Coefficient de détermination (R²)

À propos de Nalo

Nalo offre une solution d'épargne unique pour gérer votre avenir financier, alignant votre argent avec vos projets via une plateforme d'investissement entièrement numérique et un accompagnement personnalisé de conseillers.

Le coefficient de détermination, noté R² (ou R-carré), mesure la part de variation d’une variable expliquée par un modèle de régression linéaire.

En finance, il sert notamment à évaluer dans quelle mesure les mouvements d’un fonds ou d’un portefeuille s’expliquent par ceux d’un indice de référence (benchmark).

Exemple : si un fonds actions a un R² de 0,80 par rapport à son indice, cela signifie qu’environ 80% des variations de ses rendements s’expliquent par les mouvements de l’indice.

L’Essentiel

Le coefficient de détermination R² mesure la part de variation expliquée par un modèle de régression linéaire, avec des valeurs entre 0 et 1.

En finance, il permet d’évaluer dans quelle mesure les mouvements d’un fonds ou d’un portefeuille s’expliquent par ceux d’un indice de référence.

Un R² élevé signifie qu’une grande part des variations est liée au benchmark, mais ce n’est ni une preuve de causalité ni une garantie de performance.

Le R² n’est égal au carré de la corrélation qu’en régression simple ; en régression multiple, il se calcule via RSS et TSS.

Pour analyser un fonds, il faut combiner R² avec d’autres indicateurs (bêta, alpha, tracking error, ratios de risque) et tenir compte du contexte de marché.

Je découvre l’assurance-vie Nalo

Comment se calcule le coefficient de détermination (R²) ?

Le R² se calcule à partir de la formule suivante :

R² = 1 – (Somme de 1 à n de (y_i – ^y_i)²)/(Somme de 1 à n de (y_i – y_barre)²)

Plus la part RSS/TSS est faible, plus le R² est proche de 1 : le modèle explique alors une grande partie de la variabilité totale.

Pour aller plus loin

Pourquoi n’est il pas conseillé d’épargner sur son livret A ?

Comment interpréter la valeur du R² ?

L’interprétation d’un R² dépend :

de sa valeur,
du contexte (statistique, économique, financier),
de la fréquence et de l’horizon des données,
du type de modèle utilisé.

Lecture indicative des niveaux de R²

Niveau de R² (indicatif)	Interprétation générale	Illustration
0 à 0,30	Faible pouvoir explicatif du modèle.	Le benchmark explique peu les mouvements du fonds ; d’autres facteurs dominent.
0,30 à 0,70	Pouvoir explicatif modéré.	Le benchmark joue un rôle, mais une part importante de la variation vient d’autres sources.
0,70 à 0,85	Bon pouvoir explicatif.	Le fonds suit de manière assez proche son indice de référence.
> 0,85	Très bon ajustement.	Le comportement du fonds est très proche de celui de l’indice, selon la stratégie suivie.

Ces seuils sont indicatifs : un même R² peut être jugé satisfaisant ou non selon le marché, la classe d’actifs et le style de gestion.

R² faible : prudence sur l’interprétation

Un R² faible signifie qu’un modèle linéaire simple explique peu la variance observée.

Cela ne prouve pas que deux actifs sont totalement indépendants :

la relation peut être non linéaire,
la dépendance peut varier dans le temps,
ou n’apparaître que dans certains régimes de marché.

À quoi sert le R² en finance ?

En finance de marché et en gestion de portefeuille, R² est utilisé pour analyser le lien entre un actif (ou un fonds) et son indice de référence :

Mesurer dans quelle proportion les mouvements d’un fonds s’expliquent par ceux de son benchmark.
Distinguer une gestion plutôt « passive » (R² élevé avec l’indice) d’une gestion plus « active » (R² plus faible).
Évaluer la pertinence d’autres indicateurs dérivés de la régression, comme le bêta ou l’alpha.

Exemple : un fonds actions internationales qui affiche un R² élevé par rapport au MSCI World se comporte de façon proche de cet indice. Un R² plus faible peut refléter des paris sectoriels, géographiques ou factoriels plus marqués.

Cas des ETF et fonds indiciels

Les ETF et fonds indiciels conçus pour répliquer un indice tendent à afficher un R² élevé vis‑à‑vis de cet indice sur des périodes suffisamment longues.

Cependant, le niveau observé dépend :

de la période étudiée,
de la fréquence des données (quotidienne, mensuelle…),
du type d’ETF (large cap, smart beta, sectoriel, à levier, etc.),
et de la qualité de réplication (tracking error, méthode de réplication).

Il est donc plus précis de dire qu’un ETF bien géré tend à présenter un R² élevé avec son indice, plutôt que de fixer un seuil universel valable pour tous les ETF.

Profitez d’une assurance-vie sur-mesure pour faire fructifier votre épargne

Je découvre l’assurance-vie Nalo

R², bêta et alpha : trois indicateurs complémentaires

Pour analyser un fonds ou un portefeuille, les professionnels ne se contentent pas du R² : ils le combinent avec le bêta et l’alpha.

Indicateur	Ce qu’il mesure	Interprétation clé
R²	Part de la variance du fonds expliquée par l’indice de référence.	Plus R² est proche de 1, plus les mouvements du fonds sont liés à l’indice.
Bêta (β)	Sensibilité du fonds aux mouvements du marché (volatilité relative).	β > 1 : plus volatil que le marché ; β < 1 : moins volatil.
Alpha (α)	Surperformance ou sous‑performance par rapport à ce que prédit le bêta.	α > 0 : surperformance ajustée du risque ; α < 0 : sous‑performance.

Un bêta n’est vraiment interprétable que si le R² est suffisamment élevé : si la relation linéaire entre le fonds et l’indice est faible (R² bas), la valeur du bêta est moins fiable.

Exemple : un fonds avec R² = 0,90 et β = 1,3 est clairement plus sensible que le marché, et cette relation est assez stable. Avec R² = 0,20 et β = 1,3, la même conclusion serait beaucoup plus incertaine.

Limites du coefficient de détermination

Même s’il est très utilisé, le R² a plusieurs limites qu’il faut garder en tête :

Pas d’information sur la taille des erreurs : le R² ne dit pas à quel point les erreurs de prédiction sont grandes ; on le complète souvent par d’autres mesures (RMSE, MAE, etc.).

Pas de causalité garantie : un R² élevé ne prouve pas qu’une variable « cause » l’autre ; il décrit seulement un ajustement statistique.

Régression multiple : le R² augmente souvent lorsqu’on ajoute des variables, même peu pertinentes. C’est pourquoi on utilise le R² ajusté pour pénaliser les modèles inutilement complexes.

Risque de surajustement (overfitting) : un modèle très complexe peut afficher un R² très élevé sur les données historiques, mais se révéler peu performant sur de nouvelles données.

Pour aller plus loin

Comment placer son argent mensuellement ?

FAQ

Qu’est-ce qu’un « bon » R² pour un fonds d’investissement ?

Il n’existe pas de seuil universel.

Pour un fonds indiciel ou un ETF qui réplique un grand indice, un R² élevé avec cet indice est généralement attendu.

Pour un fonds très diversifié ou une gestion active, un R² plus faible peut être cohérent avec la stratégie suivie (recherche de décorrélation, biais factoriels, etc.).

Le R² est‑il toujours égal au carré de la corrélation ?

Non.

Le R² n’est égal au carré du coefficient de corrélation de Pearson r que dans le cas d’une régression linéaire simple (une seule variable explicative).

En régression multiple, on calcule R² à partir de RSS et TSS, et il ne se réduit pas au carré d’un seul coefficient de corrélation.