions. Les résultats empiriques obtenus font l’objet d’analyse et permettent de proposer des implications managériales aux décideurs.

This thesis focuses on financial distress and its impact on stock returns. The main goal of this dissertation is: (i) to predict the financial distress of French small and medium-sized firms using a number of techniques namely Logit model, Artificial Neural Networks, Support Vector Machine techniques, and Partial Least Squares, and (ii) to identify the systematic risk factors of financial distress that can explain stock returns, in addition to those of Fama and French (1993) such as the momentum, the relative distress, the liquidity, and the Value-at-Risk in the French stock market. This study has been concretized in two parts. The first part, composed of 2 chapters, wonders about the main indicators that can discriminate between distressed and non-distressed French small and medium-sized firms one and two years before default. It mobilizes different prediction techniques and leads to the empirical results that are the subject of the analysis. The second part, composed also of 2 chapters, investigates the explanatory power of Fama and French (1993) model augmented by a number of risk factors, as well as alternative models in the French context. The tests also focus on the systematic nature of the additional or alternative risk factors, explaining the stock returns. The obtained empirical results are analyzed and propose managerial implications to decision makers.