l`impact de l`annonce de benefices sur le marche financier français

UNIVERSITE PARIS XII – ECOLE SUPERIEURE DES AFFAIRES (E.S.A)
INSTITUT DE RECHERCHE EN GESTION
Thèse pour l’obtention du Doctorat ès Sciences de Gestion
Présentée et soutenue publiquement le 12 juillet 2005
L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS
Ehui Evariste Simon ATRON
Directeur de Recherche : M. Pascal GRANDIN, Professeur des Universités
JURY :
Rapporteurs : M. Jean-Pierre RAMAN,
Professeur à l’IAE de l’Université Lille 1
M. Constantin MELLIOS,
Professeur à l’Université de Cergy-Pontoise
Suffragants : Mme Nathalie MOURGUES,
Professeur à l’ESA de l’Université Paris 12
M. Jean-François GAJEWSKI,
Professeur à l’ESA de l’Université Paris 12
Nouvelle adresse : Bâtiment Institut de Gestion Place de la Porte des Champs 4 Route de Choisy
Courrier : 61 Avenue du Général de Gaulle 94010 Créteil Cedex France
Tél. : 33 (0) 1 41 78 47 67 Fax : 33 (0) 1 41 78 47 74 Équipe d’accueil n° 2354
L’impact de l’annonce de bénéfices sur le marché financier français.
1
A la famille Assa TANO et filles,
A mes parents et amis,
L’impact de l’annonce de bénéfices sur le marché financier français.
L’impact de l’annonce de bénéfices sur le marché financier français
2
« L’adversité peut abattre une personne, et donner à d’autres l’envie de se
battre. » (Victor Goertzel)
L’impact de l’annonce de bénéfices sur le marché financier français.
Remerciements
3
Remerciements
Ce travail n’aurait pu voir le jour sans le soutien, les conseils et les encouragements de certaines
personnes auxquelles je tiens à exprimer toute ma reconnaissance et gratitude.
En premier lieu, je tiens à remercier vivement le Pr. Pascal GRANDIN de m’avoir proposé d’effectuer
une thèse sous sa direction. Outre la confiance qu’il m’a accordée, il m’a permis de découvrir la
finance. J’ai particulièrement apprécié son enthousiasme pour mon travail et nos nombreuses
discussions. Les rigueurs scientifique et littéraire qu’il a témoignées dans ses remarques m’ont aidé à
clarifier et à simplifier certaines parties bien « obscures » de ma thèse.
Je remercie, le Pr. Jean-Pierre RAMAN et le Pr. Constantin MELLIOS d’avoir accepté d’être
rapporteurs de ma thèse. J’ai apprécié leurs jugements et constatations pertinents ainsi que leur
démarche intellectuelle dont ils font preuves face à un problème de recherche.
Je remercie Mme le Pr. Nathalie MOURGUES et le Pr. Jean-François GAJEWSKI pour l’honneur
qu’ils me font en acceptant de participer au jury de ma thèse.
Je remercie tous les membres de l’équipe de l’Institut de Recherche de Gestion (IRG) et de L’Ecole
Supérieure des Affaires de l’Université Paris 12 (Personnel administratif, doctorants et enseignantschercheurs) pour l’accueil et le cadre de travail qu’ils m’ont offert. Je remercie spécialement Mme le
Pr. Suzanne PONTIER, le Pr. Amine ABDELMAJID, Mr. Roger N’DJIKI, Mme Gabrielle
STRAGAND, Mlle Shérazade GATFAOUI, Mlle Huong Thanh DING, Mr. Eric DUCROS, Mme
Florence LABEGORRE, Mr. Benoît JAMET, Mr. Tiéfing DIAWARA, Mr. Honoré SIE, Mr Roger TOE,
Mlle Caroline POQUET, Mlle Imen SASSI, Mme Nada BRAHMI, Mr Mecheri MECHERI, Mr Sabri
BOUBAKER, Mlle Yosra MELLOULI, Mlle Faten LAKHAL…
Je remercie la gérante de la société AB.QVO AD.QVEM, Mme Mouna HAMMAD pour la lecture
minitieuse de la thèse. Je remercie également Messieurs Ali SIDARATA et Yao Bernard N’GUESSAN
pour la relecture de la thèse.
Je tiens également à remercier la société Thomsom Financial pour m’avoir permis d’accéder aux
bases de données IBES et Datastream International, particulièrement à Mme Sandrine Baragnon et
Mme Pamela Grant respectivement pour les bases de données Datastream et IBES International.
Je tiens aussi à remercier M Labegorre de m’avoir fourni un programme pour extraire les données
des sociétés françaises de la base de données I/B/E/S.
Tous mes sincères remerciements à mon ami Selmi FARHAT et Mme BARRAULT pour toute son aide.
Enfin, tous remerciements à ma famille et mes proches pour tous les encouragements et la confiance
qu’ils m’ont témoignés.
L’impact de l’annonce de bénéfices sur le marché financier français.
Résumé
4
RESUME
Ce travail est dans la lignée des études sur le contenu informationnel des annonces de bénéfices mis en
évidence par Ball et Brown (1968) et Beaver (1968). Ces travaux suggèrent un contenu informatif des
annonces de bénéfices : les sociétés qui ont des bénéfices décevants voient leurs cours baisser
anormalement et inversement pour les sociétés qui publient les meilleurs bénéfices. Cependant, il n’y a
pas un consensus sur les explications des rentabilités anormales suite aux annonces des bénéfices.
Cette recherche empirique examine le comportement des investisseurs et des prévisions des analystes
lors de la publication des résultats sous les hypothèses de la finance comportementale et sous celles de
l’orthodoxie financière sur le marché financier français sur la période 1988 – 1999.
Les résultats montrent que les investisseurs réagissent favorablement à l’annonce de bonne nouvelle et
défavorablement à l’annonce de mauvaise nouvelle sur les bénéfices sur le marché financier français.
Les cours s’ajustent progressivement aux annonces de bénéfices, ce qui est cohérent avec l’efficience
des marchés et les investisseurs ne sous-réagissent pas comme dans les études de Bernard et Thomas
(1989, 1990) et Barberis, Shleifer et Vishny (1998) sur le marché américain. Cependant, les prévisions
des analystes financiers sont sujets à des biais de prévisions lors de la publication des bénéfices
annuels sur le marché financier français: biais d’optimisme, sous-réaction et sur-réaction. Les
prévisions des analystes seraient gouvernées par trois heuristiques lors de la publication des bénéfices :
les heuristiques de disponibilité, de représentativité et d’ancrage-ajustement.
Mots-clés: Marchés financiers, anomalies, sous-réaction, sur-réaction, finance comportementale,
rentabilités anormales, hypothèse d’efficience des marchés, inefficience, heuristiques, analystes,
surprise de bénéfice, annonces de bénéfices, prévisions des analystes.
ABSTRACT
This study is in the line of the post-earnings announcements drift documented by Ball and Brown
(1968) and Beaver (1968). This phenomenon suggests an informative content of the earnings
announcements: the firms which have disappointing benefit saw their results dropping abnormally and
conversely for the firms which publish the unhoped results. However, there is not a consensus on the
post-earnings announcements drift explanations in the financial literature. This empirical study
examine the investors’ behavior and the analysts’ forecasts at the time of the earnings’
announcements under behavioral assumptions opposed to financial orthodox on the French stock
market over the period 1988 - 1999.
The results show that the investors react favorably to the good news and unfavorably to the bad news
on the French financial market. The prices are gradually adjusted with the earnings announcements,
which is coherent with the markets’ efficiency and the investors don’t under-react as in the studies of
Bernard and Thomas (1989, 1990) and Barberis, Shleifer and Vishny (1998) on the american stock
market. However, the analysts’ forecasts are subject to the forecasts’ bias: optimism’s bias,
underreaction and overreaction. The analysts’ forecasts would be influenced by three heuristic:
leniency, representativeness and anchoring-adjustment.
Keywords: Financial markets, anomalies, underreaction, overreaction, behavioural finance, abnormal
returns, efficient market hpothesis, inefficiency, heuristics, analysts’, Earnings’ surprise, PostEarnings Announcements Drift, analysts’ forecasts.
L’impact de l’annonce de bénéfices sur le marché financier français.
Sommaire
5
SOMMAIRE
L’impact de l’annonce de bénéfices sur le marché financier français.
Sommaire
6
L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS ________________________________________________ 1
SOMMAIRE ____________________________________________________________ 5
INTRODUCTION GENERALE ____________________________________________ 7
PREMIERE PARTIE : THEORIE et REVUE DE LITTERATURE _____________ 14
CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE REVUE DE LA
LITTERATURE ________________________________________________________ 15
CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES DE BENEFICES:
UNE REVUE DE LA LITTERATURE _____________________________________ 75
SECONDE PARTIE – PARTIE EMPIRIQUE : LA METHODOLOGIE GENERALE
DE LA RECHERCHE ET LES ETUDES EMPIRIQUES _____________________ 125
CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA RECHERCHE ____ 126
CHAPITRE 4 – LE COMPORTEMENT DES COURS BOURSIERS SUITE AUX
ANNONCES DE BENEFICES ___________________________________________ 166
CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE BARBERIS, SHLEIFER
ET VISHNY (1998) AUX ANNONCES DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS________________________________________________ 187
CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES LORS DE
L’ANNONCE DES BENEFICES _________________________________________ 226
CONCLUSION GENERALE ____________________________________________ 265
BIBLIOGRAPHIE _____________________________________________________ 270
ANNEXES ____________________________________________________________ 307
PLAN DETAILLE _____________________________________________________ 352
TABLE DES GRAPHIQUES ET TABLEAUX ______________________________ 361
L’impact de l’annonce de bénéfices sur le marché financier français.
Introduction générale
7
INTRODUCTION GENERALE
L’impact de l’annonce de bénéfices sur le marché financier français.
Introduction générale
8
Les marchés financiers ont subi un bouleversement au milieu des années
quatre-vingt-dix. Entre le jour du premier appel public à l’épargne de la société
Netscape Communications Corporation, le 9 août 1995, et celui du plongeon du
National Association of Security Dealers Automated Quotation (NASDAQ) dans la
première quinzaine d’avril 2000, plusieurs sociétés publiques appartenant à la nouvelle
économie s’épanouirent dans un cycle de surenchères. Le marché fut inondé de toute
une génération d’investisseurs pour qui le bénéfice par action devint le principal
indicateur de performance financière. La particularité de la fièvre des Nouvelles
technologies de l’Information et de la Communication (NTIC), est que l'Internet a
révolutionné la pratique de l'investissement boursier avec toute l'information qu'on
peut y retrouver avec la présence des courtiers en ligne. Depuis lors, bien qu’il y ait eu
une correction de la bourse, l’intérêt qu’accordent les investisseurs aux bénéfices
réalisés, aux prévisions de bénéfices des analystes, et surtout à l’écart qui pourrait
exister entre les deux, ne se sont jamais démentis. L’écart potentiel entre les bénéfices
réalisés et les prévisions de bénéfices des analystes d’une période donnée porte le nom
de surprise de bénéfices. Dans son Global Fund Manager Survey de novembre 1999,
la prestigieuse banque Merrill Lynch souligne que la surprise de bénéfices était le
critère de sélection des titres le plus utilisé par les investisseurs institutionnels. Dans le
numéro du Bulletin financier d’octobre 2002 de l’ING Belgique, les stratégistes du
groupe bancaire fondent le choix des titres tant au niveau sectoriel qu’au niveau
géographique, sur le niveau attendu des bénéfices. Les déboires récents des sociétés
Enron, WordCom, Lucent Technologies, Universal Vivendi sont dus à des
manipulations des résultats. Cette obsession de créer des surprises de résultats les a
manifestement conduites à enjoliver leurs comptes pour ne pas désespérer les marchés.
L’intérêt du contenu informationnel des surprises de bénéfices n’est pas
nouveau. Les premiers à s’intéresser à l’impact des bénéfices sur les cours boursiers
furent Ball et Brown (1968) et Beaver (1968). Ces auteurs ont mis en évidence un
contenu informationnel des annonces de bénéfices ou surprises de bénéfices: les
sociétés qui eurent des bénéfices décevants ont vu leurs cours baisser anormalement
dans les mois qui suivirent l’annonce publique et inversement pour les sociétés qui
publièrent des bénéfices inespérés (positivement). Il s’en est suivi une kyrielle
L’impact de l’annonce de bénéfices sur le marché financier français.
Introduction générale
9
d’études sur le sujet dont la grande majorité a constaté un contenu informationnel des
surprises de bénéfices. Les études les plus citées sont celles de Foster, Olsen et Shevlin
(1984), De Bondt et Thaler (1987), Bernard et Thomas (1989, 1990), Jegadeesh et
Titman (1993) et Chan, Lakonishok et Jegadeesh (1996).
Une des explications relève de la théorie comportementale. Le marché boursier
sous-réagirait (sur-réagirait) à court (long) terme aux annonces de bénéfices qu’il
corrige péniblement. Cette correction persistante liée soit à une sous-réaction soit à
une sur-réaction des investisseurs serait donc associée à une inefficience du marché
financier. Dès lors, la théorie de l’efficience est remise en cause en sa capacité
d’expliquer les anomalies et crises boursières, problèmes dont les conséquences
intéressent l’ensemble de la finance et l’économie. Et une idée novatrice donne lieu à
une nouvelle approche de la finance : la finance comportementale. Elle émerge parce
qu’il y a une remise en cause du bel édifice fondé sur la rationalité des agents, clé de
voûte de la théorie financière. La finance comportementale s’appuie sur deux
phénomènes opposés et observés sur les marchés boursiers : les phénomènes de surréaction et sous-réaction. Les paradigmes de la finance comportementale, encore
incomplets et en construction, stipulent qu’il est nécessaire de réfléchir à d’autres
modèles comportementaux humains, comme ceux étudiés dans les sciences sociales
(psychologie, anthropologie,…). La finance comportementale a tout d’abord identifié
dans la littérature consacrée à la psychologie un ensemble de phénomènes pouvant
potentiellement affecter le comportement des acteurs des marchés financiers. En
d’autres termes, elle cherche à comprendre les mécanismes qui régissent les marchés
financiers. Elle essaie également de proposer des modélisations prenant explicitement
en compte la psychologie du marché.
Pour la finance comportementale, il est possible de tirer profit de l’inefficience
des marchés financiers suite à l’annonce des bénéfices, en achetant par exemple, des
actions immédiatement après l’annonce des surprises de bénéfices positives et en les
revendant une fois les ajustements terminés. Quoiqu’il en soit, il n’est pas possible de
réaliser des rentabilités anormales indéfiniment et sur de longues périodes suite à la
publication des bénéfices. Il pourrait exister une efficience limitée du marché, mais
elle ne saurait permettre à tous les investisseurs sans exception de battre le marché ou
L’impact de l’annonce de bénéfices sur le marché financier français.
Introduction générale
10
à des investisseurs de s’enrichir indûment sur une longue période. Nécessairement, les
investisseurs prendraient rapidement acte de ces rentabilités inhabituelles et un
processus d’arbitrage viendrait régulariser la situation.
La théorie financière traditionnelle suppose quant à elle une perfection des
marchés. Les entreprises peuvent prendre des décisions d’investissement - production
et les investisseurs peuvent choisir parmi les titres, sachant que les prix des titres
« reflètent » en moyenne correctement à chaque instant toutes les informations
disponibles. Autrement dit, les marchés financiers anticipent rationnellement les
événements susceptibles d’affecter les cours boursiers ne se laissent pas abuser par des
opérations de maquillage sans aucun effet réel sur les bénéfices des firmes. Le marché
est donc efficient au sens de Fama (1970, 1991, 1998). Le prix d’équilibre ne devrait
varier que si de nouvelles informations conduisent les investisseurs à modifier leurs
anticipations. Les fluctuations de cours qu’on observerait, seraient le fruit de chocs
exogènes temporaires concernant les fondamentaux non anticipés. L’efficience du
marché survit au challenge issu de la littérature relative aux anomalies liées aux
rentabilités sur le court et long terme, puisqu’on recenserait à peu près autant de
phénomènes de sur- que de sous-réactions. Les anomalies liées aux rentabilités de long
terme seraient sensibles à la méthodologie employée pour les estimer.
Le questionnement des marchés sur la fluctuation des prix des actions suite à
l’annonce des résultats, donne lieu à des débats sur le comportement des agents entre
les tenants de la théorie de l’efficience des marchés et ceux de la finance
comportementale. Au-delà du débat, cette étude s’interroge sur les comportements
réels des investisseurs et analystes. Cette recherche va donc dans le sens des
préoccupations actuelles de la littérature financière. D’une part, les résultats suggérant
l’inefficience des marchés financiers ont remodelé la nature des questions adressées
dans la littérature sur les bénéfices. D’autre part, les acteurs n’ont pas les mêmes
missions et les mêmes motivations, et la connaissance du comportement réel du
marché à l’annonce des bénéfices s’avère nécessaire. L’entreprise vient sur le marché
pour trouver des capitaux à un coût raisonnable, l’investisseur vient y chercher une
L’impact de l’annonce de bénéfices sur le marché financier français.
Introduction générale
11
plus-value, l’intermédiaire perçoit une commission, les autorités réglementaires
produisent du droit et le font appliquer pour le compte de la puissance publique, les
experts financiers, rémunérés par les autres protagonistes fournissent une garantie
extérieure. Quant aux analystes, ils sont non seulement des intermédiaires financiers,
mais ils sont également des experts financiers. Ils sont en position de connaître les
informations privées et publiques continuellement. Ils anticipent la valeur des
bénéfices et révisent leurs anticipations au fur et mesure qu’ils sont en possession de
nouvelles informations. Cet intérêt pour l’étude des comportements des agents lors de
la publication des résultats permet également de comprendre le fossé en finance qui
sépare parfois la théorie des pratiques. Cette étude peut fournir quelques pistes pour
combler cet écart, du moins partiellement. Cette recherche est également motivée par
le fait que la prise en compte des agents doit permettre d’obtenir des prescriptions plus
efficaces tout en maintenant le paradigme général de la théorie financière. L’intérêt
d’une telle étude est donc d’améliorer, d’amender les théories financières existantes et
d’identifier le comportement aussi bien chez les investisseurs que chez les analystes
lors de la publication des résultats.
Ce travail est un essai d’analyse et d’explication des réactions du marché suite à
l’annonce des résultats annuels. Les comportements des investisseurs et des analystes
lors de la publication des résultats sont testés sous les hypothèses de l’approche
comportementale de la finance et sous celles de l’efficience des marchés. Cette
recherche est aussi une extension des études de Ball et Brown (1968) et Beaver (1968)
sur le contenu informationnel des résultats des firmes. Le terrain d’étude est le marché
financier français.
La première partie composée de deux chapitres, donne un état des lieux de la
finance comportementale et passe en revue les recherches antérieures sur la réaction
des marchés lors de la divulgation des résultats.
Le premier chapitre présente d’abord le concept de rationalité et les diverses
critiques à son égard. Il expose ensuite, les phénomènes de sur-réaction et sous-
L’impact de l’annonce de bénéfices sur le marché financier français.
Introduction générale
12
réaction sur les marchés financiers. Le chapitre aborde également les modèles
comportementaux qui tentent de réconcilier les phénomènes de sur-réaction et sousréaction en se fondant sur les biais cognitifs. Enfin, il expose les critiques de Fama
(1998) à l’encontre des modèles comportemantaux.
Le deuxième chapitre passe en revue les recherches sur les réactions du marché
aux annonces de bénéfices. Après avoir défini le phénomène de base et les études clés,
les explications données à l’anomalie de l’annonce des bénéfices sur les places
financières sont présentées. Ces explications sont liées aux approches de la finance
orthodoxe et celles de la finance comportementale. Enfin, le chapitre 2 met en relief
les limites de l’hypothèse d’inefficience des marchés financiers.
La seconde partie partie composée de quatre chapitres, présente la
méthodologie générale de recherche et les études empiriques.
Le chapitre 3 présente les bases de données utilisées, les données et les choix
méthodologiques retenus pour le calcul des performances anormales. Il expose enfin,
les méthodes statistiques utilisées pour le traitement et la validation des hypothèses
posées.
Le chapitre 4 explore l’évolution des cours boursiers aux annonces des
bénéfices. Il s’appuie sur les approches de Bernard et Thomas (1989), Fama et French
(1992, 1993) et Chan et al. (1996) pour l’examen du comportement des cours boursiers
à la publication des résultats. Précisément, cette partie analyse la persistance ou non
des rentabilités anormales suivant les surprises de bénéfices sur le marché financier
français.
Le chapitre 5 présente les tests empiriques des modèles comportementaux
récents dont celui de Barberis, Shleifer et Vishny (1998). Les investisseurs sousréagissent-ils à l’annonce isolée d’une bonne ou mauvaise nouvelle ? Les investisseurs
L’impact de l’annonce de bénéfices sur le marché financier français.
Introduction générale
13
sur-réagissent-ils à une chaîne de nouvelles, bonnes ou mauvaises allant dans la même
direction ? Les phénomènes de sous-réaction et sur-réaction sont-ils conciliables ?
Le chapitre 6 est consacré à l’étude des prévisions des analystes lors de la
publication des résultats. Les bénéfices prévisionnels tiennent une place majeure dans
le calcul des surprises de bénéfices. Il convient donc, d’analyser et de tester les
hypothèses de sous-réaction et sur-réaction des analystes sur le marché financier
français lors de la divulgation des résultats. Ce dernier chapitre examine donc les
ancres psychologiques c’est-à-dire les bénéfices prévisionnels et les bénéfices réels
passés pour les futures prévisions de bénéfices des analystes.
L’impact de l’annonce de bénéfices sur le marché financier français.
Première partie
14
PREMIERE PARTIE : THEORIE ET REVUE DE
LITTERATURE
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE
REVUE DE LA LITTERATURE
L’impact de l’annonce de bénéfices sur le marché financier français.
