Cet article propose des méthodes pour estimer et comparer des modèles d’évaluation des actifs dans des contextes où le nombre d’actifs tests est élevé. Les modèles sont caractérisés par leur facteur d’actualisation stochastique (SDF) linéaire. Nous proposons deux méthodes de régularisation permettant d’étendre la distance de Hansen-Jagannathan aux environnements de grande dimension. Au-delà de la stabilisation de l’inversion de la matrice de covariance, les régularisations proposées admettent une interprétation économique comme un relâchement des restrictions exactes d’évaluation des actifs, permettant ainsi de prendre en compte les frictions de marché.

Nous établissons les propriétés asymptotiques de l’estimateur des paramètres du SDF dans un cadre de double asymptotique où les dimensions transversale et temporelle tendent toutes deux vers l’infini. Ces résultats permettent de mener des tests afin de déterminer si des facteurs individuels sont valorisés. Nous développons également des tests permettant de comparer différents modèles d’évaluation des actifs en présence d’erreurs de spécification, fournissant ainsi une procédure formelle pour identifier le modèle le moins mal spécifié. L’analyse couvre à la fois les spécifications emboîtées et non emboîtées.

Une application empirique consiste à comparer 4 modèles à l’aide de 647 portefeuilles tests.