15
Chapitre 1 - La finance comportementale : une revue de la littérature
16
1 INTRODUCTION
L’hypothèse d’efficience des marchés a été la proposition centrale en finance
depuis quarante ans. Cependant, depuis sa conception, notamment depuis les quinze
dernières années, les fondations théoriques comme les supports empiriques de l’hypothèse
d’efficience des marchés ont été contestées par un nombre grandissant de travaux. Les
principales forces grâce auxquelles les marchés sont supposés atteindre l’efficience,
comme l’arbitrage, ont tendance à être beaucoup plus faibles et limitées que ne le
supposaient les théoriciens. C’est donc dans le contexte de l’après krach boursier de 1987
que s’est produite, essentiellement au sein du monde universitaire, la remise en cause du
versant informationnel de l’hypothèse d’efficience des marchés et l’avènement d’un
nouveau courant : « la finance comportementale ». Cette approche a été initiée par De
Bondt et Thaler (1985).
Ainsi, et afin de mieux comprendre le fonctionnement des marchés financiers suite
à la publication des résultats, le présent chapitre passe en revue les principales références
de ce nouveau courant de recherche. Il présente d’abord, dans ce chapitre, les concepts de
rationalité et psychologie cognitive. Le chapitre aborde ensuite, les limites de l’arbitrage
et les bruiteurs ou « noise traders ». Par la suite, nous présentons les phénomènes de la
sur-réaction et sous-réaction aux informations. Nous exposons enfin, les modèles
comportementaux récents qui réconcilient les phénomènes de sous- et/ou sur-réaction des
investisseurs et des prix, aux informations spécifiques des titres.
2 RATIONALITE ET PSYCHOLOGIE COGNITIVE
L’hypothèse de rationalité des agents est un concept clé aussi bien en finance qu’en
économie. Elle est à la base de l’élaboration d’un grand nombre de modèles. Cependant,
cette hypothèse est remise en cause depuis déjà une quarantaine d’années par certains
économistes et plus récemment, par certains financiers.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
17
La finance comportementale se caractérise par une remise en question des hypothèses
de rationalité des investisseurs et par l’intégration explicite de l’existence d’agents dont le
comportement n’est pas conforme au concept de rationalité traditionnel. Plutôt que de
supposer des agents rationnels, elle a pris le parti d’étudier le comportement réel des
investisseurs, en adoptant d’autres critères que ceux utilisés dans une approche normative.
Savoir tirer des conclusions correctes, prendre des décisions optimales, être
« logique », être raisonnable sont des qualités d’autant plus appréciées qu’elles sont
souvent difficiles à atteindre. Elles présupposent que nous sommes en mesure de faire la
distinction entre le vrai et le faux, entre une certitude et une incertitude. Depuis des
années, la psychologie sociale et cognitive tente de répertorier et d’expliquer les écarts
entre la manière dont nous devrions tirer des conclusions à partir des informations
disponibles, pour assurer au mieux leur validité ou leur infaillibilité, et la mise en pratique
de ces informations. Les études sur les biais et les erreurs, dans le traitement de
l’information, nous renseignent sur les éventuels défauts dans notre conception de la
réalité et, en ce sens, elles nous renseignent sur notre rationalité limitée ou d’un point de
vue catégorielle sur notre irrationalité.
Nous traitons donc les fondements psychologiques de la finance comportementale,
tout en introduisant brièvement le concept de rationalité sous ses différents aspects
philosophiques, sociologiques, psychologiques et économiques. Et enfin nous aborderons
les biais et erreurs de jugements.
2.1 Le concept de la rationalité : une définition
2.1.1 Une définition générale
Les économistes, étudiant l’homme dans son environnement économique, ont très vite
senti le besoin de cerner le comportement des individus pour pouvoir élaborer leurs
théories. Pour simuler le comportement des individus, les économistes ont modélisé sur
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
18
une base normative dont le but était la recherche d’équilibres, ils ont introduit le concept
de rationalité.
L’efficience suppose la rationalité des agents tant dans leur comportement que dans
leurs anticipations à l’image de l’homo oeconomicus. La rationalité est donc nécessaire à
l’efficience.
Selon Allais (1953), « un homme est réputé rationnel lorsqu’il poursuit des fins
cohérentes entre elles et qu’il emploie des moyens appropriés aux fins poursuivies »
(p.518). Sur un plan plus général, le « rationnel » désigne ce qui appartient à la raison ou
ce qui relève de la raison et l’«irrationnel» désigne ce qui n’est pas conforme à la raison
ou au domaine de la raison. Allant dans ce sens, les psychologues Drozda-Senkowska et
al. (1995) définissent un homme rationnel comme un homme raisonnable : « Quand nous
pensons à l’homme rationnel, nous pensons à un homme sain d’esprit (à un homme à
l’abri de la folie) et à un homme doué de la raison (au sens de la faculté à raisonner et à
juger). Ainsi, nous nous référons à la raison pour l’opposer à la folie et pour parler de la
capacité à inférer » (page 13).
L’on se demande quels sont les arguments auxquels il faut se conformer pour
prétendre être rationnel, et quelle connaissance ou quelle inférence peut-on qualifier de
rationnelle ? On attribue habituellement trois significations à la rationalité qui est un
concept plutôt philosophique que psychologique. Ces trois significations, même si elles
sont distinctes, restent très liées entre elles.
1 Rationnel signifie justifié (démontré), infaillible au sens de : fondé
sur une raison incontestable.
2
Rationnel signifie aussi critique (mettant les choses en doute) au
sens de : qui ne se laisse pas emprisonner par les évidences
apparentes.
3 Rationnel est compris aussi comme efficace au sens de : qui
garantit le meilleur rendement.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
19
Les deux premières significations reflètent mieux les définitions auxquelles
s’intéressent les psychologues sociaux et la dernière signification est adoptée par les
économistes et les financiers.
2.1.2 Les différentes formes de rationalité
Cette section s’inspire de la classification de la rationalité in Moschetto (1997).
2.1.2.1
La rationalité instrumentale ou classique
En accord avec le principe de la rationalité au sens de Allais (1953), les agents sont
supposés être caractérisés par des préférences ou des objectifs qu’ils cherchent à atteindre
tout en respectant des contraintes limitant les choix possibles.
L’homo oeconomicus est la personnification de l’hypothèse de comportement
élaborée par les néoclassiques et prise comme unité élémentaire de décision. L’homo
oeconomicus est doté de trois caractéristiques essentielles :
-
c’est un être intéressé, son unique mobile d’action est l’intérêt personnel.
-
il est rationnel, puisque toutes ses décisions sont logiques et adaptées à leur but,
-
il est universel et atemporel, son comportement ne dépendant pas de données
géographiques, historiques, sociales,…, relatives à son comportement. Il reste
indifférent au milieu en tant que type idéal de la rationalité.
Les modèles macroéconomiques et financiers font ainsi l’hypothèse que les choix de
tous les individus peuvent être résumés comme ceux d’un individu représentatif. Ce
dernier maximise son utilité, son choix coïncidant avec l’agrégation des décisions. Par la
suite, les économistes ont considéré un sujet cherchant à maximiser son utilité sous
contrainte dans un univers où l’information est illimitée et gratuite. Le modèle permettant
d’appréhender un tel type de rationalité limitée, appelée rationalité instrumentale, repose
sur la théorie de l’utilité espérée provenant de la résolution du paradoxe de Saint-
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
20
Petersbourg posé par Bernouilli en 1738. Les agents sont alors caractérisés, dans un
contexte d’incertitude, par deux types de jugements :
-
les jugements de préférence qui consistent à évaluer une action et ses
conséquences,
-
les jugements de croyance qui consistent à prévoir une action et ses conséquences.
La pensée économique s’est principalement intéressée à la deuxième catégorie de
jugements dits de croyance. Ainsi, dans les modèles traditionnels, tels que celui de
l’équilibre général en situation d’incertitude, les agents se comportent selon le principe de
maximisation de l’utilité espérée. En accord avec ce principe, les jugements de préférence
sont représentés par des utilités et les jugements de croyance par des probabilités.
Il s’ensuit que les croyances sont de nature probabiliste alors que les préférences ne
dépendent pas des croyances. Dès lors, les poids accordés aux jugements de croyance
dans la théorie de l’utilité espérée sont faibles puisque les probabilités sont soit données,
soit induites à partir des préférences. Le comportement des individus est donc uniquement
fonction des préférences. Ces diverses remarques sont regroupées sous le nom générique
d’axiome d’indépendance : les préférences sont définies sur un espace de distribution de
probabilité et les croyances correspondent aux probabilités qui sont données de manière
exogène à l’individu (Von Neumann et Morgenstern, 1947). Dans ce cas, la relation de
préférence doit répondre à trois critères :
-
ordre : l’agent est capable de classer toutes les actions envisagées, il y a donc
complétude et transitivité,
-
indépendance : il y a indépendance entre préférences et probabilités.
-
Continuité : le jugement est continu en situation d’incertitude.
Si ces trois axiomes sont vérifiés, il existe implicitement une distribution de
probabilité individuelle, subjective et unique sur l’ensemble des événements. Il en
découle une fonction d’utilité dont l’individu doit maximiser l’espérance pour obtenir une
solution rationnelle.
Cette rationalité instrumentale est conçue comme une adéquation des moyens aux fins
poursuivies. Les contraintes auxquelles l’agent est soumis sont de type externe, telles que
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
21
le revenu ou l’état de la technologie. Ainsi, tout comme l’information, les capacités
cognitives de l’individu sont illimitées. Pour cette raison, une telle conception de la
rationalité a fait l’objet de vives critiques (Allais, 1953). Face à ces constats, se sont
développées d’autres conceptions de la rationalité basées sur un « affaiblissement » de la
rationalité classique.
2.1.2.2
La rationalité cognitive
La rationalité instrumentale est basée sur une efficacité en termes d’actions. Elle
caractérise l’adéquation des moyens aux fins poursuivies. Or, si l’on retient uniquement
ce principe, on occulte la relation liant de façon conditionnelle l’action à la perception par
l’individu de son environnement actuel et futur. Walliser (1982) introduit la notion de
rationalité cognitive afin de tenir compte d’une correspondance entre les informations
détenues par les agents et les représentations qui sont des croyances individuelles qui
diffèrent selon les agents. La rationalité cognitive met donc l’accent sur le fait qu’il peut y
avoir une différence entre environnement réel et environnement perçu, et traduit ainsi
l’adéquation des anticipations sur l’environnement aux informations détenues.
2.1.2.3
La rationalité limitée ou procédurale
Comme le souligne Arrow (1987), « (…) la rationalité n’est pas une propriété de
l’individu isolé, même si elle est généralement présentée ainsi. En fait, elle tire non
seulement sa force, mais sa signification même du contexte social dans lequel elle est
ancrée » (p. 22-23).
Simon (1987) rappelle que les choix sont dits « rationnels » lorsque les agents
économiques font des choix parmi un échantillon donné d’alternatives auxquelles sont
associées (subjectivement) des probabilités de distribution de revenus de telle sorte que la
valeur d’une fonction d’utilité donnée soit maximisée (Savage, 1954). Si une au moins de
ces hypothèses est relâchée, la rationalité est dite « limitée ». Autrement dit, si la
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
22
connaissance sur l’avenir est (radicalement) imparfaite, alors la rationalité des agents ne
peut être que « limitée » puisqu’ils ne peuvent décider en toute connaissance de cause.
La confusion qui a longtemps entouré le concept de rationalité limitée inventé par
Simon (1955) a conduit l’auteur à proposer une distinction entre rationalité substantielle
et rationalité « procédurale ». La rationalité substantielle est celle qui respecte les trois
contraintes citées plus haut. Elle amène les agents à faire individuellement des choix qui
les conduisent collectivement à réaliser un optimum social. La rationalité procédurale, à
l’inverse, ne garantit pas le résultat. Elle postule simplement que les agents vont mettre en
œuvre des stratégies pour parvenir à des situations leur paraissant préférables. Le décideur
veut atteindre des buts et tente d’utiliser au mieux les moyens dont il dispose pour les
atteindre mais ni la réalisation de ces buts, ni la concrétisation d’une optimalité sociale ne
sont garanties.
Le choix du modèle de rationalité est un choix méthodologique fondamental. La
rationalité substantielle constitue un choix de positionnement dans le cadre normatif néoclassique alors que l’hypothèse de rationalité limitée ouvre un champ plus vaste qui
n’exclut pas, cependant, un raccordement au cadre néo-classique. Dans le cadre de la
rationalité instrumentale, les contraintes auxquelles un agent est soumis sont de type
externe, celles-ci seront internes dans une situation de rationalité limitée. On peut
désigner comme théories de la rationalité limitée celles qui incorporent des contraintes sur
la capacité de l’acteur à traiter l’information. Du fait de ses capacités bornées, l’agent ne
cherche pas à maximiser sa satisfaction, mais à atteindre un seuil de satisfaction qu’il juge
suffisant. Le principe de satisfaction indique que l’action qui est choisie n’est pas la
meilleure relativement aux conditions objectives et subjectives de la décision, mais est la
plus satisfaisante.
2.2 Croyances et préférences
Dès la conception de l’hypothèse de rationalité, un certain nombre de critiques ont
vu le jour. Les psychologues n’ont pas été les seuls à s’adonner à cet exercice, les
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
23
économistes s’y sont également intéressés. Une multitude d’études a été menée dans le
but de démontrer la non rationalité systématique des individus. Elles démontrent que les
comportements des individus vont à l’encontre d’un ou plusieurs axiomes de la théorie
traditionnelle de l’utilité attendue énoncée par Von Neumann et Morgestern (1947). Un
bon nombre d’études en psychologie sociale portent sur les processus de formation et de
modification des croyances des gens sur eux – mêmes et sur le monde qui les entoure. Les
jugements humains ne sont plus envisagés comme la résultante d’un traitement rationnel
et impartial de l’information dans l’approche des inférences. Au contraire, on considère
que les attributions et les prédictions font l’objet de biais et d’erreurs systématiques1. Les
biais dans le jugement humain, décrits dans la littérature psychologique, sont considérés
comme des biais cognitifs. Les biais cognitifs sont dus aux capacités limitées des
individus à prendre en compte et à traiter toutes les informations potentiellement
disponibles (Drozda-Senkowska et al., 1995). Ils impliquent des erreurs systématiques, si
bien que les jugements s’écartent systématiquement des normes acceptées.
La suite de cette section expose ses biais de jugement : effet de cadrage, effet de
réflexion, mauvaise conception du joueur, « self-control », conversion mentale, excès de
confiance, manque de rapport historique, pensée magique, modèles descriptifs (théorie
des perspectives, théorie des heuristiques, …).
2.2.1 L’effet de cadrage
On ne peut parler d’effet de cadrage sans y associer les noms de Tversky et
Kahneman. Selon eux, un problème de prise de décision est défini par les actes ou les
options parmi lesquels on doit choisir les issues possibles et les conséquences de ces
actes, ainsi que les contingences qui relient les issues aux actes. Ils utilisent le terme de
cadre de décision pour se référer aux conceptions à propos des actes, des issues et des
contingences associées, avec un choix particulier du preneur de décision. Le cadre que le
preneur de décision adopte est contrôlé en partie par la formulation du problème et en
1 Pour la revue de la question sur le jugement dans l’incertitude, voir Slovic, Firshoff et Lichtenstein (1977).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
24
partie par les normes, les habitudes et les caractéristiques personnelles du preneur de
décision. Le comportement rationnel décrit par les théories normatives implique que la
préférence entre deux options ne doit pas changer si l’on modifie la formulation. Tversky
et Kahneman (1973, 1974, 1979, 1982) ont montré des renversements systématiques de la
préférence. Au cours de leurs nombreuses expériences, ils ont mis en évidence les
phénomènes suivants :
-
Les choix impliquant des gains amènent souvent à éviter le risque, c’est-à-dire à
adopter la solution certaine.
-
Les choix impliquant des pertes amènent souvent à prendre des risques, c’est-àdire à choisir la solution probabiliste.
2.2.2 L’effet de réflexion
Selon Tversky et kahneman, les préférences sous un aspect négatif sont le reflet en
miroir des préférences sous un aspect positif.
L’effet de réflexion engendre plusieurs implications :
1. L’effet de réflexion implique que l’aversion pour le risque dans le domaine positif
est accompagnée par la recherche de risque dans le domaine négatif.
2. Les issues obtenues avec certitude sont sur-estimées par rapport aux issues
incertaines. Dans le domaine positif, l’effet de certitude contribue à une préférence
de l’aversion envers le risque pour un gain certain sur un gain important qui n’est
que probable. Dans le domaine négatif, le même effet conduit à la préférence de la
prise de risque pour une perte qui n’est que probable sur une petite perte qui est
incertaine. Le même principe psychologique, la sur-estimation de la certitude,
favorise l’aversion envers le risque dans le domaine des gains et la recherche de
risque dans le domaine des pertes.
L’effet de réflexion élimine l’aversion pour l’incertitude ou la variabilité comme
explication de l’effet certitude.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
25
2.2.3 La « mauvaise » conception du joueur
Les individus considèrent fréquemment que la chance est un processus autorégulateur dans lequel une déviation dans une direction cache inévitablement une
déviation dans la direction opposée pour restaurer l’équilibre. Pour illustrer ce concept,
Plous (1993) pose la question suivante : « Supposez qu’une pièce non truquée est lancée
trois fois, et qu’à chaque fois la pièce est tombée en présentant le côté face. Si vous deviez
parier sur le prochain lancement, quel côté choisiriez-vous ? ».
La pièce étant non truquée, il y a autant de chance que le résultat du lancement soit
pile ou face. Et pourtant, certaines personnes croient, à tort, que pile est plus probable vu
les trois faces survenues successivement aux lancements précédents. Ce type de
comportement est fréquemment rencontré chez les analystes techniques en finance qui
observent des « retours de tendance » alors que les rentabilités des actifs sont supposées
être distribuées aléatoirement (processus markoviens).
2.2.4 Le « self-control »
Le concept de «self-control» suggère l’existence d’un contrôleur et d’un contrôlé.
Pour bien saisir le problème, l’on peut imaginer l’individu comme une organisation avec
un planificateur (le « planner ») et une série d’exécuteurs (les « doers »). Les conflits qui
émergent sont dus au fait que les préférences des exécuteurs en action sont toujours
myopes, comparées à celles du planificateur. Etant donné ses préférences à long terme, le
planificateur adopte des règles lui permettant de gouverner le comportement des
exécuteurs (Thaler, 1994). Concrètement, cela se traduit par l’adoption par l’individu d’un
comportement qu’il n’aurait pas adopté spontanément, car la raison prend temporairement
le dessus sur ses instincts.
Shefrin et Odean (1998) suggèrent le fait que les investisseurs surmontent, au mois
de décembre, leur aversion naturelle à réaliser des pertes comme un exemple de « selfcontrol ». En effet, la répugnance à réaliser des pertes est contraire à la stratégie optimale
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
26
de « tax loss selling ». Pour des raisons de taxation, les investisseurs devraient remettre à
plus tard les bénéfices taxables en gardant en portefeuille leurs investissements perdants.
Shefrin et Statman suggèrent que la décision de vendre ses investissements perdants en
décembre est une mesure de « self-control ». La fin de l’année est la date limite pour la
réalisation des pertes. Donc, chaque année, les investisseurs reportent la réalisation des
pertes, jusqu’au mois de décembre, où ils s’imposent de les réaliser pour des raisons
fiscales.
2.2.5 La comptabilité mentale
Les individus ont tendance à classifier leur environnement et les données
extérieures. Ce type de pratique amène les individus à accorder différents labels aux
différentes valeurs selon leur origine ou/et leur utilisation… (Thaler, 1994). En économie,
ce comportement viole principalement l’hypothèse de fongibilité de l’argent. Par
exemple, l’individu non rationnel fera une différence entre un billet de 20 euros et un
billet d’entrée à une pièce de théâtre valant 20 euros. Cette différenciation peut amener un
individu rationnellement limité, voulant assister à une certaine représentation théâtrale, à
acheter un billet d’entrée même s’il remarque qu’il vient de perdre un billet de banque de
20 euros, tandis que s’il vient de perdre un billet d’entrée qu’il avait précédemment
acheté, il ne le remplacera pas.
Les effets en finance de la comptabilité mentale sont nombreux. Ils aident à
expliquer pourquoi un investisseur ressent des difficultés à ajuster son point de référence
pour un actif. De ce fait, l’achat d’un nouvel actif constitue l’ouverture d’un nouveau
« compte mental ». D’après Thaler et Johnson (dans Shefrin et Statman, 1985), l’effet de
disposition et surtout l’aversion aux pertes sont une conséquence de la difficulté
qu’éprouvent les investisseurs à fermer un tel compte sur une perte.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
27
2.2.6 L’excès de confiance
L’hypothèse des attentes rationnelles implique que les agents économiques
prennent leurs décisions comme s’ils connaissaient la distribution de probabilité correcte
de l’événement incertain sous-jacent (Kahneman et Riepe, 1998). Or, la littérature
empirique sur les jugements dans un univers incertain donne de nombreuses preuves que
les individus ont tendance à exhiber une confiance excessive dans leurs jugements. Ils
sont trop optimistes, ils surestiment leurs chances de réussite, leurs jugements, leurs
croyances et leurs connaissances, de sorte que leur confiance dépasse, souvent de loin,
leur taux de réussite.
Plusieurs recherches ont relevé un biais systématique dans les intervalles de
confiance subjectifs. Ce phénomène, connu sous le nom d’excès de confiance est robuste,
et largement observé, même dans les cas où le décideur a intérêt à se comporter de
manière calibrée (Kahneman et Riepe, 1998). Lichtenstein, Fischhoff et Phillipps (1982)
affirment que les individus sont sujets à l’excès de confiance surtout quand ils sont
confrontés à des problèmes de connaissances générales, de difficulté moyenne ou élevée,
et que l’excès de confiance diminue avec la réduction du degré de difficulté de la tâche.
Le comportement d’excès de confiance a une influence sur les volumes de
transaction. La taille du volume des transactions dans les marchés financiers a longtemps
été une énigme. Le taux de rotation annuel des transactions est très élevé et l’on ne peut
pas l’expliquer en termes d’un cycle normal de volumes d’échange de titres entre les
investisseurs (Shiller, 1998 et Odean, 1998). Le théorème de la non spéculation stipule
que les agents qui n’ont pas de raison de négocier en l’absence d’information, ne
négocient pas. Or, beaucoup d’agents pensent avoir des raisons spéculatives à négocier
fréquemment, ceci découle apparemment de leur tendance à avoir des idées qu’ils
estiment meilleures que celles des autres. C’est comme si tous les agents se croyaient plus
que moyennement doués.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
28
2.2.7 L’absence de prise en compte de l’histoire
C’est une forme particulière d’excès de confiance. C’est celle de croire que le
passé est non pertinent, qu’il ne nous renseigne aucunement sur le futur, et que la seule
façon de juger le futur consiste à mesurer les facteurs observables à l’heure actuelle et en
leur accordant des poids intuitifs (Shiller, 1998). L’unique moment où les individus
pourraient considérer le passé comme ayant quelque pertinence, ce serait quand ils voient
les circonstances actuelles comme représentatives de périodes passées bien marquées dans
la mémoire, ce qui est en concordance avec l’heuristique de représentativité que nous
verrons lorsque nous aborderons la théorie des heuristiques.
L’implication financière la plus importante de cette tendance est le manque de
diversification. Le fait que les investisseurs ne tirent pas les leçons des événements
historiques sur les incertitudes économiques et financières est, d’après Shiller., une
possible explication de la non diversification de leurs portefeuilles.
2.2.8 La pensée magique
La perception d’un lien (inexistant) entre un comportement et un résultat
particulier peut amener l’individu à répéter ce comportement dans l’espoir que le résultat
se répètera également. Lorsqu’un comportement est généré de cette manière-ci, les
psychologues et les anthropologues parlent de pensée magique (Shiller, 1998).
La pensée magique exprime les limites de l’esprit humain dans le processus de la
connaissance. Elle constitue une forme de raisonnement non corrélationnel auquel on fait
référence quand, sur le plan conceptuel (ou sémantique), les choses et les événements
vont de pair ou s’excluent mutuellement (Shweder dans Drozda-Senkowska et al., 1995).
Normalement, cette pensée relève d’une confusion entre des hypothèses portant sur le
monde et des hypothèses portant sur le langage.
Il existe une multitude d’exemples de comportements générés par une pensée
magique dans la vie économique. Une décision d’investissement ou de gestion par une
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
29
entreprise précédant une hausse des ventes ou des bénéfices pourrait être répétée. Quand
cette nouvelle décision est prise dans une période de bénéfices croissants, l’idée que la
décision était à la base de cette augmentation des bénéfices sera encore renforcée. La
plupart des agents ont développé des théories propres, et comme ils agissent tous
conformément à ces théories, il est concevable que les prix se comportent effectivement
comme prévu dans ces théories, et renforcent de cette façon encore la croyance que l’on y
attache.
L’effet de disposition, la tendance à garder les investissements perdants et à vendre
les investissements gagnants, pourrait se rapporter à la pensée quasi-magique, si les
agents croient jusqu’à un certain point qu’en gardant les investissements perdants ils
peuvent révoquer le fait qu’ils ont déjà perdu. La demande publique pour des actifs à un
moment où ils sont apparemment surévalués peut également être influencée par la pensée
magique ou quasi-magique (Shiller, 1998, 2000).
2.2.9 Les modèles descriptifs
2.2.9.1
La Théorie des perspectives (« Prospect theory »)
Les théories concernant la prise de décision en situation d’incertitude sont
principalement basées sur le concept d’utilité espéré. Pourtant, la théorie d’utilité est
critiquée sur plusieurs fronts. La critique, probablement la plus connue, est celle d’Allais
(1953) et concerne la non-linéarité des préférences. D’après Allais (1953), si la
probabilité de recevoir w passe de 0.99 à 1, cela a plus d’impact sur les individus que si
cette même probabilité passe de 0.1 à 0.11. Or ceci est en contradiction avec la théorie
d’utilité qui prédit une hausse égale de 0.01U(w) (U étant la fonction d’utilité).
Kahneman et Tversky (1979) apportent une preuve expérimentale pour illustrer les
exemples d’Allais. Quand ils demandent à leurs sujets de choisir entre une loterie offrant
25% de chance de gagner 3 000 $ et une loterie offrant 20% de chance de gagner 4000 $,
65% des sujets choisissent la dernière. Alors que lorsqu’ils demandent aux sujets de
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
30
choisir entre une loterie offrant 100% de chance de gagner 3000 $ et une loterie offrant
80% de chance de gagner 4000 $, 80% des sujets choisissent la première. La théorie
d’utilité énonce que les individus ne devraient pas choisir différemment entre ces deux
cas, dans la mesure où le second choix est le même à l’exception du fait que toutes les
probabilités sont multipliées par une même constante. La préférence accordée au premier
choix dans la loterie (100% de chance de gagner 3000 $) illustre ce qui est appelé «l’effet
certain», à savoir une préférence pour les gains certains, et qui peut être expliquée par la
théorie des perspectives.
Une perspective ou « prospect » (x1,p1 ;… ; xn,pn) est un contrat qui produit un
résultat xi avec une probabilité pi où p1 + p2 +…+ pn = 1.
Kahneman et Tversky (1979) ont également montré que les individus devant
choisir parmi différentes perspectives ne tiennent pas compte de ce qui est commun à
toutes les perspectives considérées. Ils ont appelé ce phénomène l’effet isolement. Un
troisième élément dans le processus de prise de décision découvert par Kahneman et
Tversky (1979) est l’effet miroir ou effet «réflexion». Cet effet implique que les choix
parmi des perspectives positives sont le reflet des choix parmi des perspectives négatives.
Toutefois, plusieurs études ont contesté l’effet miroir, notamment celle de Hershey et
Schoemaker (1980), ainsi que celle de Martinez-Vasquez, Harwood et Larkins (1992).
Il y a eu peu de tentatives afin de remplacer ou de modifier le paradigme d’utilité et
ainsi éliminer les paradoxes tels que ceux présentés ci-dessus. En 1979, Kahneman et
Tversky ont introduit une théorie alternative de choix en situation d’incertitude appelée «
théorie des perspectives » ou « prospect theory ». La théorie des perspectives propose une
alternative sous forme de modèle mathématique à la théorie d’utilité. La théorie des
perspectives comme la théorie d’utilité énonce que les individus maximisent une somme
pondérée d’utilités, cependant les pondérations ne sont pas les mêmes dans le sens où les
« utilités » et les probabilités sont déterminées par ce que Kahneman et Tversky appellent
«fonction de valeur» plutôt que fonction d’utilité. Cette théorie est positive et similaire
dans son approche à celle suggérée par Friedman et Savage (1948). En fait, cette théorie
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
31
est déterminée par le comportement des investisseurs, basé sur des expériences en
laboratoire. Les principales conclusions de la théorie des perspectives sont les suivantes :
-
La plupart des sujets violent la théorie d’utilité, exactement comme l’a montré
Allais (1953), à savoir qu’ils réagissent différemment à des changements similaires
de probabilité.
-
Les sujets accordent généralement plus d’importance aux changements de
richesses qu’à la richesse totale, ce qui contredit une nouvelle fois le paradigme
d’utilité.
-
La fonction de valeur (graphique 1.1) est une fonction en «S », c’est-à-dire
concave dans le domaine des gains (aversion au risque) et convexe dans celui des
pertes, illustrant un comportement de recherche de risque. Cette fonction de valeur
a également la particularité d’avoir une pente plus raide dans le domaine des pertes
que dans celui des gains reflétant une certaine aversion pour la perte. Cette
fonction est définie par les déviations du point de référence.
-
La pondération de décision assignée à la probabilité, Ð(p), est généralement plus
faible que la probabilité correspondante p, excepté dans l’intervalle des très faibles
probabilités (voir graphique 1.2).
Graphique 1.1 - Une fonction de valeur hypothétique
Source : Kahneman et Tversky. 1979. « Prospect theory : An analysis Of Decision Under Risk. » Econometrica
47 (2): 279.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
32
Graphique 1.2 - Une hypothétique fonction de pondération
Source : Kahneman et Tversky. 1979. « Prospect theory : An analysis Of Decision Under Risk. » Econometrica
47 (2): 283.
Kahneman et Tversky (1979) distinguent deux phases dans leur processus de
choix:
1. Une phase d’édition qui consiste en l’analyse des perspectives
proposées. Cette phase se décompose en 4 opérations:
-
Le codage: établissement du point de référence par le décideur
-
La combinaison: consistant en l’agrégation des probabilités associées aux résultats
identiques
-
La ségrégation: impliquant la séparation des éléments risqués de la perspective des
éléments sans risque
-
La suppression: consistant en la suppression de tous les éléments communs aux
différentes perspectives considérées.
2. Une phase d’évaluation des perspectives et de choix de celle
qui a la valeur la plus grande:
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
33
Soit (x, p ; y, q) une perspective simple2, on a alors (1):
 D( p ).v( x) + D(q ).v( y ) si ( x, p; y, q) est une perspective régulière
V ( x, p; y, q ) = 
v( y ) + D( p ).[v( x) − v( y )] sinon
(1)
La théorie de Tversky et Kahneman n’est, bien entendue, pas la seule théorie
descriptive, il y a aussi, à titre d’exemples, les théories du regret et de dissonance
cognitive.
2.2.9.2
La théorie du regret
Toute décision est prise grâce à des comparaisons vis-à-vis d’un point de référence.
La plupart du temps, ce point de référence est le statut quo. Mais, il arrive que les
preneurs de décision comparent la qualité de leurs décisions à ce qui se serait passé s’ils
avaient opté pour un choix différent [Loomes et Sudgen (1982)]. Ainsi, ils ont également
une aversion pour le risque en faisant intervenir le regret. Le regret est un sentiment
émotionnel associé à la constatation, ex post, qu’une autre décision dans le passé aurait
engendré de meilleurs résultats au moment présent (Shefrin et Statman, 1985). Dans ce
cas, les individus ne prennent pas en compte toute l’information pertinente et se
conduisent de manière irrationnelle.
2.2.9.3
La dissonance cognitive
La théorie de la dissonance cognitive s’intéresse aux éléments pertinents entre eux.
Ce sont des éléments qui doivent être pris en considération simultanément par l’individu.
Ils se trouvent nécessairement dans une relation de consonance ou de dissonance (Poitou,
1974). Il y a consonance entre deux notions lorsque l’une des notions implique,
2
Une perspective simple est de la forme (x, p; y, p) et possède au moins deux résultats non nuls. De telles
perspectives produisent x avec la probabilité p, y avec la probabilité q et rien avec la probabilité 1-p-q (ou p+q+1).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
34
psychologiquement, donc subjectivement, l’autre. A l’opposé, la relation de dissonance se
définit ainsi : si l’inverse de A découle de B, alors A est dit dissonant avec B. La
dissonance peut être suscitée par une incohérence proprement dite, mais elle peut être
également en rapport avec des normes culturelles, ou encore surgir d’une incompatibilité
entre une expérience présente et une expérience passée (Poitou, 1974).
Il existe donc une tendance à entreprendre des actions, afin de réduire la
dissonance cognitive, qui ne sauraient se qualifier de totalement rationnelles : le décideur
peut éviter les nouvelles informations, ou développer des raisonnements tordus pour
assurer ses croyances, ses suppositions (Shiller, 1998).
La théorie du regret, tout comme la théorie des perspectives, peut aider à
comprendre l’effet de disposition. Elle peut également impliquer que les investisseurs
évitent de vendre les actions dont le cours a baissé pour ne pas devoir réaliser leurs
erreurs, et ne pas sentir du regret. Ils vendent les actions dont le cours a monté pour ne pas
devoir regretter de ne pas l’avoir fait dans le cas où, peu après, le cours baisserait (Shiller,
1998).
2.2.10 La théorie des heuristiques
Selon Tversky et kahneman (1974), les individus recourent à des règles d’inférence
statistique, comme le suggérait Kelley (1967). En effet, selon kelley (1967), lorsque nous
cherchons à comprendre comment un individu fonctionne, nous raisonnons comme des
scientifiques. Comme eux, nous nous intéressons aux causes et plus particulièrement aux
causes du comportement. C’est la théorie de la covariation de Kelley.
Pour Tversky et Kahneman (1974), les individus obéissent plus volontiers à des
règles intuitives beaucoup plus rudimentaires. Ces auteurs qualifient d’heuristiques ces
« raccourcis mentaux » qui permettent d’effectuer des généralités, de porter des
jugements abstraits sur des individus ou sur des catégories sociales à partir d’un
échantillon limité d’informations (par exemple quelques comportements effectués par cet
individu ou les caractéristiques de certains membres de cette catégorie sociale). Les
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
35
heuristiques sont particulièrement utiles lorsque l’individu est confronté à une charge
cognitive intense qui ne lui permet pas de prendre en compte l’ensemble de l’information
qui lui est offerte. Malheureusement, ces heuristiques fort simple ont un prix : elles le sont
parfois trop et ignorent des facteurs importants qui devraient être pris en compte pour
effectuer un jugement optimal. L’individu est donc soumis à un ensemble de biais.
Contrairement à l’être rationnel, ou au scientifique naïf, il se trompe. En effet, les
heuristiques ayant pour fonction de réduire l’incertitude et de simplifier le problème
auquel les agents sont confrontés, elles conduisent à une sur-estimation ou sousestimation de la probabilité de survenance d’un événement. Tversky et Kahneman citent
quatre heuristiques.
2.2.10.1 L’heuristique d’accessibilité ou de disponibilité
Imaginez que l’on vous demande si l’homéopathie fonctionne généralement ? Ou
que l’on vous demande s’il arrive souvent que les étudiants de psychologie soient
victimes de troubles psychiques ? Une façon de répondre à ce type de questions consiste à
retrouver des cas d’étudiants en psychologie et à examiner si, oui ou non, ils sont
dérangés, ou des cas d’individus proches qui ont fait appel à l’homéopathie pour soigner
des problèmes de santé. En d’autres termes, les jugements se fondent sur des exemples
accessibles ou disponibles en mémoire.
L’heuristique d’accessibilité fournit des prédictions correctes quand l’accessibilité
des exemplaires est liée à leur fréquence mais cela n’est pas toujours le cas. Ainsi si notre
échantillon d’exemplaires est biaisé, l’heuristique d’accessibilité produit des résultats
incorrects. Par exemple, en répondant à la question de savoir s’il est plus probable de
mourir du cancer de l’estomac ou d’un homicide, les sujets de Slovic, Fischoff et
Lichtenstein (1982) répondent que cette dernière cause est plus commune alors qu’en
réalité, le cancer de l’estomac est 17 fois plus fréquent comme cause de décès que
l’homicide. Ceci s’explique par le fait que les médias évoquent largement plus les
homicides que les cancers de l’estomac.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
36
L’heuristique d’accessibilité est également non valide lorsque, bien que notre
échantillon soit représentatif, nous n’accédons qu’à un sous-échantillon biaisé.
2.2.10.2 L’heuristique de représentativité
L’heuristique de représentativité proposée par Kahneman et Tversky (1973) est
considérée comme une idée préconçue qui guiderait les jugements naïfs. Pour Kahneman
et Tversky (1973), afin d’estimer la probabilité de l’appartenance d’un objet A à une
classe B, les individus observent le degré, dans les caractéristiques essentielles de
représentation de A dans B. Cette approche d’évaluation de la probabilité conduit à de
sérieuses erreurs, puisque la similarité ou la représentativité ne sont pas influencées par
des facteurs qui affectent les jugements de la probabilité. L’heuristique de représentativité
est donc, un raccourci mental économique qui amène les individus à rechercher un
stéréotype de la situation rencontrée et à estimer. En fonction de ce stéréotype, la
probabilité de survenance est « acceptable », mais non recevable du point de vue
théorique (Drozda-Senkowska, 1995). Nos catégorisations se fondent sur le degré de
représentativité d’un exemple. Si Emile se comporte selon le stéréotype que nous
associons aux anarchistes, nous supposerons qu’il est anarchiste. Cette heuristique, qui
concerne les jugements de probabilité, est valide lorsque les traits sont les diagnostics de
la catégorie, c’est-à-dire quand ces traits permettent de distinguer un membre d’un nonmembre de la catégorie comme c’est le cas des animaux ou des objets. En supposant
qu’un animal volumineux ayant une trompe et de longues oreilles est un éléphant, on
court peu de risques de se tromper. Toutefois, cette heuristique peut s’avérer fallacieuse
lorsque les traits sont uniquement associés à la catégorie sans la définir. C’est là la règle,
plutôt que l’exception, en ce qui concerne les catégories sociales, dont les contours sont
plus flous que ceux des catégories biologiques.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
37
2.2.10.3 L’heuristique de simulation
Des heuristiques peuvent également être employées lorsque l’on doit deviner
comment un scénario va se produire. Selon l’heuristique de simulation, l’aisance avec
laquelle on parvient à formuler une issue pour ce scénario est utilisée pour prévoir ce qui
va réellement se produire. L’heuristique de simulation est également utilisée dans le
raisonnement « contrefactuel », c’est-à-dire la simulation d’événements qui auraient pu se
dérouler mais qui ne se sont pas produits. L’heuristique de simulation peut donc être
utilisée pour attribuer des états psychologiques. Face à des événements inhabituels, on a
tendance à proposer des simulations de ce qui se serait passé si tout s’était déroulé
« normalement ». Le contraste entre la situation « anormale » et la situation « normale »
accentue l’intensité émotionnelle associée à l’événement anormal. En revanche, il est
toujours plus difficile d’imaginer des événements « anormaux » si tout s’est passé
normalement.
2.2.10.4 L’heuristique d’ancrage-ajustement
Dans beaucoup de situations, nous effectuons des estimations en partant d’une
valeur initiale qui est ajustée pour produire la réponse finale. La valeur initiale, ou point
de départ, peut être suggéré par la formulation du problème ou bien elle peut résulter d’un
calcul. Ce processus peut provoquer l’erreur puisque
« … l’ajustement est par définition insuffisant… (et que)… les différents points du départ
conduisent à différentes estimations… qui s’écartent des valeurs initiales… » (Tversky et
Kahneman (1974), p 1128).
Différents points de départ donnent des estimations, qui sont donc biaisées en
fonction de la valeur initiale. D’après Tversky et Kahneman (1974), l’hypothèse initiale
sert d’ancrage, faisant que la recherche de la finalité estimée s’ajuste au point de départ.
Tversky et Kahneman (1974) nomment ce phénomène l’heuristique d’ancrageajustement. Cette heuristique peut aboutir à une sur-estimation de la probabilité
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
38
d’apparition conjointe d’événements et à une sous-estimation de la probabilité
d’apparition d’événements à cause de l’ajustement insuffisant aux nouvelles données. Les
phénomènes d’ancrage-ajustement sont plus liés au besoin de structure qu’à la crainte
d’invalidité. La proportion de choix conformes à l’ancrage est la plus élevée quand le
besoin de structure est fort et la moins élevée quand la crainte d’invalidité est forte.
Le tableau 1.1 récapitule les différentes heuristiques.
Tableau 1.1 - Récapitulation des heuristiques d’inférence
Nom de l’heuristique
Type de jugement
Description succincte
Exemple d’application
Représentativité
Jugements de probabilité
La représentativité est un Décider que Georges (A) doit
jugement du degré auquel A être ingénieur parce qu’il agit
est pertinent par rapport à B ; conformément au stéréotype
une
estimation
élevée des ingénieurs (B).
suggère que A provient de B.
Accessibilité ou disponibilité
Jugements de fréquence ou L’accessibilité est
de probabilité
Estimer le taux de divorces
l’estimation de fréquence ou en se basant sur la rapidité
de
probabilité
d’un avec laquelle on peut citer
événement ou de la présence des cas d’amis divorcés.
d’une caractéristique, en se
basant sur la facilité ou la
rapidité avec laquelle une
association ou un exemple
vient à l’esprit
Simulation
Attentes,
attributions La simulation est la facilité Etre fâché d’un événement
causales,
impressions, avec laquelle un scénario frustrant sur base de la
expériences émotionnelles.
hypothétique
peut
être facilité avec laquelle on peut
élaboré.
imaginer que les choses se
soient produites autrement.
Ancrage et Ajustement
Estimer la position d’un objet L’ancrage
sur une dimension
et
l’ajustement Juger la productivité d’un
sont les processus consistant individu sur la base de son
à estimer en commençant par propre
une
valeur
l’ajuster
initiale
ensuite
nouvelle valeur.
L’impact de l’annonce de bénéfices sur le marché financier français.
et
à
à productivité.
une
niveau
de
Chapitre 1 - La finance comportementale : une revue de la littérature
3 ARBITRAGISTES,
LIMITES
39
D’ARBITRAGE
ET
« NOISE
TRADERS »
La finance comportementale est basée sur deux hypothèses complémentaires, qui
se démarquent de manière significative des hypothèses qui sont à la base de l’hypothèse
d’efficience des marchés. La première est que certains investisseurs ne sont pas
pleinement rationnels et que leur demande d’actifs financiers à risque est affectée par
leurs croyances ou leurs émotions, lesquelles ne sont évidemment pas pleinement
justifiées par les fondamentaux économiques. Dans le jargon financier, ces investisseurs
sont appelés métaphoriquement des « noise traders », parce que leurs anticipations sont
biaisées par des considérations qui ont un effet similaire à celui des «bruits parasites»
dans un phénomène de communication radio-électrique. La seconde hypothèse de base est
que l’arbitrage, activité à laquelle va se livrer la seconde catégorie d’investisseurs, qui
sont, eux, pleinement rationnels, est une activité non dénuée de risque et dont l’efficacité
est par conséquent limitée. Avant d’expliciter ces hypothèses et leurs implications, il y a
lieu de préciser ce qu’est la technique financière d’arbitrage, ainsi que la nature de ses
liens avec l’hypothèse d’efficience des marchés. L’efficience du marché n’est pas totale,
mais la théorie peut néanmoins trouver un champ d’application si les imperfections du
marché ne sont pas trop prononcées. C’est précisément le rôle des arbitragistes de
ramener les prix temporairement déviants vers leur niveau correct, tel qu’il découle des
fondamentaux. Considérons l’exemple de Aktas (2004) pour illustrer le procédé.
« Si un titre donné a un substitut parfait, c’est-à-dire un autre titre de même niveau de
risque systématique, les deux titres doivent, à l’équilibre du marché, avoir le même prix.
Si ce n’était pas le cas, il y aurait en effet une possibilité de réaliser un profit sans risque
en réalisant deux opérations simultanées qui consistent l’une à vendre l’actif le plus cher,
l’autre à acheter l’actif le moins cher. Si tous les investisseurs rationnels procèdent de la
sorte, l’excès d’offre sur le premier titre fera baisser son prix, tandis que l’excès de
demande provoquera la hausse du prix du second. Sur un marché efficient, les actions
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
40
conjuguées des «arbitragistes» ramèneront la stricte égalité des deux prix, et ce d’autant
plus rapidement que le marché est plus efficient. ».
Ainsi, sur un marché parfait (totalement efficient), ce qui implique que tous les
investisseurs appartiennent à la seconde catégorie, tous les titres de même risque
systématique auront à tout moment le même rendement, c’est-à-dire le même prix relatif.
Une définition alternative d’un marché parfait est donc un marché sur lequel il n’existe
aucune opportunité d’arbitrage [Aktas (2004)].
Les marchés concrets ne sont à l’évidence pas des marchés parfaits. En effet, un
élémentaire réalisme commande de considérer qu’il existe des bruiteurs. Toutefois, s’il se
produit un volume suffisant d’opérations d’arbitrage, les «bruits parasites» peuvent être
neutralisés, et la « vérité des prix » peut donc être rétablie. Si, par contre, on se trouve
dans une phase de «bulle spéculative», il n’existe pas de titre ni même de portefeuille de
substitution pour une classe entière d’actifs. Il n’y a dans ce cas pas de substitut parfait
disponible et l’arbitrage n’est plus une activité sans risque. Le risque est même
multidimensionnel, notamment en raison du fait que le moment où la bulle va éclater est
largement imprévisible. Selon Aktas (2004), si l’on suppose un gérant de fonds de
placement qui, au printemps de 1986, aurait acquis la conviction que le marché des
actions était lourdement surévalué et aurait adopté la stratégie théoriquement adéquate en
pareil cas, qui est de vendre à découvert sur le marché à terme les titres surévalués. En
effet, la vente à découvert consiste à vendre de manière ferme et définitive, au prix du
jour, mais avec une date de livraison différée (en général, d’un mois) des titres qu’on ne
possède pas encore. Si l’anticipation de baisse se réalise avant l’échéance convenue, il
suffit d’acheter à ce moment les titres à un prix inférieur au prix convenu que devra payer
la contrepartie au moment de la livraison ; on réalise ainsi un gain égal à la différence des
deux prix, sous déduction des frais de transaction. Ces derniers constituent une deuxième
source de risque : si la baisse n’est pas assez prononcée, la différence nette sera négative.
Si la baisse ne s’est pas produite à l’échéance du contrat, il est possible de reporter
l’opération pour une période (mensuelle) supplémentaire, moyennant nouveaux frais de
transaction. Si le gérant avait persisté dans cette stratégie jusqu’à ce que la bulle éclate, il
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
41
aurait dû effectuer une quinzaine de reports ce qui lui fait rapporter à chaque évaluation
trimestrielle des rendements négatifs, tandis que ses collègues qui accompagnaient le
mouvement gagnaient de l’argent. Le scénario le plus probable, pour ne pas dire certain,
est qu’il aurait été licencié avant la fin de 1986.
Soumis à cette troisième source de risque, que d’aucuns ont appelé «risque
concurrentiel», les gestionnaires d’organismes de placement collectif en valeurs
mobilières (OPCVM) n’ont guère d’autre choix comportemental que celui du mimétisme.
Sont ainsi caractérisés, les trois principaux risques susceptibles d’affecter en réalité
les opérations d’arbitrage. D’après Aktas (2004), certains auteurs tels que Summers
(1986) vont loin, en avançant de manière plausible que les «arbitragistes» peuvent ne pas
être à même de déterminer avec précision la valeur fondamentale, et se trouver par
conséquent incapables, dans de multiples circonstances, d’interpréter correctement les
signaux- prix du marché, c’est-à-dire de déterminer si un changement de prix observé
provient d’une mésestimation de la valeur du titre ou est au contraire un ajustement
rationnel à une modification des fondamentaux de celui-ci. De nombreuses études
statistiques montrent en effet que nombre de changements de prix ne sont ni un
ajustement aux fondamentaux macro-économiques, ni une réaction à une information
nouvelle relative à l’émetteur du titre, et que ces phénomènes sont beaucoup trop
fréquents pour être tous attribuables à des délits d’initié.
Cette mise en doute de la capacité des marchés d’actions à refléter les valeurs
fondamentales constitue une contestation beaucoup plus radicale de l’hypothèse
d’efficience des marchés, en ce qu’elle se répercute sur les capacités cognitives de
l’ensemble des investisseurs et sape donc dans son fondement l’hypothèse d’anticipations
rationnelles. La position de repli de la majorité des tenants de la finance comportementale
a été non pas de nier purement et simplement ces «imperfections», mais d’en proposer
une interprétation mitigée. Certes, il existe des « noise traders », des investisseurs qui
réagissent à des conseils intéressés des analystes ou encore appliquent des modèles
populaires sans aucun fondement économique. Mais il existe par ailleurs des investisseurs
raisonnablement rationnels, qui à la fois ont une idée assez précise de la nature des
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
42
fondamentaux et de l’impact sur les prix des changements que ceux-ci subissent, mais
aussi des réactions pas toujours adéquates à la survenance d’informations nouvelles. Pour
De Bondt et Thaler (1985, 1987), les marchés d’actions ont une tendance marquée à la
sur-réaction: la grande majorité des investisseurs réagit de manière trop optimiste aux
bonnes nouvelles, et de manière trop pessimiste aux mauvaises, la correction s’opérant
plus ou moins rapidement selon le degré d’efficience du marché. Le problème ainsi posé,
constitue une forme faible de l’hypothèse d’efficience. On pourrait objecter que les
investisseurs non sophistiqués prennent des décisions qui peuvent être considérées comme
des phénomènes purement aléatoires, dont les effets vont se neutraliser les uns les autres.
La résultante de toutes les décisions prises simultanément par les « noise traders »
pourrait donc fort bien ne pas être une déstabilisation du système de prix. Les défenseurs
inconditionnels de la forme forte de l’hypothèse d’efficience ont prétendu que cette
situation est de très loin la plus vraisemblable. Les tenants de la finance comportementale
ont trouvé à cette thèse des contre-arguments forts dans des travaux de psychologie
expérimentale, prolongés par des travaux d’économie expérimentale. Le trait commun à
tous les contre-arguments invoqués par les behavioristes est que les sujets des expériences
de psychologie en laboratoire ont une tendance marquée à commettre les mêmes erreurs.
L’apprentissage progressif des éléments d’une situation, et les succès qu’en conséquence
ils enregistrent en proportion croissante tendent à provoquer chez la majorité d’entre eux
un excès de confiance. Ils ont également tendance à extrapoler, c’est-à-dire à considérer
de manière assez mécanique que les évolutions futures reproduiront à l’identique celles du
passé. Enfin, et pour se limiter aux exemples les plus démonstratifs, la majorité d’entre
eux surpondère dans ses raisonnements les informations récentes par rapport aux
informations plus anciennes, même si celles-ci ont manifestement un caractère plus
fondamental. Toutes ces considérations rendent fort vraisemblable l’affirmation, très
difficile, sinon impossible à vérifier directement, qu’il y a à tout moment un contingent
suffisamment nourri de « noise traders » pour perturber significativement le système de
prix, et cela en dépit du fait que la rotation au sein de ce contingent soit
vraisemblablement assez rapide. En effet, certains opérateurs disparaissent définitivement
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
43
parce que ruinés ; d’autres se retirent temporairement après une «mauvaise série», puis, se
rappelant les séries parfois longues de réussites successives qu’ils ont connues autrefois,
ils reviennent au jeu – tout comme les habitués des casinos – pour « se refaire », en se
promettant bien de s’arrêter à temps cette fois … Sans parler, bien entendu, du flot
continu de nouvelles recrues, dont le dernier avatar est le « day trading », nouveau sport
en chambre qui, comme son nom l’indique, consiste à tenter de réaliser des plus-values en
l’espace d’une seule journée. Le caractère perturbateur du « noise trading » apparaît plus
clairement encore lorsqu’on prend en considération ce qu’on pourrait appeler l’effet
pervers de l’hypothèse d’efficience des marchés. En effet, dans la mesure où le marché est
efficient, il est impossible de le battre, c’est-à-dire de réaliser un rendement supérieur à
celui que commande, à l’équilibre du marché, le bêta du portefeuille. Ceci constitue un
argument très convaincant en faveur de la stratégie dite de gestion passive, qui consiste à
former un portefeuille qui soit un substitut aussi proche que possible du portefeuille de
marché, portefeuille de référence qui contiendrait effectivement tous les titres traités sur
le marché en proportion de leur capitalisation boursière. Plus grande sera la proportion
des investisseurs qui adoptent ce type de stratégie, plus grand sera l’effet perturbateur des
décisions des « noise traders ». Cet effet perturbateur sera aussi d’autant plus grand que
les risques qui affectent les opérations d’arbitrage seront plus élevés et dissuaderont par
conséquent davantage de candidats «arbitragistes». Si les deux catégories d’investisseurs
actifs, « noise traders » et «arbitragistes», sont en faible nombre, il ne suffira pas à ces
derniers de consacrer du temps et de l’argent à prédire les initiatives des premiers. Il leur
faudra aussi, pour rentabiliser leurs initiatives, adopter à leur égard une attitude proactive
et créer des quantités additionnelles des types de titres dont ceux-ci sont friands. Comme
leur aversion à l’égard du risque les amènera à limiter les moyens qu’ils consacreront à
leur activité d’arbitrage, ils devront renoncer à diversifier de manière optimale leur
portefeuille d’arbitrage et pratiquer la stratégie active dite de « stock picking », c’est-àdire se concentrer sur un nombre restreint de titres. Cette façon de procéder non
seulement accroît encore le risque qu’ils courent mais rend leur comportement difficile à
discerner de celui des « noise traders » eux-mêmes ! La tendance à extrapoler, dont on a
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
44
dit plus haut qu’elle est un trait commun à de nombreux investisseurs, les amène à adopter
des stratégies de « positive feedback », c’est-à-dire à acheter quand les prix montent et à
vendre quand les prix baissent. Quand une proportion relativement élevée des
investisseurs adopte ce type de comportement, l’attitude la plus judicieuse pour les «
arbitrageurs » consiste non pas à les contrer, mais « prendre le train en marche » et à
profiter de leurs capacités supérieures de timing – c’est-à-dire d’anticipation des
renversements de tendance boursière – pour le quitter à proximité du pic, tandis que la
masse des autres investisseurs continuent à acheter et ne revendront qu’au moment où ils
en viendront à considérer le mouvement de baisse comme irréversible. De nombreux
spécialistes considèrent que cette attitude spéculative contribue lourdement à l’amorçage
des bulles.
4 LES PHENOMENES DE SUR-REACTION ET DE SOUS-REACTION
Les paradigmes de la finance comportementale reposent sur deux phénomènes
opposés, mais liés au comportement des individus. Le premier phénomène est la surréaction des investisseurs à l’information (De Bondt et Thaler, 1985). Mai (1992) attire
l’attention sur le phénomène de sur-réaction sur le marché français. Le second phénomène
est la sous-réaction des investisseurs à l’information (Bernard et Thomas, 1989). Une
étude de Jegadeesh et Titman (1993) met en évidence l’effet « momentum » ou élan ou
continuité relative de la rentabilité des titres, lié étroitement au phénomène de sousréaction. Le modèle à trois facteurs de Fama et French (1993) suppose que les agents sont
rationnels et que les rentabilités des stratégies de sur-réaction et « momentum » sont
attribuables à une exposition aux facteurs de risque. Comme ce modèle ne parvient pas à
expliquer complètement la persistance de la rentabilité des stratégies de « momentum »,
plusieurs
modèles
théoriques
comportementaux
s’appuient
essentiellement
sur
l’hypothèse que les agents sont sujets à des biais cognitifs dans l’interprétation de
l’information. Les modèles comportementaux récents (Barberis, Shleifer et Vishny,
1998 ; Daniel, Hirsleifer et Subrahmanyam, 1999 et Hong et Stein, 1999) essaient de
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
45
réconcilier les phénomènes de sous-réaction et sur-réaction en mettant l’accent sur la
formation ainsi que les révisions imparfaites des anticipations suite à l’arrivée de
nouvelles informations.
Par la suite, cette section définit les phénomènes de sur-réaction et sous-réaction,
présente les modèles comportementaux et expose la critique de Fama (1998) aux
phénomènes de sur-réaction et sous-réaction.
4.1 Le phénomène de sur-réaction
L'efficience des marchés et la prévisibilité des rentabilités boursières constituent
deux thèmes importants de la littérature financière. L'un des phénomènes le plus curieux,
constaté dans la recherche financière concerne le phénomène de sur-réaction, selon lequel
les titres ayant eu les plus faibles performances (perdants) sur une période passée ont des
performances supérieures (gagnants) sur les périodes subséquentes et vice versa (De
Bondt et Thaler, 1985).
L'idée de sur-réaction n'est pas nouvelle. On la trouve déjà dans Keynes (1936)3 et
Williams (1938)4. Sa constatation empirique repose sur les travaux de Fama et French
(1988) concernant les "autocorrélations multi-périodiques" des rentabilités. La courbe en
forme de U des autocorrélations des indices indique une dépendance des rentabilités,
négative à moyen et long terme, et très légèrement positive à court terme: le minimum est
atteint entre 3 et 4 ans. Ceci prédit que les rentabilités négatives deviendront positives (et
inversement) au bout de trois ans, et cela de façon significative car le coefficient de
détermination ajusté R²a croît en fonction du nombre de décalages et passe par un
maximum au bout de 36 mois.
Les stratégies d'arbitrage de "sur-réaction" et de "contradiction" sont fondées sur la
dépendance négative des rentabilités. La stratégie de sur-réaction, basée sur les
3
"... day-to-day fluctuations in the profits of existing investments, which are obviously of an ephemeral and
nonsignificant character, tend to have altogether excessive, and even an absurd, influence on the market". (The
General Theory of Employment, p.153-154).
4
"price have been based too much on current earning power, too little on long-run dividend paying
power" (Theory of Investment Value, p. 19).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
46
autocorrélations multipériodiques, consiste à acheter les titres, en nombre fixe ou par
fractiles (quintiles ou déciles), ayant les plus médiocres performances passées (perdants),
mesurées par les rentabilités cumulées et à vendre (éventuellement à découvert) ceux
ayant généré les meilleures performances (gagnants), puis inverser ces positions après une
certaine période de détention, proche de la durée optimale de formation des portefeuilles.
Grâce à la dépendance négative des rentabilités cumulées, les portefeuilles perdants
deviennent gagnants et inversement: la rentabilité du portefeuille d'arbitrage définie
comme la différence de rentabilité des portefeuilles perdants et gagnants est par
conséquent positive.
La stratégie de "contradiction", est fondée sur l'autocorrélation statistique
instantanée classique. Elle consiste à investir sur tous les titres avec une pondération
proportionnelle à leur performance passée.
Les principales études de sur-réaction portent sur le marché américain. Les études
de sur-réaction sur les marchés européens sont celles d'Alonso et Rubio (1990) en
Espagne, Vermaelen et Vestringe (1986) en Belgique et Mai (1992) en France.
Le phénomène de sur-réaction a d'abord été examiné à long terme, sur une période
de 3 à 5 ans par De Bondt et Thaler (1985, 1987), Chan (1988), Zarowin (1990) et
Lakonishok, Shleifer et Vishny (1994). Toutefois, l’on doit à De Bondt et Thaler (1985)
la mise en évidence du phénomène de la sur-réaction sur les marchés financiers. Des
études examinent également le phénomène à court terme, au niveau du mois, de la
semaine, voire du jour. On parle alors de renversement de prix ou de stratégie
contradictoire : Lo et McKinlay (1990), Lehmann (1990), Atkins et Dyl (1990), Zarowin
(1990).
Des recherches expérimentales en psychologie (Kahneman et Tversky, 1973, 1974,
1982,…) ont montré, en violation de la règle de Bayes, que les individus ont tendance à
sur-réagir aux événements imprévus et dramatiques. Les premiers résultats empiriques de
sur-réaction de De Bondt et Thaler (1985, 1987) sur le comportement des investisseurs
boursiers ne sont pas incompatibles avec cette hypothèse. En formant des portefeuilles à
partir des performances passées sur 3 et 5 ans respectivement, les auteurs concluent à une
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
47
forte inefficience du marché: la rentabilité du portefeuille d'arbitrage (perdant-gagnant)
est positive et significative sur la période subséquente. Les résultats de De Bondt et
Thaler sont présentés dans le tableau 1.2.
Tableau 1.2 – Rentabilités cumulées anormales (CAR) des portefeuilles perdants (PP), gagnants (PG) et
d’arbitrage (PA) pour trois durées de formations différentes (source : De Bondt et Thaler, 1985)
ANNEES
NOMBRES
CAR PG
CAR PP
DE TITRES
CAR PA
CAR PA
CAR PA
CAR PA
CAR PA
(1 MOIS)
(12 MOIS)
(18 MOIS)
(24 MOIS)
(36 MOIS)
5 ans
50
1,463
-1,194
0,070 (3,13)
0,156 (2,04)
0,256 (3,17)
0,196 (2,15)
0,230 (2,07)
3 ans
35
1,375
-1,044
0,105 (3,29)
0,054 (0,77)
0,167 (1,51)
0,181 (1,71)
0,246 (2,20)
2 ans
35
1,130
-0,857
0,062 (2,91)
-0,156 (0,16)
0,136 (2,02)
0,101 (1,41)
Depuis, plusieurs arguments ont été avancés pour expliquer le phénomène de surréaction.
De Bondt et Thaler (1987) ont observé que la rentabilité du portefeuille d'arbitrage
est légèrement supérieure en janvier par rapport au reste de l'année. L’effet janvier est
aussi mentionné par Ball, Kothari et Shanken (1995) dans l’interprétation du phénomène
de sur-réaction. Cet effet janvier est souvent associé à l'effet taille, surtout en ce qui
concerne le marché américain, ce qui est moins le cas sur le marché français. Mai (1992)
trouve également des rentabilités positives et significatives des portefeuilles d'arbitrage.
Chopra et al. (1992) montrent aussi que les différences de rentabilité, toute l’année à
l’exception du mois de janvier, entre les perdants et les gagnants ne sont pas
significativement différentes de zéro que ce soit pour les rentabilités brutes ou pour les
rentabilités ajustées à la taille. Ils suggèrent que les taxes fiscales de fin d’années peuvent
donner une explication partielle des rentabilités à long terme pour les perdants. Cette
explication s’avère, cependant, insuffisante pour plusieurs raisons. Premièrement, la
différence en janvier entre les rentabilités des perdants et gagnants persiste après la
formation des portefeuilles alors que d’après cette explication, le retour à la moyenne des
rentabilités devrait être valable seulement la première année après la formation des
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
48
portefeuilles (De Bondt et Thaler, 1985 et 1987). Deuxièmement, les différences de
rentabilité en janvier entre les perdants à long terme et gagnants à long terme sont plus
nettes durant la première année de formation des portefeuilles extrêmes. Ainsi, Chopra et
al. (1992) argumentent qu’il existe un effet de sur-réaction sur le marché américain.
Cependant, il n’existe pas d’explication convaincante de la persistance du retour à la
moyenne des rentabilités en janvier durant la période test. Selon l’hypothèse de la surréaction, le retour à la moyenne des cours est une correction des erreurs des cours. Ainsi,
pourquoi les erreurs de cours ont-elles lieu seulement en janvier sur une période de trois à
cinq ans ? Cette question concerne aussi les autres explications de l’effet gagnant-perdant
à long terme. Pourquoi les différences des rentabilités d’équilibre entre les perdants et les
gagnants sont-elles économiquement significatives seulement en janvier ? En d’autres
termes, pourquoi les perdants sont-ils risqués seulement en janvier ? La rentabilité du
reste de l'année, bien qu'inférieure, reste significative; ce qui laisse à penser que l'effet
janvier n'est pas la seule explication. D'autre part, Mai (1992) montre, par des statistiques
ordonnées que le classement des portefeuilles selon leurs performances passées coïncide
fortement et significativement avec celui effectué par la capitalisation boursière. Le même
phénomène est également observé sur le marché américain, en particulier par Zarowin
(1990). La différence de risque systématique entre les portefeuilles « perdants » et
« gagnants », d'après certains auteurs comme Chan (1988) et Ball et Kothari (1989),
explique leur différence de rentabilité. Cette observation n'est pas partagée par De Bondt
et Thaler (1987). Zarowin (1990) sur le marché américain, Mai (1992) sur le marché
français, en contrôlant à la fois l'effet taille, la différence de risque éventuelle entre les
portefeuilles « perdants » et « gagnants » ainsi que l'effet janvier, ne peuvent rejeter les
premiers résultats de De Bondt et Thaler (1985), à savoir l'existence du phénomène de
sur-réaction. Une autre explication de la sur-réaction est donnée par Blume et Stambaugh
(1983) et Conrad et Kaul (1993): les écarts de fourchette. Par un modèle simple, tenant
compte des écarts de fourchette et appliquant les hypothèses de Roll, en particulier la
distribution symétrique des prix autour du prix d'équilibre, Conrad et Kaul (1993)
montrent que les rentabilités sont biaisées et surestimées. Ce biais positif ne dépend pas
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
49
de la durée de détention et est en fonction du carré de la fourchette. Or la valeur de celleci étant fortement liée à la capitalisation et au niveau des cours (voir Hamon et Jacquillat
1992); le biais différentiel reste positif dans la mesure où les portefeuilles perdants
(respectivement gagnants) sont constitués de titres de faible (respectivement forte)
capitalisation. La conséquence immédiate de cette remarque est une incitation à
développer des stratégies basées sur la sur-réaction à long terme. En effet, le biais d'une
stratégie d'achat et de vente après 12 mois de détention est 12 fois moindre que celui
d'une stratégie recomposée tous les mois, sur une durée de 12 mois. Récemment, Fama et
French (1992, 1993, 1996a) construisent et testent un modèle d’explication des
rentabilités à trois facteurs, dans lequel la capitalisation boursière et le ratio valeur
comptable sur valeur marchande du titre, sont vus comme des facteurs de risque communs
à l’ensemble des titres non intégrés par le facteur bêta. Pour ces auteurs, le modèle à trois
facteurs de Fama et French (1993) capture assez bien le phénomène de sur-réaction de De
Bondt et Thaler (1985). A l’opposé, les chercheurs de la finance comportementale y
voient une anomalie qui trouve sa source dans la sur-évaluation temporaire des titres, due
en particulier à une série d’informations allant dans le même sens (par exemple, bonnes
ou mauvaises nouvelles). La correction de cette sur-évaluation conduit au phénomène de
sur-réaction. En effet, ayant établi que, sur leur période d’étude, les actions dont le cours
avait beaucoup baissé antérieurement (perdants) tendaient à offrir de meilleures
rentabilités, alors que celles dont les cours avaient beaucoup augmenté (gagnants)
offraient de faibles rentabilités, De Bondt et Thaler (1987) proposent une explication
comportementale. Ils suggèrent que certains investisseurs sont très optimistes sur les titres
à bonne performance historique et les achètent de manière excessive. Cet optimisme des
investisseurs implique une hausse des cours et ces titres deviennent surévalués. Au
contraire, les investisseurs vendent les titres à performance passée médiocre de sorte
qu’ils deviennent sous-évalués. Résultat, les gagnants (perdants) ont des rentabilités
anormales futures faibles (élevées) dans le long terme puisque leurs cours chutent
(s’élèvent) compte tenu de la sous-évaluation (sur-évaluation) à long terme. Dans le
même sens, Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et Subramanyam
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
50
(1999) et Hong et Stein (1999) justifient le phénomène de la sur-réaction par le
comportement erroné des investisseurs. Pour ces auteurs, loin d’utiliser la rationalité
décrite par la théorie financière, les individus sur-réagissent à l’information du moment en
négligeant les tendances de long terme.
4.2 Le phénomène de sous-réaction
La plus remarquable des découvertes sur ce comportement est peut-être celle de
Bernard et Thomas (1989)5. Ils ont classé les actions en fonction du degré de surprise
créée lors des plus récentes annonces de résultats. Le degré de surprise était notamment
mesuré par rapport aux attentes des analystes. Bernard et Thomas (1989) ont ensuite
constitué deux portefeuilles, l'un entièrement composé de titres de sociétés porteuses de
bonnes nouvelles et l'autre de titres de sociétés n'ayant annoncé que des mauvaises
nouvelles. Dans les six mois qui suivirent, Bernard et Thomas (1989) ont suivi ces deux
portefeuilles. Le portefeuille pour lequel les surprises sont plus élevées ont une rentabilité
anormale supérieure à celle du portefeuille dont les surprises sont plus faibles. Pour
Bernard et Thomas (1989), le cours n’intègre pas immédiatement la bonne ou la mauvaise
nouvelle annoncée. Pour ces auteurs, les investisseurs ont tendance à sous-estimer, dans
un premier temps, la portée d'une nouvelle information. Ils obéissent alors à la logique
suivante. Une société annonce des résultats nettement supérieurs aux prévisions. Les
investisseurs considèrent cela comme une bonne nouvelle et révisent certes leurs
évaluations à la hausse, mais pour une raison inconnue, cette hausse reste limitée. Cette
erreur n'est corrigée que progressivement. Dans les six mois qui suivent, le cours grimpe
imperceptiblement vers le niveau qu'il aurait dû atteindre au moment où les résultats ont
été annoncés. Un investisseur achetant le titre dès le jour de l'annonce pourrait tirer parti
de cette hausse graduelle et bénéficier d'un rendement plus élevé. Ainsi, pour Bernard et
Thomas (1989), les investisseurs sous-réagissent donc aux annonces de bénéfices.
5
Cette étude est détaillée dans la section 1.2 du chapitre 2 de la thèse.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
51
Un autre phénomène bien connu est l'effet d'«élan» ou « momentum » mis en
évidence par Jegadeesh et Titman (1993), étroitement lié à la sous-réaction des marchés.
Le « momentum » ou continuité relative dans les rentabilités des actions correspond à la
tendance des actions ayant connu une bonne (mauvaise) performance dans le passé à
connaître une bonne (mauvaise) performance dans le futur. Jegadeesh et Titman (1993)
montrent que des stratégies d’investissement qui consistent à acheter les titres ayant
connu le meilleur rendement durant les 3 à 12 derniers mois et à vendre à découvert les
titres ayant connu le pire rendement durant la même période, sont rentables et génèrent un
rendement de l’ordre de 1 % par mois pendant les 3 à 12 mois suivants. En d’autres
termes, une stratégie « momentum », en moyenne, est tentante en achetant des titres à
rentabilités élevées (gagnants) et en vendant des titres à rentabilités faibles (perdants) sur
le court terme. Ce résultat, corroboré par Jegadeesh et Titman (2001) pour les États-Unis,
vaut aussi pour les marchés développés tels que l’Europe (Rouwenhorst, 1998) et les
marchés asiatiques à l’exception notable du Japon (Chui et al., 2000) ainsi que pour les
marchés émergents (Rouwenhorst, 1999). Face à la persistance de cette anomalie, Grundy
et Martin (2001) tout comme Carhart (1997) vont jusqu’à proposer d’introduire le
« momentum » comme facteur complémentaire aux facteurs associés à la taille et au ratio
valeur comptable sur valeur marchande des fonds propres dans l’explication des
rentabilités des titres. Moskowitz et Grinblatt (1999) concluent que le « momentum » de
rentabilité des secteurs d’activité explique une large part des rentabilités des stratégies de
« momentum » portant sur des titres individuels. En effet, lorsqu’ils substituent les titres
composant les secteurs d’activité « gagnants » et « perdants », par des titres ayant connu
la même rentabilité passée, mais n’appartenant pas au même secteur d’activité, la
rentabilité de ce nouveau portefeuille couvert (indépendant des secteurs d’activité) est nul.
Dans le même ordre d’idées, O’Neal (2000) montre qu’une stratégie de « momentum »
portant sur les rentabilités de fonds mutuels sectoriels est rentable, particulièrement pour
des horizons de détention de 12 mois.
Diverses explications sont proposées à l’effet « momentum ». Chan et al. (1996) et
Jegadeesh et Titman (1993) ont montré que les hypothèses basées sur le risque ne
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
52
permettaient pas d’interpréter l’effet « momentum » à court terme. Cependant, des travaux
récents proposent une explication de l’effet « momentum » par les facteurs risques. Par
exemple, Conrad et Kaul (1998) décomposent les rentabilités anormales des titres en deux
composantes : une composante résultant d’une prévisibilité en série temporelle des
rendements des titres et une autre, fonction des variations en coupe transversale des
rentabilités moyennes des titres constituant le portefeuille. Ils rapportent que la
composante due à la variation en coupe transversale des rentabilités des titres a un
déterminant significatif. Cependant, ils n’analysent pas si cette variation transversale
reflète le degré de risque ou des comportements non rationnels des investisseurs. Berk,
Green et Naik (1999) argumentent que la persistance du risque systématique peut
expliquer l’effet « momentum » dans le cas des firmes de croissance. Le risque persiste
sur une période courte aussi loin que les projections de croissance, induisant un effet
« momentum ». Tels risques s’estompent lentement dès que les projets sont en fin de vie
ou renouvelés. L’effet « momentum » peut donc, être temporaire quand les projets sont
remplacés par différents projets risqués. D’après la simulation de Berk et al. (1999),
l’effet « momentum » peut s’étendre sur cinq années. Ceci résulte de la durée de vie du
projet. Cependant, les rendements de l’effet « momentum » semblent subsister sur un laps
de temps court entre neuf et douze mois.
Une autre explication possible de l’effet « momentum » serait l’hypothèse de
trituration des données. Fama et French (1992, 1993, 1995, 1996a) montrent que si leur
modèle tri-factoriel capture partiellement l’effet persistance des rentabilités observées, cet
effet « momentum » demeure faible sur la période 1931-1963. Selon Fama et French,
l’effet « momentum » diffère des autres anomalies et cette unicité conduit à l’existence de
l’hypothèse de trituration des données. Jegadeesh et Titman (1993) montrent que l’effet
« momentum » existe sur la post-période 1941, mais pas sur la période 1926-1940. Conrad
et Kaul (1998) constatent également que l’effet de continuité de la rentabilité n’apparaît
pas sur la période 1926-1947.
Jegadeesh et Titman (1993) démontrent aussi que les rentabilités anormales
positives ne sont ni dues à l’effet taille ni au risque. Selon ces auteurs, l’effet
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
53
« momentum » pourrait être dû à une sous-réaction de la firme à une information
spécifique. Cette sous-réaction se manifeste par un ajustement graduel du prix du titre à
l’information spécifique de la firme. Chan et al. (1996) étudient si l’effet « momentum »
peut être attribué à une sous-réaction du marché en utilisant tous les titres des marchés
boursiers américains NYSE, AMEX et NASDAQ de la base de données CRSP6 entre la
période 1977 et 1993. Ils montrent qu’une portion substantielle de l’effet « momentum »
est concentrée autour de la date d’annonce du résultat. Par ailleurs, si le marché est surpris
par une bonne ou mauvaise annonce de bénéfice alors le marché continue sa surprise dans
la même direction, du moins jusqu’aux deux prochaines annonces. Cet ajustement graduel
aux annonces des bénéfices peut indiquer une sous-réaction du marché à l’information
récente. Cependant, Chan et al. montrent que l’effet « momentum » relatif au prix (ou
« price momentum ») n’est pas une simple somme d’effets « momentum » relatifs aux
annonces des bénéfices (« earning momentum »).
L’effet « momentum » consiste donc à se concentrer sur les déciles supérieurs et
inférieurs des performances passées. Ainsi, certains préconisent de vendre les titres ou les
fonds qui se sont révélés les moins performants et d’acheter les meilleurs. Plusieurs
scientifiques ont testé la pertinence de cette stratégie, mais les résultats varient dès lors
que les frais de transaction et les corrections pour la prise en compte des risques sont
inclus dans les calculs. En tout état de cause, le fait de suivre les meilleurs fonds ne
garantit pas de capter de façon certaine des excès de rentabilités sur le long terme. Ainsi,
Lesmond, Schill et Zhou (2004) ont montré que le « momentum » ne fait que créer
l’illusion des profits excédentaires parce qu’il requiert des transactions fréquentes.
Le phénomène de sous-réaction semble être contradictoire au phénomène de surréaction. Divers modèles essaient de réconcilier ces phénomènes.
6
La base de données CRSP [Center for Research in Security Prices (University of Chicago)] comporte des données
boursières d'entreprises cotées sur les marchés boursiers américains : actions (NASDAQ, AMEX, NYSE), indices
boursiers, obligations et fonds de placement.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
54
4.3 Réconciliation des phénomènes de sur-réaction et sous-réaction : les
modèles comportementaux de Barberis, Shleifer et Vishny (1998),
Daniel, Hirshleifer et Subramanyam (1999), Hong et Stein (1999) et
De Long, Shleifer, Summers et Waldmann (1990)
4.3.1 Le modèle de Barberis, Shleifer et Vishny (1998)
Une stratégie « contrariante » implique la vente des perdants et l’achat des
gagnants passés à long terme (à découvert). Par contre, la stratégie de sous-réaction
implique une position longue en titres « gagnants » et une position courte en titres
« perdants ». Ces stratégies sont souvent utilisées sur les marchés financiers pour
exploiter les phénomènes de sous-réaction et sur-réaction. Cependant, les caractéristiques
des rentabilités de ces stratégies sont controversées.
Barberis, Shleifer et Vishny (1998) fournissent un modèle qui réconcilie les
phénomènes de sous-réaction et sur-réaction. Leur modèle repose sur deux heuristiques
comportementales mises en évidence par Tversky et Kahneman (1974) et Edwards
(1986). La première heuristique se nomme la représentativité. Il s’agit de la propension
des individus à juger des événements comme typiques ou représentatifs de certaines
catégories de phénomènes en ignorant la probabilité qu’ils appartiennent effectivement à
ces catégories. Cette heuristique serait à l’origine de la sur-réaction selon Barberis,
Shleifer et Vishny (1998). La seconde heuristique se nomme le conservatisme ou
l’heuristique d’ancrage - ajustement. Elle est caractérisée essentiellement par la lenteur
des sujets à changer leurs croyances en face de nouvelles informations. Le conservatisme
serait à la base de la sous-réaction.
Par conséquent, Barberis, Shleifer et Vishny (1998) considèrent un investisseur
neutre au risque actualisant les revenus d’un actif au taux δ. Cet investisseur est
représentatif du marché. Il n’y a sur le marché qu’un seul actif qui paye 100% de ses
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
55
revenus. Le prix d’équilibre de cet actif sera donc égal à la valeur de ses revenus
actualisés par l’investisseur représentatif.
Dans leur modèle, Barberis, Shleifer et Vishny (1998) supposent que les bénéfices
ou revenus de l’actif suivent une marche aléatoire et l’investisseur représentatif n’en est
pas conscient parce qu’il est sujet à des biais cognitifs. Par conséquent, les investisseurs
perçoivent les revenus de l’actif comme générés sous un régime à retour à la moyenne des
rentabilités (régime 2) soit une tendance isolée (régime 1). Sous un régime à tendance
isolée, un choc positif à un résultat est plus probablement suivi par un choc négatif dans la
période suivante. La sur-réaction (sous-réaction) se produit lorsque les investisseurs
pensent au régime 2 (au régime 1).
Les manifestations empiriques de la sous-réaction peuvent être formalisées par
l’expression suivante :
E(rt+1/zt = G) > E( rt+1/zt = B)
(2)
La sous-réaction peut donc être décrite comme le fait que la rentabilité moyenne
réalisée après un choc positif (bonne nouvelle, zt = G) est supérieure à la rentabilité
moyenne réalisée après un choc négatif (mauvaise nouvelle, zt = B). Cette sous-réaction
existera tant que l’investisseur donne en moyenne plus de poids au modèle 1. Si c’est le
cas, il pense qu’en moyenne un choc positif sera suivi d’un choc négatif la période
suivante, alors qu’en réalité, il a autant de chance d’être positif ou négatif. Si la période
suivante, le choc est effectivement négatif, la rentabilité entre les deux périodes est faible
puisque l’investisseur l’avait prévu. Par contre, si le choc est positif, la rentabilité sera
importante et positive. Le raisonnement est le même après un choc négatif, ce qui permet
d’écrire la formule (2).
Selon Barberis, Shleifer et Vishny, la sur-réaction peut être formalisée de la
manière suivante :
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
E(rt+1/zt = G, zt-1 = G, ..., zt-j = G) > E( rt+1/zt = B, zt-1 = B, ..., zt-j = B)
56
(3)
L’équation (3) traduit la surévaluation par le fait que la rentabilité moyenne réalisée après
une chaîne de chocs positifs (zt = G, zt-1 = G, ..., zt-j = G) est inférieure à la rentabilité
moyenne réalisée après une chaîne de chocs négatifs (zt = B, zt-1 = B, ..., zt-j = B). En effet,
après avoir observé une chaîne de bonnes nouvelles, l’investisseur s’attend à ce que les
chocs futurs soient positifs car il pense que le modèle 2 génère les chocs. Si le choc de la
période suivante est positif, la rentabilité est faible, par contre s’il est négatif,
l’investisseur est surpris et il revoit à la baisse le prix de l’action ; la rentabilité est donc
fortement négative. En appliquant le même raisonnement à une chaîne de chocs négatifs,
Barberis, Shleifer et Vishny (1998) montre que l’investisseur s’attend à ce que le choc
suivant soit lui aussi négatif. S’il l’est, la rentabilité est négative mais de faible ampleur.
Dans le cas contraire, l’investisseur est surpris et il révise le prix de l’action à la hausse ce
qui amène évidemment des rentabilités importantes et positives.
Le modèle formel de Barberis, Shleifer et Vishny (1998) est présenté à l’annexe 3.
4.3.2 Le modèle de Daniel, Hirshleifer et Subrahmanyam (1998)
Daniel, Hirshleifer et Subrahmanyam (1998) proposent une théorie de la sur- et
sous-réaction des marchés financiers basée sur deux biais psychologiques : l’excès de
confiance et l’auto-attribution.
L’excès de confiance est la tendance des individus à être excessivement confiant à
propos de leurs propres jugements. Les individus sujets au biais d’excès de confiance
surestiment souvent la probabilité de leur succès et leur degré de connaissance [Alpert et
Raïfa (1982), Fischhoff, Slovic et Lichtenstein (1977)]. L’excès de confiance a été
observé dans plusieurs domaines professionnels. Les psychologues (Oskamp, 1965), les
physiciens (Christensen-Szlazenski et Bushyhead, 1981), les ingénieurs (Kidd, 1970), les
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
57
négociateurs (Neale et Bazerman, 1990), les entrepreneurs (Cooper, Woo et Dunkelberg,
1988), les managers (Russo et Schoemaker, 1992) et les investisseurs (Staël, 1972)
montrent un biais d’ excès de confiance dans leur jugement. Sur les marchés financiers, la
plupart des investisseurs échangeant des actifs essaient de choisir celui qui aura le
meilleur rendement parmi les actifs similaires. Cette tâche est difficile et c’est
précisément concernant ce type de tâches complexes que les individus témoignent du plus
grand degré d’excès de confiance. D’après Einhorn (1980), l’excès de confiance serait
plus important et présent dans tous les domaines où les tâches à accomplir sont diffuses et
où les résultats sont lents à se faire connaître que pour les tâches plus mécaniques où les
résultats sont immédiatement constatés. Ainsi, le degré d’excès de confiance dépendrait
aussi de la situation. Donc, l’excès de confiance est à la fois un effet direct et indirect sur
la façon dont les individus traitent l’information.
L’effet direct, abordé par Daniel, Hirshleifer et Subrahmanyam (1998) est
simplement lié au fait que les individus accordent plus d’importance à l’information qu’ils
collectent eux-mêmes car ils ont tendance à surestimer sa précision. L’effet indirect
relève, selon Daniel, Hirshleifer et Subrahmanyam (1998), du fait que les individus
filtrent les informations et biaisent leur comportement, de sorte que cela leur permet de
maintenir leur confiance.
Le deuxième biais cognitif utilisé par Daniel, Hirshleifer et Subrahmanyam (1998)
pour concevoir leur modèle est le biais d’auto-attribution. L’approche attributionnelle
classique suggère qu’une cause peut être située soit dans l’objet du jugement, soit dans la
personne effectuant le jugement (Kelley, 1967). Les jugements basés sur l’objet sont
considérés comme objectifs, parce que fondés sur les caractéristiques de cet objet, alors
que les attributions basées sur un rapport entre le sujet et l’objet sont typiquement
subjectives, en ce sens qu’elles sont affectées autant par les caractéristiques du sujet
percevant que par les divers aspects de l’objet. La validité perçue d’une évaluation est
douteuse dès lors que le jugement est supposé être affecté par les caractéristiques de celui
qui juge. Dans les premières réflexions de Heider sur l’attribution, une idée hante ce
domaine de recherche. Celle selon laquelle les événements, les conduites, résultent ou
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
58
sont dues à des forces, à des déterminismes, émanant soit des personnes en cause, soit de
l’environnement. Dans le premier cas, on parle de causalité interne ou de facteurs
dispositionnels ; dans le second cas, on parle de causalité externe ou de facteurs
situationnels. Ce problème de l’attribution par un individu, dans la vie quotidienne, de la
cause d’un événement ou d’un comportement à des personnes ou aux situations est au
centre des théories de l’attribution. Le type d’attribution effectuée par un individu aura
des conséquences sur ses comportements futurs.
Une hypothèse facile est qu’un individu tente de maintenir relativement une haute
estime de lui-même en attribuant son succès à des causes internes et son échec à des
causes externes. C’est ce qu’on appelle le biais de complaisance : la recherche des causes
se trouverait souvent biaisée par la complaisance que l’individu aurait à l’égard de luimême et qui l’amène à considérer, par exemple, qu’il est mieux que les autres sur des
dimensions socialement désirables ou que son rapport au travail collectif est plus
important qu’il ne l’est en réalité.
Dans la perception sociale, la perception de la personne occupe une place
privilégiée. Les processus d’attribution jouent un rôle important dans ces activités
perceptives en permettant notamment à l’individu d’expliquer son propre comportement
(auto-attribution) et celui d’autrui (hétéro-attribution). Pour les théoriciens de l’autoperception, il n’y aura de différence « de nature » quand on passe de l’attribution à autrui
(hétéro-attribution) à l’auto-attribution (Bem, 1965) que si l’on dispose de la même
information sur soi et sur autrui ; la perception de soi est identique à la perception
d’autrui. L’investisseur sous biais d’attribution de soi sur-pondère l’information
confirmant leur évaluation première et sous-pondère l’information non cohérente avec
celle-ci.
Donc, dans leur modèle, Daniel, Hirshleifer et Subrahmanyam (1998) considèrent
deux types d’investisseurs : les informés qui sont neutres au risque et les non informés,
riscophobes. Ces deux investisseurs échangent des actifs risqués dotés de revenu
supplémentaire, le dividende unique distribué. Par ailleurs, Daniel, Hirshleifer et
Subrahmanyam (1998) supposent également deux types d’informations traités par les
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
59
investisseurs : l’information privée et l’information publique. Les investisseurs
sophistiqués c’est-à-dire informés, manifestent un excès de confiance lorsqu’ils reçoivent
une information privée dont ils surestiment son exactitude. Notons que cette information
privée est non perçue par les agents non informés. La sur-réaction provient donc d’un
excès de confiance sur la précision du signal reçu. Par la suite, la diffusion du signal
public permet de corriger ou de modifier graduellement la sur-réaction initiale. Les
tendances de prix qui résultent de l’arrivée d’information privée, sont en moyenne
partiellement renversées à long terme, alors que les tendances de prix résultant de
l’arrivée d’information publique sont corrélées positivement avec les changements de prix
qui précèdent cette arrivée d’information publique. Le biais d’auto-attribution permet une
évolution dynamique de l’excès de confiance. Les investisseurs informés, sujets à l’excès
de confiance initialement, sont susceptibles de le devenir en fonction de leurs succès et
échecs successifs sur le marché financier. Le succès traduit la confirmation du signal
privé, ce qui amplifie la confiance de l’investisseur, tandis qu’un échec se traduit par
l’infirmation du signal privé, ce qui rend l’investisseur moins confiant. Ainsi, la
révélation de l’information publique au marché peut en moyenne augmenter la confiance
des investisseurs informés et l’amplitude des sur-réactions. Une autocorrélation positive
est alors observée à court terme et la sur-réaction est corrigée à plus long terme. L’effet
« momentum » et le phénomène de sous-réaction sont donc liés puisqu’engendrés par le
même biais d’auto-attribution selon Daniel, Hirshleifer et Subrahmanyam (1998).
Donc, Daniel, Hirshleifer et Subrahmanyam (1998) justifient le phénomène de
sous-réaction à court terme et de sur-réaction à long terme par les effets d’excès de
confiance et de satisfaction personnelle des investisseurs.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
60
4.3.3 Le modèle de De Long, Shleifer, Summers et Waldmann
(1990)
On estime que les spéculateurs rationnels ont un effet stabilisateur sur le prix des
actifs. Ils les ramènent à leurs niveaux fondamentaux et réduisent en grande partie l’action
négative des agents déstabilisateurs que sont les bruiteurs ou « noise-traders » et les
intervenants mal informés. L’article de De Long, Shleifer, Summers et Waldmann (1990)
remet en cause ce résultat, en étudiant le cas d’un marché où il existe des « positive feedback investors ». Les « positive feed-back investors » sont les intervenants qui achètent
dès que les prix montent et vendent dès que les prix baissent. Le spéculateur rationnel, qui
reçoit une bonne nouvelle, va anticiper la réaction des « positive feed-back investors ». Il
achète plus, en leur présence, qu’il ne l’aurait fait normalement, en leur absence. Le prix
de l’actif est donc attiré au-dessus de sa valeur fondamentale par l’agent rationnel, et le
phénomène est ensuite amplifié par les « positive feed-back investors ». Pour De Long,
Shleifer, Summers et Waldmann (1990), les intervenants rationnels qui intègrent la
présence des « positive feed-back investors » dans leur stratégie sont très nombreux. Pour
ces auteurs, cela tient au fait que les « positive feed-back investors », eux-mêmes, sont
très nombreux. Les agents qui pratiquent l’assurance de portefeuille ou qui passent des
ordres de vente (d’achat) limites à la baisse (à la hausse), sont, malgré eux, et par
définition, des « positive feed-back investors ».
Le modèle de De Long, Shleifer, Summers et Waldmann (1990) est un modèle à
générations imbriquées mettant en avant les phénomènes de modes ou de manies dans les
croyances des investisseurs. Il va dans le même sens que celui de Daniel, Hirshleifer et
Subrahmanyam (1999) mais il ne fait pas référence aux biais psychologiques des
investisseurs. De Long, Shleifer, Summers et Waldmann (1990) considèrent deux groupes
d’investisseurs : les investisseurs « sophistiqués » qui ont des anticipations rationnelles et
les investisseurs naïfs ou « noise traders » ou « positive feed-back investors » qui sont
irrationnels. Ces derniers agissent sur la foi de sentiments ou de croyances qui ne sont
pas justifiés par l’information disponible. Ils sélectionnent leur portefeuille sur la base de
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
61
croyances incorrectes. Les investisseurs sophistiqués vont chercher à exploiter les
mauvaises perceptions des « noise traders ». Plus précisément, les investisseurs
sophistiqués vont acheter quand les « noise traders » font baisser les prix et vont vendre
dans le cas opposé.
Les hypothèses essentielles du modèle7 sont :
-
l’absence d’incertitude sur la valeur fondamentale, celle-ci est fixée à l’unité,
-
les « noise traders » ou « positive feed-back investors » se fondent sur des
croyances erronées pour effectuer leurs anticipations,
-
les croyances des « noise traders » sont totalement imprévisibles.
Le résultat fondamental est que les « noise traders » vont réaliser des profits
supérieurs à ceux des investisseurs sophistiqués, mettant en avant l’irrationalité des
marchés financiers. De plus, l’imprévisibilité des opinions des noise traders crée un
risque, ce qui limite les possibilités d’arbitrage des investisseurs rationnels. Enfin, De
Long, Shleifer, Summers et Waldmann (1990) montrent que la présence de « noise
traders » peut expliquer la volatilité excessive des prix par rapport aux fondamentaux des
titres. Ce résultat de De Long, Shleifer, Summers et Waldmann (1990) confirme les
conclusions du modèle de Shiller (1984) sur les volatilités excessives. En effet, Shiller
(1984) montre que la volatilité excessive des prix relativement aux dividendes implique
que le prix observé sur le marché n’est pas déterminé par les dividendes mais par des
phénomènes de manie affectant la demande des investisseurs ordinaires. En d’autres
termes, Shiller (1984) démontre à partir des tests de volatilité8 que la réaction excessive
des prix aux dividendes reflète des phénomènes de modes.
L’un des résultats fondamentaux du modèle de De Long, Shleifer, Summers et
Waldmann (1990) est que la présence d’agents rationnels, pleinement informés, ne suffit
pas à éliminer les investisseurs non rationnels. Il s’ensuit que les cours des titres peuvent
7
Voir l’annexe 2 pour une formulation mathématique succincte du modèle de De Long, Shleifer, Summers et
Waldmann (1990).
8
Voir les tests de Shiller (1981) , West (1988). Pour une synthèse de ces tests, voir Mignon (1998).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
s’écarter des valeurs fondamentales.
62
Ils varient sous l’effet des changements que
connaissent les croyances des investisseurs mal informés. Ainsi, les investisseurs
engendrent une sur-réaction initiale aux informations émanant des caractéristiques du
titre, puis une continuité de la sur-réaction sur un laps de temps, d’où une sous-réaction
sur le court terme et une sur-réaction finale caractérisée par l’effet de revirement des
rentabilités. Leur modèle montre aussi que les investisseurs rationnels c’est-à-dire les
investisseurs sophistiqués ont un rôle déstabilisateur du cours du titre de leur valeur
fondamentale quand ils anticipent le comportement des investisseurs naïfs.
4.3.4 Le modèle de Hong et Stein (1999)
L’objectif de Hong et Stein (1999) est semblable à celui de Barberis, Shleifer et
Vishny (1998) et Daniel, Hirshleifer et Subrahmanyam (1998), à savoir, la réconciliation
des phénomènes de sous- et sur-réaction des prix (et des investisseurs). Ils adoptent,
cependant, une approche différente. Plutôt que de considérer des investisseurs sujets à des
biais cognitifs, ils considèrent des investisseurs hétérogènes qui s’interagissent. Ils
supposent deux types d’investisseurs : les « newswatchers » (désormais noté N) et les
« momentum traders » (désormais noté MT), rationnellement limités. Les « N » basent
leurs signaux sur les fondamentaux des titres (observés). Les prévisions sont limitées
puisqu’ils ne font aucune condition aux prix courants et historiques des titres. Quant aux
« MT », ils basent leurs prévisions sur les changements récents des prix des titres. Ils sont
limités par le fait qu’ils font des prévisions, seulement, en fonction des cours historiques
récents. En plus de ces contraintes sur les capacités de prévision des deux groupes
d’investisseurs, Hong et Stein (1999) supposent que les informations sont graduellement
incorporées dans les cours des titres. Pour ces auteurs, les activités de négociation des
« N » produisent un ajustement lent des prix à l’information récente qui causent un
phénomène de sous-réaction. Cette sous-réaction n’est en aucun cas une sur-réaction. Ce
résultat provient pour les auteurs du fait que les « N » ne font aucune hypothèse sur les
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
63
cours historiques, ils ne peuvent donc extraire aucune information à partir des prix des
titres.
Quant aux « MT », ils sont considérés comme des investisseurs neutres au risque donc
quasi-rationnels. Cette intuition est incomplète, selon les auteurs, si les « MT » effectuent
des stratégies d’investissement classiques basées sur les changements de prix. Supposons
qu’un « MT » base sa stratégie d’investissement sur le changement de prix observé
précédemment. Ces investisseurs essaient à cet instant précis de profiter du phénomène de
la sous-réaction orchestré par les « N ». Cette exploitation de la sous-réaction par les
« MT » implique une sur-réaction dans les instants qui suivent. L’utilisation de cette
stratégie, fonction du changement des prix historiques récents, contraint les « MT » à ne
faire aucune hypothèse sur l’information publique.
Bien que Hong et Stein (1999) ont considéré deux types d’investisseurs, leur théorie
réconcilie les phénomènes de la sous- et sur-réaction des prix (et des investisseurs). Ils ont
modélisé un premier groupe d’investisseurs (« N ») qui ont tendance à sous-réagir à
l’information privée récente. L’entrée d’un deuxième groupe d’investisseurs plus
informés (« MT ») engendre une sur-réaction des prix par l’exploitation d’une sousréaction précédente du marché par des arbitrages classiques fonctions des cours
historiques récents observés. Ce groupe d’investisseurs élimine partiellement la sousréaction du marché et crée une sur-réaction inévitable qui est en fait selon les auteurs un
effet « momentum » excessif. Donc, l’interaction entre ces deux groupes d’investisseurs
hétérogènes est la base de la théorie de Hong et Stein (1999) réconciliant les phénomènes
de sous-réaction et sur-réaction observés sur les marchés financiers. De même,
l’hypothèse clé des auteurs est la diffusion graduelle de l’information sur les marchés.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
64
4.3.5 Une étude comparative des modèles de Barberis, Shleifer et
Vishny (1998), Daniel, Hirshleifer et Subrahmanyam (1998),
Hong et Stein (1999) et De Long, Shleifer, Summers et
Waldmann (1990)
Des modèles comportementaux récents [De Long, Shleifer, Summers et Waldmann
(1990), Daniel, Hirshleifer et Subrahmanyam (1998), Barberis, Shleifer et Vishny (1998)
et Hong et Stein (1999)] réconcilient les phénomènes de sur-réaction et de sous-réaction.
Chaque modèle s’adapte à la corrélation sérielle positive à court terme et négative à long
terme des cours en supposant des hypothèses différentes sur la nature des biais
comportementaux et/ou de l’hétérogénéité des investisseurs.
Barberis, Shleifer et Vishny (1998) justifient la sous-réaction initiale et la surréaction ultérieure par les biais d’ancrage et de l’heuristique de représentativité de
l’investisseur. Pour ces auteurs, les investisseurs sujets à l’heuristique de représentativité
accordent plus d’importance aux informations récentes qu’aux informations structurelles.
L’heuristique de représentativité expliquerait la sur-réaction des cours boursiers aux
nouvelles. De même, d’après Barberis, Shleifer et Vishny (1998), le mécanisme d’ancrage
expliquerait la sous-réaction des cours boursiers aux nouvelles récentes du fait que les
investisseurs ne révisent pas suffisamment leur jugement. L’effet d’ancrage se manifeste
dans les estimations numériques lorsque l’individu a déjà effectué une première
estimation et n’arrive pas à l’ajuster aux nouvelles données (Tversky et Kahneman, 1974).
Donc, le phénomène d’ancrage peut aboutir à une surestimation de la probabilité
d’apparition disjointe d’événements et à une sous-estimation de la probabilité d’apparition
conjointe d’événements.
Le modèle de Daniel, Hirshleifer et Subrahmanyam (1998) diffère du modèle de
Barberis, Shleifer et Vishny (1998) sur la base des fondements psychologiques. Dans ce
modèle, le marché inclut les investisseurs informés et non informés. Les investisseurs non
informés ne sont pas sujets à des biais psychologiques. Cependant, les cours des titres
sont déterminés par les investisseurs informés qui sont sujets à des biais psychologiques,
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
65
précisément les biais d’excès de confiance et d’auto-attribution. Cet excès de confiance
conduit les investisseurs à sur-estimer la précision de leur signal privé. La sur-réaction
varie temporellement avec le biais d’attribution personnelle des investisseurs. D’où une
sur-réaction initiale qui n’est autre qu’une sous-réaction sur le court terme, puis une surréaction à long terme des investisseurs.
Le modèle de De Long, Shleifer, Summers et Waldmann (1990) va dans le même
sens que celui de Daniel, Hirshleifer et Subrahmanyam (1998) mais il ne fait pas
référence aux biais psychologique des investisseurs. De Long, Shleifer, Summers et
Waldmann (1990) considèrent deux groupes d’investisseurs : les investisseurs
« sophistiqués » qui ont des anticipations rationnelles et les investisseurs naïfs ou « noise
traders » qui sont irrationnels. Ces derniers agissent sur la foi de sentiments ou de
croyances qui ne sont pas justifiés par l’information disponible. Ils sélectionnent leur
portefeuille sur la base de croyances incorrectes. Ainsi, ils engendrent une sur-réaction
initiale aux informations émanant des caractéristiques du titre puis une continuité de la
sur-réaction sur un laps de temps d’où une sous-réaction sur le court terme et une surréaction finale caractérisée par le phénomène de retour à la moyenne des rentabilités. Leur
modèle montre aussi que les investisseurs rationnels et sophistiqués ont un rôle
déstabilisateur du cours du titre de leur valeur fondamentale quand ils anticipent le
comportement des investisseurs naïfs.
Finalement, Hong et Stein (1999) soulignent l’hétérogénéité des investisseurs qui
observent l’information privée sous des angles différents à des périodes distinctes. Ils
supposent deux hypothèses principales. Premièrement, l’information publique spécifique
est distribuée graduellement. Deuxièmement, les investisseurs n’anticipent pas
rationnellement l’information disponible. En effet, ils considèrent deux types
d’investisseurs selon leur rationalité limitée : les « newswatchers » et les « momentum
traders ». Les « newswatchers » sont des investisseurs informés. Les « momentum
traders », les moins informés, ont un caractère de suiveur des « newswatchers ». Ils créent
donc une sur-réaction initiale puis une sur-réaction finale à long terme. Ainsi, pour Hong
et Stein (1999), les phénomènes de sur-réaction s’expliqueraient par l’incorporation
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
66
graduelle de l’information dans les cours boursiers dus aux hétérogénéités des
investisseurs rationnellement limités. De même, leur modèle implique que l’effet de
continuité des rentabilités sur le court terme ou l’effet « momentum » est plus évident
pour les titres à couverture faible. Hong, Lim et Stein (2000) analysent la couverture de
l’information par le nombre des analystes financiers suivant un titre donné et la taille du
titre comme des « proxies » de l’information diffusée. Leurs résultats sont conformes à
leurs hypothèses à savoir que les titres à faible couverture ou à taille faible ont une vitesse
d’incorporation de l’information plus importante que celle des titres à couverture
importante et à taille élevée. Cette évidence empirique corrobore l’attitude mentale des
investisseurs sur les pertes qui sont plus ressenties que les gains en valeur absolue égale
par les investisseurs (Kahneman et Tversky, 1979).
4.4 Les critiques de Fama (1998)
Les premiers tests d’efficience des marchés financiers ont observé les rentabilités à
court terme, sur une période allant d’un jour à un mois. Les chercheurs empiriques ont
plus récemment estimé les rentabilités à plus long terme (3 à 5 ans) à la suite de l’annonce
de certains événements des sociétés. Les études d’événements sur le court terme sont plus
acceptées, mais quant aux études d’événements sur le long terme, leurs résultats ne font
pas de consensus à cause des difficultés méthodologiques. Fama (1998) examine les
différentes études sur le long terme, précisément, les études de retour à la moyenne. De ce
fait, Fama (1998) considère les deux modèles comportementaux récemment proposés par
Barberis, Shleifer et Vishny (1998) et Daniel, Hirshleifer et Subrahmanyam (1998). Il
s’intéresse aux résultats des deux modèles comportementaux, la manière dont ils
expliquent les phénomènes de sur-réaction à long terme et de sous-réaction à court terme
sous les hypothèses de biais de jugement des investisseurs. Fama (1998) montre que le
modèle de Barberis, Shleifer et Vishny (1998) décrit mieux les événements qu’il est censé
mettre en évidence, mais sa prévision d'inversion des rentabilités sur le long terme ne
capture pas la totalité des résultats à long terme observés dans la littérature financière.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
67
Ainsi, pour Fama (1998), dans l'ensemble, les explications du retour à la moyenne des
rentabilités sur le long terme semblent plus conformes à un phénomène hasardeux. Par
exemple, le modèle de Barberis, Shleifer et Vishny (1998) ne capture pas les événements
à long terme sur les introductions en bourse et les augmentations de capital [Loughran et
Ritter (1995) ; Mitchell et Stafford (2000)], les fusions du point de vue de la société
acquéreuse [Asquith (1983) et Agrawal et al. (1992)], les dividendes versés et les
suppressions de dividendes (Michaely et al., 1995) et les rachats d’actions (Ikenberry et
al., 1996).
Daniel, Hirshleifer et Subrahmanyam (1998) font une prévision spéciale au sujet de ce
qu'ils appellent des événements sélectifs. Ce sont des événements qui se produisent pour
tirer profit des sous-évaluations ou sur-évaluations des titres d’une société (par exemple,
les annonces des dirigeants concernant un rachat d’actions ou une émission d’actions
nouvelles ou les annonces de revenus des sociétés). Ce signal public produit une réaction
immédiate des prix qui absorbe une partie de la sous-évaluation (ou sur-évaluation). Mais
dans le modèle de Daniel, Hirshleifer et Subrahmanyam (1998), la réponse des prix à la
période d'annonce est incomplète parce que les investisseurs informés sur-pondèrent leur
croyance antérieure sur la valeur du titre. Le biais de conservatisme du modèle de
Barberis, Shleifer et Vishny (1998) produirait un résultat semblable. Eventuellement,
cette évaluation erronée est entièrement incorporée comme une information publique
complémentaire qui confirme l'information implicite suite à l'annonce de l’événement. La
prévision générale des événements sélectifs est ainsi à l’origine du phénomène
« momentum ». Par la suite, Fama (1998) se demande si les prévisions de Daniel,
Hirshleifer et Subrahmanyam (1998) valent pour toutes les décisions financières?
Le tableau 1.3 présente les signes des rentabilités anormales selon l’annonce des
principaux événements à long terme effectués à partir des tests événementiels.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
68
Tableau 1.3 – Signes des rentabilités anormales pour diverses études d’événements à long terme suivant
l’annonce de l’événement [Source : Fama (1998)]
Evénements
Rentabilités
Rentabilités
Rentabilités
anormales ex-
anormales à
anormales ex-post à
ante à long terme
l’annonce
long terme
Introduction en Bourse (IPO) [Loughran et Ritter (1995)]
Non connu
+
-
Augmentations de capital (SEO) [Loughran et Ritter (1995)]
+
-
-
Fusions (sociétés acquéreuses) [Asquith (1983), Agrawal, Jaffe et
+
0
-
Distributions de dividendes [Michaely, Thaler et Womack (1995)]
+
+
+
Suppressions de dividendes [Michaely, Thaler et Womack (1995)]
-
-
-
Annonces de bénéfices [Ball et Brown (1968), Bernard et Thomas (1990)]
Non connu
+
+
Nouvelle admission en Bourse [Dharan et Ikenberry (1995)]
+
+
-
Rachats d’actions [Ikenberry, Lakonishok et Vermaelen (1995), Mitchell et
0
+
+
« Proxy fights » [Ikenberry et Lakonishok (1993)]
-
+
- (ou 0)
Divisions d’actions [Dharan et Ikenberry (1995), Ikenberry, Rankine et
+
+
+
+
+
+ (ou 0)
Mandelker (1992)]
9
Stafford (1997) ]
Stice (1996)]
Filialisations [Miles et Rosenfeld (1983), Cusatis, Miles et Woolridge
(1993)]
Excepté les annonces de bénéfices, tous ces événements semblent sélectifs. Comme
prévu par Daniel, Hirshleifer et Subrahmanyam (1998), les performances selon les
événements comme les émissions nouvelles d’actions, les distributions et les omissions de
dividende, les rachats d’actions, les distributions d’actions gratuites et les filialisations
devraient avoir le même signe. Cependant, les rentabilités anormales suivant l'annonce
des émissions nouvelles d’actions et des « proxy fights » ont des signes opposés, et les
rentabilités anormales négatives ex-post suite à une fusion-acquisition ne sont pas
précédées de rentabilités anormales négatives à l’annonce d’une fusion-acquisition. Le
plus embarrassant pour la prévision de Daniel, Hirshleifer et Subrahmanyam (1998) est
que les rentabilités anormales ex-post d’une introduction sont précédées par des
rentabilités anormales positives pendant quelques mois suivant cet événement (Ritter,
1991).
9
Voir Mitchell et Stafford (2000)
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
69
Pour Fama (1998), les irrégularités constatées c’est-à-dire les rentabilités aberrantes
sont le plus souvent de faible ampleur et les résultats statistiques ne vont tous dans le
même sens. Il conclut que les résultats exhibant une sur-réaction à certaines informations
sont en nombre comparable à ceux qui mettent en évidence une sous-réaction. Les
modèles comportementaux évoqués modélisent intelligemment soit la sur-réaction, soit la
sous-réaction mais pas les deux en même temps, alors qu’il y a autant de sur-réactions que
de sous-réactions observées. De plus, Fama (1998) souligne qu’en regardant de plus près
les études précitées, leurs résultats sont sensibles à la méthodologie utilisée. Les
méthodologies utilisées dans ces études diffèrent selon la perspective temporelle choisie
(temps événementiel ou temps calendaire), la mesure de performance anormale retenue
(rentabilités anormales moyennes cumulées ou rentabilités anormales moyennes « buyand-hold »), le type de référence retenu (firmes de contrôle, portefeuilles de contrôle,
modèle d’évaluation à facteurs), et enfin, le mode de pondération (rentabilités
équipondérées ou pondérées selon la valeur marchande). Le modèle de marché n’aurait
donc pas de modèle alternatif pour toutes les saisons. Le modèle de marché offre une
réponse simple à ces contradictions dans la mesure où s’il y a autant de sur que de sousréactions observées, ce ne serait que le fruit du hasard.
Le graphique 1.3 et les tableaux 1.4 et 1.5 présentent les définitions schématiques des
hypothèses d’efficience des marchés, de la sous-réaction et de la sur-réaction, et les
principales études sur la psychologie des marchés.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : une revue de la littérature
70
Graphique 1.3 - Définitions schématiques des hypothèses d’efficience des marchés, de la sous et sur-réaction
Graphique 1a. Hypothèses d’efficience des marchés financiers
Cours
Information diffusée
Graphique 1b. Hypothèse de la sous-réaction simple (Le cours du titre s’ajuste
graduellement aux signaux récents)
Cours
Foster, Olsen et Shevlin (1984)
Bernard et Thomas (1989, 1990)
Jegadeesh et Titman (1993, 2001)
Chan, Lakonishok et Jegadeesh (1996)
Graphique 1c. Hypothèse de la sur-réaction (Le cours du titre réagit excessivement aux
signaux récents)
Cours
Daniel, Hirshleifer et
Subrahmanyam (1999)
DeLong, Shleifer, Summers
et Waldmann (1991)
Hong et Stein (1999)
Barberis, Shleifer et Vishny (1998)
Source: Lee Charles M.C.and Swaminathan B. (2000), “Do stock prices overreact to
earnings?”, working paper, Cornell University, http://parkercenter.johnson.cornell.edu.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : un état des lieux
71
Tableau 1.4 - Principaux résultats sur la psychologie des marchés et la rationalité des investisseurs
ETUDES,
ECHANTILLON
AUTEURS
(Marchés financiers, Période d’étude,
De Bondt et
NYSE (1926 – 1982)
METHODOLOGIE
FACTEURS
PRINCIPAUX RESULTATS
Nombre de sociétés…)
Les portefeuilles sont formés sur la base des taux de
- gagnant – perdant à long terme
Au cours des périodes de trois ans subséquentes aux périodes de formation, dite
Thaler
rentabilité en excès cumulés de 3 à 5 ans. Le premier
périodes de tests, les perdants sur-performent l’indice en moyenne de 19,6%, tandis que
(1985)
portefeuille est constitué des 35 actions les plus
les gagnants sous-performent l’indice de 5% en moyenne : la surréaction des cours
performantes (gagnants) et le second est constitué des
boursiers à long terme.
35 actions les moins performantes (perdants) au cours
de la période de formation.
Mai (1992)
RM (1977 – 1990)
Approche similaire à celle de De Bondt et Thaler
- gagnant – perdant à long terme
La stratégie de sur-réaction, basée sur les portefeuilles de titres ayant eu des rentabilités
Marché français
(1985).
- effet janvier
cumulées extrêmes est plus probante, en France, que la stratégie contradictoire prenant
- taille
en compte tous les titres et utilisant l’autocorrélation statistique classique. La durée
- risque
optimale de sur-réaction est de 4 ans, proche du minimun de 38 mois. La surréaction
apparaît comme étant essentiellement une conséquence de la différence de taille et de
risque. L’effet janvier, quant à lui, est un facteur important de la surréaction.
Bernard
et
NYSE et AMEX (1974 – 1986), 2649
Les portefeuilles sont formés sur la base des SUE
- effet annonce des bénéfices
Thomas
entreprises
dérivés des annonces trimestrielles des bénéfices.
- taille
(1989)
bénéfices
Lakonishok,
AMEX et NYSE (Avril 1963 à Avril
Les portefeuilles sont formés chaque cinq ans suivant
- taille
Les différences de rentabilité observée entre les valeurs d’actifs et les valeurs de
Shleifer
1990).
l’un des critères retenus (capitalisation boursière, ratio
- book-to-market
croissance, sont le résultat d’erreur d’extrapolation du taux de croissance du chiffre
Marché américain
book-to-market, cours sur flux de trésorerie, taux de
- cours sur flux de trésorerie
d’affaires et en particulier des bénéfices des entreprises : comportement irrationnel des
croissance et de bénéfice…).
- taux de croissance du chiffre
investisseurs.
- Régression transversale
d’affaire
- Rentabilité anormale
-
et
84792
annonces
de
Les annonces des bénéfices permettent de générer des rentabilités anormales. Cette
étude jette à nouveau un doute sur l’efficience au sens semi-fort dans la mesure où il
- Rentabilité anormale.
ressort que les prix ne reflètent pas pleinement l’information publique disponible.
- Etude événementielle
et
Vishny
(1994)
taux
de
croissance
des
bénéfices passés à long terme.
La
Porta
NYSE et AMEX (1982 – 1991)
(1996)
- Les portefeuilles sont constitués suivant l’un des
- book-to-market
critères retenus (capitalisation boursière, ratio book-to-
- taille
market, taux de croissance des bénéfices prévisionnels
-
émanant des analystes financiers (consensus IBES)).
bénéfices
taux
Les différences de rentabilité observée entre les valeurs d’actifs et les valeurs de
croissance, sont le résultat d’erreur de prévision du taux de croissance à long terme des
de
croissance
des
prévisionnels
des
bénéfices des entreprises de la part des analystes financiers.
analystes financiers
Dechow et
- Les portefeuilles sont constitués suivant l’un des
- book-to-market
Sloan
NYSE et AMEX (1967 - 1991)
critères retenus (capitalisation boursière, ratio book-to-
- taille
(1996)
market, taux de croissance des bénéfices historiques
-
sur six mois).
bénéfices passés sur six mois
L’impact de l’annonce de bénéfices sur le marché financier français.
taux
Les valeurs de croissance ont des taux de croissance des bénéfices passés plus élevés
que les valeurs d’actifs mais, la performance future des valeurs d’actifs est plus rapide
de
croissance
des
que celle des valeurs de croissance.
Chapitre 1 - La finance comportementale : un état des lieux
72
ETUDES,
ECHANTILLON
AUTEURS
(Marchés financiers, Période d’étude,
METHODOLOGIE
FACTEURS
La
NYSE, AMEX et NASDAQ (1971 –
- Les portefeuilles sont constitués suivant l’un des
1992)
critères retenus (ratio book-to-market, capitalisation -
PRINCIPAUX RESULTATS
Nombre de sociétés…)
Porta,
Lakonishok,
Shleifer
et
- Les différences de rentabilité annuelles observée entre les valeurs d’actifs et les
- book-to-market
taux
croissance
des
valeurs de croissance, sont le résultat d’erreur de prévision du taux de croissance à long
prévisionnels
et
terme des bénéfices des entreprises : une surréaction aux annonces des bénéfices de la
de
boursière, ratio cours sur flux de trésorerie, taux de
bénéfices
Vishny
croissance des bénéfices historiques et taux de
passés
part du marché. Elles expliquent approximativement 25 à 30% sur un horizon de 1 à 3
(1997)
croissance historique du chiffre d’affaires ).
- taille
ans et de 15 à 20% sur un horizon de 4 à 5 ans des différences de rentabilité ex-post
- Etude d’événement.
- risque
observée entre les valeurs d’actifs et les valeurs de croissance.
- rentabilité anormale.
- cours sur flux de trésorerie
- Les portefeuilles sont constitués suivant l’un des
- effet momentum
Jegadeesh
et
NYSE, AMEX (1965 – 1989)
Titman
(JT) (1993)
Sur un horizon de 3 à 12 mois, les gagnants continuent à avoir des rentabilités
critères retenus (rentabilités historiques des titres sur 3,
supérieures à celles des perdants : c’est l’effet momentum.
6, 9, 12 mois… et tenus sur des périodes plus ou moins
Par exemple, la stratégie momentum basée les rentabilités des 6 mois passés génère une
longues) mensuellement.
rentabilité anormale de 1% par mois avec une statistique t de 3.07 donc un rejet de
- Rentabilité anormale
l’hypothèse d’efficience des marchés (R.A moins de 0.11%)par JT. La stratégie
- Régression transversale
momentum consiste à acheter des titres gagnants et à vendre des titres perdants sur une
période de 3 à 12 mois.
Jegadeesh
NYSE, AMEX et NASDAQ (1990 -
Les portefeuilles sont constitués suivant sur le critère
- effet momentum et validation
et
1998)
des rentabilités historiques des titres sur 6 mois (mois
des modèles comportementaux à un problème de données et de la période d’étude (La statistique t obtenue est de
Titman
(JT) (2000)
–5 à 0)… et tenus des périodes plus ou moins longues : de
Hong
et
Stein
(1999),
de 1 à 6 mois et de 13 à 60 mois) mensuellement.
barberis, Shleifer et Vishny
- Rentabilité anormale
(1998) et Daniel, Hirshleifer et
Subrahmanyam (1998).
- Existence de l’effet momentum sur la période post 1990 donc celui n’est pas dû
l’ordre de 4.96 comparée à celle de 3.07 rapportée par JT (1993)).
- Les modèles comportementaux valident l’effet momentum mise en évidence par
JT (1993) mais avec une certaine retenue.
- L’hypothèse de Conrad et Kaul (1998) qui stipule que l’effet momentum est dû aux
variations transversales des rentabilités attendues plutôt qu’aux variations temporelles des
rentabilités.
Chan,
NYSE, AMEX et NASDAQ (1977 -
- Les portefeuilles sont constitués suivant l’un des
Jegadeesh
1993)
critères retenus (ratio book-to-market, capitalisation - momentum des cours
rentabilités entre les gagnants et les perdants que les explications courantes que sont les
et
boursière, ratio cours sur flux de trésorerie et
- ratio book-to-market
écarts de risque systématique, la taille et le ratio valeur comptable sur valeur de marché
Lakonishok
différentes mesures des informations émanant des
- taille
des capitaux propres. Ils relient le succès de la stratégie momentum à la sous-réaction
(1995)
bénéfices
- risque
suite à l’annonce des bénéfices.
dont
le
SUE
« standard
earnings » ou surprise de bénéfice).
- Etude d’événement, rentabilité anormale.
L’impact de l’annonce de bénéfices sur le marché financier français.
unexpected
- momentum des bénéfices
- Le phénomène momentum est complexe et explique mieux les différences de
Chapitre 1 - La finance comportementale : un état des lieux
73
Tableau 1.5 - Principales études réconciliant les phénomènes de la sous-réaction à court terme et de la sur-réaction à long terme.
Etudes, Auteurs
Barberis,
Shleifer
Principaux énoncés.
et
Vishny (BSV) (1998)
BSV réconcilient la sous-réaction à court terme et la sur-réaction à long terme des cours boursiers dans un modèle comportemental où l’investisseur est sous les biais du conservatisme et de la
représentativité heuristique. Le mécanisme du conservatisme révèle que les agents sont réticents à changer leur croyance, ce qui les conduit à sous-réagir à l’information récente. Un investisseur sous
biais de la représentativité heuristique a tendance à trouver des lois dans les séries aléatoires, ce qui conduit à une sur-réaction aux informations récentes.
Daniel,
Hirshleifer
Subrahmanyam (1998)
et
DHS réconcilie les phénomènes de la sous-réaction et de la sur-réaction dans un modèle en se basant sur les biais cognitifs que sont le biais de la « Overconfidence » et de l’auto-attribution. Le biais de
la « Overconfidence » induit les investisseurs en erreur sur la prévision des volatilités des titres qui les conduit à une sur-réaction des cours boursiers et le biais de l’auto-attribution conduit à une sousréaction des cours boursiers.
Hong et Stein (1999)
HS réconcilient la sous-réaction à court terme et la sur-réaction à long terme dans un modèle en ne faisant pas directement appel aux biais comportementaux mais en mettant l’accent sur l’hétérogénéité
d’interprétation de l’information privée par deux types d’investisseurs due à sa diffusion graduelle dans l’incorporation des cours boursiers. Leur modèle considère deux types d’agents c’est à dire les
agents informés ou « newswatchers » basant leur prévision sur les signaux des valeurs fondamentales futures ce qui les conduit à une sur-réaction aux informations privées et les autres agents c’est à
dire les « momentums traders » qui basent leur transaction sur les historiques des cours passés, ce qui les conduits à une sur-réaction des cours boursiers en exploitant la sous-réaction des cours
boursiers par les « newswatchers ».
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 1 - La finance comportementale : un état des lieux
74
5 CONCLUSION
L’apport de la finance comportementale à une meilleure connaissance du
fonctionnement réel des marchés financiers est indéniable. Toutefois, lorsqu’il s’agit
d’élaborer une construction théorique, les tenants de la finance comportementale
considèrent qu’à tout moment une fraction significative des investisseurs en Bourse sont
des individus suffisamment rationnels pour qu’à tout le moins la forme faible de
l’hypothèse d’efficience des marchés rende adéquatement compte de leur comportement.
Pour élaborer leurs modèles, ils considèrent que la théorie standard d’évaluation demeure
pour le système de prix un attracteur significatif, même si les actions de ces investisseurs
ne suffisent pas à amener le marché à un état de pleine efficience. On observe un
phénomène similaire en ce qui concerne les études économétriques, qui apparaissent
comme un mixage de modèles purement comportementaux et du modèle fondé sur la
forme semi-forte de l’hypothèse d’efficience des marchés. Dans la littérature la plus
récente, plusieurs contributions d’un grand intérêt se sont efforcées de théoriser cette
approche mixte de l’évaluation des actions. Elles consistent pour l’essentiel à justifier
l’attribution aux variables de comportement (excès de confiance; tendance à extrapoler,
…) de substituts mesurables, en l’occurrence un certain nombre de variables économiques
ou financières qui peuvent leur être associées.
Parmi les études qui ont bouleversé la théorie de l’efficience des marchés
financiers et contribué à l’avènement de la finance comportementale, figure en bonne
place celles de Bernard et Thomas (1989, 1990) sur les réactions aux annonces de
bénéfices. Le chapitre suivant passe en revue la littérature sur l’impact des annonces de
résultats sur les marchés boursiers.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 - La réaction du marché aux annonces de bénéfices : une revue de la littérature
75
CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES
DE BENEFICES: UNE REVUE DE LA LITTERATURE
.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
76
1 INTRODUCTION
L'efficience informationnelle des marchés financiers s'analyse selon trois
niveaux définis par Fama (1970, 1991) : l'efficience au sens faible, l'efficience au sens
semi-fort et l'efficience au sens fort. Le contenu informatif auquel ces trois formes se
réfèrent permet de différencier ces trois types d'efficience. Dans la forme faible de
l’efficience, l’ensemble de l’information disponible comprend uniquement l’historique
de la série des prix et des rentabilités. La forme semi-forte de l’efficience renvoie à un
ensemble d’information comprenant toute l’information publique (annonces de
bénéfices,…). La dernière forme de l’efficience, la forme forte, est la plus restrictive
puisque l’ensemble d’information comprend , en plus de l’information publique, toute
l’information privée.
L'annonce d’un événement signale aux investisseurs l’information dont
disposent les dirigeants. Les investisseurs interprètent ces signaux et réagissent en
conséquence. Les études événementielles présentées dans la littérature financière et
comptable analysent ces réactions. Les études d’événements sont des outils pour tester
la forme semi-forte de l’efficience des marchés financiers. En effet, l'efficience au sens
semi-fort postule que l'ensemble des informations disponibles concernant un actif
financier est intégré dans le prix de ce titre à l'instant même où ces informations sont
rendues publiques. Il n'existe donc aucun décalage temporel entre le moment où
l'information est dévoilée et le moment où celle-ci est intégrée dans les cours
boursiers. La vérification de la forme semi-forte réside dans la mesure de la vitesse
d'ajustement des cours boursiers à une nouvelle information. Les études d’événements
mesurent également la vitesse de réaction des événements. C’est ainsi que plusieurs
auteurs se sont intéressés aux contenus informationnels des annonces de bénéfices des
entreprises. La majorité des études ont signalé un contenu informationnel de la
publication des résultats des sociétés. Néanmoins, les facteurs explicatifs du contenu
informationnel ne font pas l’objet d’un consensus.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
77
L’objectif de ce chapitre est de présenter les recherches sur l’impact de la
divulgation des résultats des firmes sur les cours boursiers, sur les investisseurs et sur
les analystes financiers.
La section 2 présente les fondements de la recherche financière sur la
publication des résultats, les études pionnières de Beaver (1968) et Ball et Brown
(1968), et les études de Bernard et Thomas (1989, 1990). La section 3 passe en revue
les différentes explications données aux réactions du marché aux annonces de
bénéfices.
2 LA RENTABILITE DES TITRES LORS DE L’ANNONCE DES
BENEFICES
2.1 Les développements qui ont facilité la recherche des réactions aux
annonces de bénéfices
Jusqu'au milieu des années soixante, la théorie des marchés financiers était
généralement normative. Les théoriciens de la finance et des sciences économiques ont
avancé leur politique de recommandations financières sur la base d'un ensemble
présumé d'objectifs financiers. Hendriksen (1965, p. 2) définit "la théorie la plus
appropriée" en tant qu'une théorie qui "soutient le développement des procédures et
des techniques qui accomplissent mieux les objectifs de la finance". Ainsi, le
développement de la théorie financière a dépendu des objectifs assumés par un
chercheur. L'évaluation de la théorie a été fondée sur la logique et le raisonnement
déductif. Il y avait peu d'études empiriques.
Puisque les théories étaient logiquement conformes, la base pour sélectionner une
politique parmi d’autres était réduite au choix d’objectifs alternatifs. Cependant,
puisque les chercheurs étaient en désaccord sur les objectifs de la finance, il n'y avait
aucun consensus sur l'ensemble optimal des pratiques comptables et financières. Ceci a
mené un scepticisme au sujet de l'utilité du résultat comptable à donner une
information utile ou une évaluation précise de la santé financière d’une entreprise.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
78
Tandis que les théoriciens et les praticiens de la finance et de la comptabilité
étaient désorientés quant à l’utilité du résultat à refléter la santé financière d'une
entreprise, aucune étude scientifique sur la question n'a existé. Fournir une évidence
empirique pour s'assurer du contenu informatif ou non des résultats des entreprises a
été la motivation principale de Ball et Brown (1968) et Beaver (1968). Il y a deux
développements concourants principaux dans la finance qui ont forgé la recherche sur
l’impact de l’annonce de bénéfices sur les cours boursiers10.
-
l'émergence de l’hypothèse d’efficience des marchés et le modèle d'équilibre
des marchés financiers (MEDAF) et
-
les études événementielles, en particulier celle de Fama, Fisher, Jensen et Roll
(1969).
2.1.1 L’émergence de l’hypothèse de l’efficience des marchés
financiers et le modèle d'équilibre des marchés financiers
(MEDAF)
Historiquement, les travaux de Bachelier (1900) ont permis d’observer que les
rentabilités boursières mesurées sur de longues périodes étaient statistiquement
indépendantes dans le temps. Samuelson (1965) a ensuite poursuivi en associant ces
variations de prix à un flux d’informations parvenant au marché de manière aléatoire
et conclut que cette indépendance des rentabilités boursières était en accord avec la
notion d’efficience informationnelle des marchés.
De son côté, Muth (1961) formule explicitement l’hypothèse de rationalité des
anticipations des agents économiques. Les études qui ont suivi cette voie ont
littéralement révolutionné la vision portée par les économistes et les gestionnaires sur
le comportement des individus. Ainsi, une prévision dite adaptative est obtenue
comme combinaison convexe de la prévision précédente et de la dernière observation
10
Cette section omet la théorie positive de la comptabilité qui a aussi favorisé l’étude des réactions du marché
aux annonces de bénéfices. Ce thème va au delà du cadre de notre travail même si la plupart des recherches en
finance depuis Ball et Brown (1968) et Beaver (1968) sont positives, et que la théorie financière n'est plus
normative. De plus, certains auteurs tels que Sterling (1990), Chambers (1993) et Jeanjean (1999) soulignent
qu’il n’est pas toujours aisé de faire la distinction entre positif et normatif.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
79
de la variable concernée. Par contre, une anticipation est dite rationnelle si elle
incorpore de manière optimale l’ensemble des informations disponibles. Dans ce
contexte, l’optimum de prévision correspond à la minimisation de l’erreur quadratique
de prévision. Ce faisant, les anticipations rationnelles coïncident avec les espérances
conditionnelles, qui d’une part, contrairement aux anticipations auto-régressives, ne
jouissent plus d’une forme explicite, et d’autre part, dépendent du modèle, supposé
connu, qui guide la dynamique du système étudié.
Les premières conséquences de l’hypothèse d’anticipations rationnelles ont
trouvé leur champ d’application en macroéconomie avec les travaux de l’Ecole de
Chicago relatifs à la l’inefficacité des politiques et le développement de la résolution
mathématique générale des équations à espérances conditionnelles.
Fama est à l’origine de la première définition générale du concept d’efficience
informationnelle et des contributions principales apportées à l'amélioration
conceptuelle et aux tests empiriques de l'hypothèse efficience des marchés financiers.
Fama (1965, p.4) note :
"Sur un marché efficient, la concurrence que se livre un grand nombre d’opérateurs
intelligents crée une situation dans laquelle, à chaque moment, les prix des différentes
valeurs reflètent les effets de l’information basée, d’une part, sur les événements qui se
sont déjà produits et, d’autre part sur des événements que le marché s’attend à voir se
produire dans le futur. En d’autres termes, le prix pratiqué sur un marché efficient est,
à tout moment, une bonne estimation de sa valeur intrinsèque."
Ceci étant, un marché est efficient si les prix intègrent à tout moment toute
l’information disponible. Cette définition renvoie nettement au concept d’anticipations
rationnelles. En effet, la terminologie des « prix qui intègrent toute l’information »
correspond de façon plus précise au fait que l’anticipation des prix, qui elle-même
préside à la formation de l’équilibre, est réalisée de façon optimale en tenant compte
de l’ensemble de l’information disponible. La possibilité que l’information pertinente
soit utilisée, mais d’une manière inadéquate, c’est-à-dire sous-optimale, n’est pas
envisagée. Le débat sur l’efficience informationnelle des marchés, largement ouvert
par les travaux pionniers de Fama, s’est cependant orienté vers la pertinence du
contenu de l’ensemble des informations.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
80
Fama (1965, 1970) met en exergue la difficulté d’élaborer un test unique en
matière d’efficience informationnelle et conclut à la nécessité de diviser en trois
ensembles l’ensemble des informations pour élaborer des tests spécifiques. Comme
premier sous-ensemble, les séries historiques de prix sont considérées dans la
formation des prévisions des prix futurs. Il s’agit de la forme faible de l’efficience, ou
encore selon Fama (1991), les tests de prévisibilité des rentabilités. Portant sur le
deuxième sous-ensemble d’informations, les tests de la forme semi-forte de
l’efficience, ou études d’événements, s’intéressent aux informations publiques, des
moins élaborées comme l’annonce des résultats des entreprises, jusqu’aux plus subtiles
comme les modifications de système comptable, les opérations de fusions-acquisitions,
etc. Enfin, relative au troisième et dernier sous-ensemble d’informations, la forme
forte de l’efficience ou encore l’analyse de l’information privilégiée, envisage
l’influence des opérations menées par des initiés sur la dynamique des prix. Ball et
Brown (1968, p. 160) affirment que l'efficience des marchés financiers fournit une
« justification pour choisir le comportement des prix des valeurs mobilières comme un
test opérationnel d'utilité » de l’information financière. Beaver (1968) offre un
argument semblable.
La réflexion théorique de l’efficience des marchés financiers s’est axée sur les
travaux de Markowitz (1952) qui a proposé une solution à la détermination de la
combinaison de titres qui procure à un investisseur le couple risque-rentabilité qui lui
convient le mieux c’est-à-dire la diversification optimale des portefeuilles de titres
financiers.
Le modèle de Markowitz est, comme tout modèle, une représentation simplifiée
d’une réalité complexe. L’élément-clé de ce modèle est la description du profil
comportemental de l’investisseur. Cette description consiste exclusivement en une
mesure de son degré d’aversion vis-à-vis du risque, aversion qui est elle-même une
propriété commune de tous les investisseurs. Ceux-ci sont donc supposés ne se
distinguer les uns des autres que par l’intensité de cette aversion. Le risque est quant à
lui supposé être un phénomène unidimensionnel, mesuré par la caractéristique de
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
81
dispersion (variance) de la distribution de probabilité de la rentabilité. Le modèle est
un modèle normatif, c’est-à-dire un outil de prise de décision qui indique à chaque
investisseur la solution optimale de son problème, à savoir : la combinaison de titres
(le portefeuille) présentant le rapport rendement – risque qui correspond le mieux à
son degré d’aversion vis-à-vis du risque. L’idée centrale est ici que tout «risquophobe»
rationnel exigera, pour «monter un échelon supplémentaire sur l’échelle du risque», un
accroissement de la rentabilité financière plus que proportionnel à l’accroissement du
risque auquel il consent, et d’autant plus élevé que son aversion à l’égard du risque est
grande. On touche ici à une notion essentielle en « finance de marché » qui est celle de
la « prime de risque » : tout taux financier est défini comme étant la somme d’un taux
de base qui est le rendement d’un actif financier dénué de risque (un titre de créance à
court terme sur l’État, par exemple) et d’une prime de risque, fonction croissante du
risque consenti.
Sur la base du modèle de Markowitz, considéré comme une représentation
simplifiée,
certes,
mais
fondamentalement
pertinente
du
comportement
de
l’investisseur, la recherche théorique s’est orientée vers l’élaboration d’un modèle
permettant de déterminer le résultat de la composition de toutes les décisions
individuelles prises. Ce modèle est en conformité avec le modèle normatif. Compte
tenu des informations nouvelles qui leur parviennent, les investisseurs vont déterminer
périodiquement leur nouveau portefeuille optimal et donc recomposer le portefeuille
existant en plaçant des ordres d’achat et de vente. Un « prix d’équilibre » s’établit sur
le marché parce que le niveau auquel il se fixe est celui pour lequel le nombre de titres
vendus est égal au nombre de titres achetés. Ce prix d’équilibre est donc bien la
résultante des décisions individuelles d’achat et de vente de titres exprimées par les
investisseurs.
Il faut encore rendre compte du fait que, pour un même titre, il y a toujours des
opérateurs des deux côtés du marché (l’offre et la demande). Même si les investisseurs
sont unanimes sur le risque systématique, et donc sur la rentabilité attendue d’un titre
individuel, celui-ci peut s’avérer un composant de portefeuille désirable pour certains
investisseurs et indésirable pour d’autres, compte tenu du degré d’aversion au risque
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
82
des uns et des autres. Il convient enfin de préciser tant soit peu les caractéristiques de
cette situation d’équilibre. On peut démontrer formellement que, lorsque le marché est
en équilibre, c’est-à-dire lorsque les quantités achetées et vendues sont égales pour
chacun des titres qui sont traités sur celui-ci, la prime de risque de chaque titre possède
une caractéristique particulièrement intéressante. En effet, elle est proportionnelle au
niveau de son risque systématique, c’est-à-dire de la portion de son risque qui ne peut
être éliminée par une diversification optimale à la Markowitz. Etant donné que certains
éléments de nature macro-économique (la conjoncture générale, les décisions de
politique économique et budgétaire des autorités publiques, les décisions de politique
monétaire de la banque centrale,…) affectent dans le même sens – positif ou négatif –
les «fondamentaux» de tous les émetteurs de titres, il est compréhensible que ces
facteurs de risque communs à tous les titres, et qui induisent donc un effet de «covariation», ne puissent être éliminés par la diversification. Seuls peuvent l’être les
facteurs de risque spécifique à chaque émetteur ou du moins à chaque catégorie
d’émetteurs (secteur d’activité économique, par exemple). Le coefficient « bêta »,
propre à chaque titre, mesure ce risque systématique, et détermine donc la hauteur de
la prime de risque de chacun des titres cotés. Il est en même temps une mesure de la «
volatilité » ou la variabilité – de la rentabilité: un titre «défensif» («bêta» inférieur à
un) répercute de manière atténuée les fluctuations du marché, tandis qu’un titre
«agressif» («bêta» supérieur à un) les répercute de manière amplifiée. Ainsi, la
stratégie de gestion spéculative de portefeuille appelée « market timing » consiste,
pour un investisseur qui est – ou se croit – capable d’anticiper les renversements de
tendance du marché, à alourdir au delà de l’optimum son portefeuille en valeurs
agressives lorsqu’il anticipe un renversement de tendance à la hausse et en valeurs
défensives lorsqu’il anticipe au contraire un renversement de tendance à la baisse.
Le modèle théorique de base pour l’évaluation des titres est donc une structure
linéaire très simple parce qu’unifactorielle, c’est-à-dire basée sur un déterminant
(facteur) unique, à savoir, le degré de risque systématique, mesuré par le coefficient
bêta. Il peut être formulé ainsi: le rendement attendu d’un titre est égal au taux
financier sans risque majoré d’une prime de risque qui est elle-même le produit de la
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
83
prime de risque moyenne du marché par le coefficient de risque systématique du titre
considéré. La prime de risque d’un titre est donc proportionnelle à – autrement dit: est
fonction linéaire de – son risque systématique, c’est-à-dire non diversifiable. Ce
modèle, partie intégrante de la théorie financière, est appelé le Capital Asset Pricing
Model (CAPM) ou Modèle d’évaluation des actifs financiers (MEDAF)11.
La modélisation d’ensemble du système financier est ainsi bouclée par la mise
en composition des décisions individuelles, et la double condition d’efficience est
réalisée. La rationalité de tous les individus, qui est postulée par l’hypothèse
d’anticipations rationnelles, induit l’efficience informationnelle (les évaluations
individuelles reflètent sans biais les « fondamentaux » économiques). L’organisation
adéquate du système de transactions – dont l’archétype est la criée conduite par un
commissaire-priseur, et la modalité contemporaine la «criée électronique» – entraîne
l’efficience opérationnelle, c’est-à-dire le fait que les prix effectivement pratiqués
reflètent sans biais les anticipations rationnelles des investisseurs. Cette affirmation
n’est toutefois rigoureusement vraie que pour un marché parfait, c’est-à-dire
totalement efficient. Ce cas-limite est, bien sûr, purement théorique. La perfection
n’étant jamais atteinte, l’efficience est en pratique une question de degré. Pour que les
résultats de la mise en oeuvre de modèles théoriques fondés sur une hypothèse
d’efficience totale du marché financier aient un sens et une portée pratique, il faut que
les marchés concrets présentent un haut degré d’efficience attesté par les études
empiriques.
Quelle que soit la forme d’efficience envisagée, des tests réalisés sur différents
marchés boursiers internationaux ont cependant mis en évidence certaines anomalies
ou poches d’inefficience. Les résultats des premiers tests d’efficience réalisés sur le
marché américain au cours des années soixante et des premières années de la décennie
suivante se sont révélés massivement favorables à l’hypothèse d’efficience des
marchés financiers. Les résultats obtenus par la suite se sont avérés beaucoup plus
11
Voir Sharpe (1964) et Lintner (1965) pour une justification formelle et une démonstration rigoureuse du
MEDAF, déduit du modèle de moyenne – variance de Markowitz (1952).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
84
contrastés. Il est difficile de donner à ce tournant une explication claire et surtout
univoque. Certains ont avancé, non sans pertinence, que la cause en était le plus haut
degré de sophistication des techniques statistiques mises en oeuvre dans les tests
économétriques. Sans rejeter cette explication, d’autres ont avancé comme
explications, avec – a priori – autant de pertinence, les profonds changements
structurels survenus au cours de la décennie soixante dix dans l’économie (entrée en
crise du régime de croissance fordiste, flottement généralisé des devises, …). Certains
auteurs tels que Shiller (2000) souligne le mode de fonctionnement du marché
financier. Il avance la montée en puissance des investisseurs institutionnels et la mise
en question des structures conglomérales des groupes industriels, accusées de réaliser
une diversification inefficiente au détriment de celle que peuvent réaliser les individus
dans leurs choix de portefeuille. D’autres encore ont argué, arguments statistiques à
l’appui, que nombre des études de « première génération » avaient été réalisées sur des
échantillons de trop petite taille et sur des périodes d’observation trop courtes pour être
véritablement significatives d’une part. D’autre part, les travaux sont souvent effectués
sur des compositions d’échantillon et des périodes d’observation favorables à
l’hypothèse testée [voir par exemple, Fama (1998) et Kothari (2001)].
Toujours est-il que les études subséquentes ont fait apparaître des «anomalies»,
c’est-à-dire des différences significatives et persistantes entre les rentabilités observées
et les rentabilités théoriques calculées sur la base du modèle d’évaluation (MEDAF).
En effet, au regard de la théorie, tous les titres de même bêta doivent présenter la
même prime de risque. Ce n’est pas ici le lieu de faire la nomenclature de toutes les «
anomalies » dont la présence, plus ou moins stable et plus ou moins prononcée, a été
détectée depuis un quart de siècle sur la plupart des marchés boursiers, même ceux qui
étaient réputés les plus efficients.
Un peu partout, on observe de manière persistante, pour un même bêta, une
différence marquée – et positive – entre les rentabilités des sociétés cotées de taille
relativement petite (dites small caps, faibles capitalisations) et les sociétés de plus
grande dimension. Une plus haute prime de risque pour les premières signifie qu’elles
présentent, en plus de leur risque systématique mesuré par le bêta, au moins un facteur
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
85
de risque supplémentaire non encore identifié provoquant ce que les économistes
appellent une segmentation du marché des titres. Parmi les multiples explications
proposées pour ce phénomène, une plus convaincante, quoiqu’objet de controverse, est
que les « small caps » présentent un risque de liquidité: vu que les transactions
journalières sur ces titres sont de faible volume, tout ordre d’achat ou de vente d’un
bloc de titres d’une certaine importance risque de provoquer une variation importante
du prix, voire de s’avérer inexécutable. Cette caractéristique rend évidemment ces
titres indésirables pour la grande majorité des fonds de placement et des autres
investisseurs institutionnels (compagnies d’assurance, fonds de pension, …). Seule une
minorité de fonds, très spéculatifs, consentiront à les détenir.
La présence persistante de multiples anomalies, dont la prise en compte, en sus
du facteur de risque systématique, accroît de manière significative la puissance
explicative des modèles économétriques. Celle-ci constitue à l’évidence un défi majeur
pour les chercheurs en finance.
Fama et French (1992) effectuent une étude où ils prennent en compte le facteur
de marché mesuré par le « bêta », le facteur taille et le ratio valeur comptable des
fonds propres sur la valeur de capitalisation boursière ou ratio « book-to-market ». Ils
obtiennent une inaptitude du facteur «bêta» à expliquer les rentabilités des titres et
montrent également la capacité importante d’explication des rentabilités espérées par
le ratio « book-to-market ». Fama et French publient peu de temps après un article
intitulé « The CAPM is wanted, dead or alive » (Fama et French, 1996b). Fama et
French (1992, 1993, 1995, 1996) soulignent l’importance de trois facteurs dans
l’explication des actions des entreprises. Ces facteurs sont la prime de marché
(rendement excédentaire du marché), la prime de taille (différence entre les
rendements d’actions de faible et de forte capitalisation ; SMB, « small minus big ») et
la prime reliée au ratio valeur comptable sur valeur marchande des fonds propres
(différence dans les rendements de portefeuilles d’actions d’entreprises dont le ratio
« book-to-market » est élevé et faible ; HML, « high minus low »). Ces trois facteurs
sont alors intégrés dans un modèle à trois facteurs (« Three Factor Pricing Model »,
TFPM) de type ATP à facteurs pré-spécifiés. Les deux derniers facteurs mesureraient
« deux facteurs de risque ou variables d’état contre lesquelles les investisseurs
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
86
voudraient se protéger » (Fama et French, 1996). La prime de taille (« market equity »
ou capitalisation boursière) serait liée au degré de liquidité des entreprises ou à la
qualité/quantité d’information disponible. La prime liée au ratio « book-to-market »
serait liée à un facteur de détresse relative (Chan et Chen, 1991). Les actions dites de
valeur (“value stocks”), celles qui ont un ratio « book-to-market » élevé ont en
moyenne des rentabilités plus élevées que les actions dites de croissance (« growth
stocks » ou « glamour stocks »), c’est-à-dire les actions caractérisées par un ratio
« book-to-market » faible. Fama et french (1997) trouvent les mêmes résultats dans
sept marchés internationaux et seize marchés émergents. Il semble donc possible
d’exploiter ces anomalies de marché, voire de les combiner, pour construire des
stratégies de placement qui permettent de générer des rentabilités anormales.
La plupart des anomalies de marché ou des caractéristiques des entreprises
comme le ratio bénéfice/prix (Basu, 1983), le niveau d’endettement (Bhandari, 1988),
le ratio flux monétaire ou croissance passée des ventes (Lakonishok, Shleifer et
Vishny, 1994) et les rentabilités passées des 36 derniers mois et plus [De Bondt et
Thaler (1985, 1987), Zarowin (1990), Chan (1986, 1988), Ball et Kothari (1989), Maï
(1992)] disparaissent lorsque l’on mesure les rentabilités anormales à l’aide du modèle
à trois facteurs de Fama et French (1993). A l’exception de la performance passée à
court terme des actions (« momentum ») [Jegadeesh et Titman (1993), Asness (1994),
Jegadeesh, Lakonishok et Titman (1995)], le modèle capture la plupart des anomalies
de marché (Fama et French, 1996a). Toutefois, Fama et French (1996b) soulignent que
la faible capture de leur modèle tri-factoriel de l’anomalie « momentum » pourrait être
due au biais de trituration de données. Si Fama et French (1992, 1993, 1996a, 1996b,
1997) annoncent la mort du MEDAF et soutiennent que ces résultats sont cohérents
avec un modèle rationnel d’évaluation des titres, d’autres avancent au contraire que
ceci est dû à une valorisation irrationnelle [sur-réaction pour Lakonishok, Shleifer et
Vishny (1994), voire de l’irrationalité pour Daniel et Titman (1997)], à des problèmes
de données : biais de survie dans Compustat (Kothari, Shanken et Sloan, 1995),
trituration des données ou « data snooping ou data mining » [Black (1993) et Lo et
McKinlay (1990)], données extrêmes (Knez, 1997) ou période d’étude jugée très
courte pour annoncer la disqualification ou la mort du bêta (Chan et Lakonishok,
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
87
1993)). Enfin, certains demeurent sceptiques quant aux potentiels d’une stratégie
d’investissement basée sur les actions de valeurs et les actions de croissance
(Loughran, 1997).
Malgré de nombreuses controverses, le MEDAF et ses extensions sont à ce jour
les seuls modèles théoriques robustes pour l’évaluation des titres risqués. En effet, les
modèles construits récemment sont multifactoriels. A la prime de risque de base du
modèle fondamental commandée par le risque systématique et mesurée par le
coefficient bêta), viennent s’ajouter diverses primes de risque commandées par des
facteurs de sous-évaluation ou de sur-évaluation. Finalement, tous les modèles actuels
se basent sur le MEDAF, une attitude prudente de compromis compréhensible.
Le tableau 2.1 présente les principales études sur les anomalies en coupe
transversale observées sur les marchés financiers.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
88
Tableau 2.1 - Principales études sur les anomalies (en coupe transversale)
ETUDES,
ECHANTILLON
AUTEURS
(Marchés
METHODOLOGIE
FACTEURS
PRINCIPAUX RESULTATS
- Les portefeuilles aux PER les plus élevés présentent une prime en moyenne de 5,65% alors que celle des portefeuilles aux PER
financiers,
Période d’étude, Nombre
de sociétés…)
Basu (1977)
NYSE (1956-1971)
- Application de la mesure de Jensen à 5 portefeuilles
- PER
Plus de 700 sociétés
équipondérés, constitués par les quintiles de la
- Risque mesuré
les plus faibles est de 12,6% en moyenne, les primes croissant quasi-proportionnellement à la décroissance du PER : effet PER.
Etats-Unis
distribution des PER et « rebalancés » annuellement au
le
- Les bêtas moyens décroissent de 1,11 pour les portefeuilles aux PER les plus élevés à 0,98 pour les portefeuilles aux PER les
début de chaque mois d’avril.
Bêta
plus faibles, tandis que la mesure Jp passe de -3,3%.
coefficient
- Rentabilité anormale
Banz (1981)
NYSE (1926-1975 )
- Constitution de 25 portefeuilles, constitués par les
- Taille mesuré
La rentabilité des valeurs de petite capitalisation apparaît significativement plus forte que celle des valeurs de forte capitalisation :
Etats-Unis
quintiles de la distribution des capitalisations boursières
par la
effet taille.
puis chaque quintile est constitué en 5 portefeuilles sur la
capitalisation
base des bêtas et « rebalancés » mensuellement.
boursière
- Régression transversale
l’action
- Rentabilité anormale
- Risque mesuré
le
de
coefficient
Bêta
Reinganum
NYSE – AMEX (1963-
- Les déciles de portefeuilles sont constitués sur la base des
- Taille
(1981)
1977)
capitalisations boursières et sur la base des PER.
- PER
Etats-Unis
- Rentabilité anormale
- Risque
Jaffee, Keim et NYSE – AMEX (1956-
- Les déciles de portefeuilles sont constitués sur la base des
- Taille
Westerfield
1986)
capitalisations boursières et sur la base des PER et - PER
- L’essentiel de la rentabilité en excès constatée pour les petites capitalisations est concentrée au mois de janvier ; en revanche
(1989)
Etats-Unis
« rebalancés » mensuellement en distinguant le mois de
- Risque
l’excès de rentabilité constaté pour les titres de faible PER est réparti sur toute l’année.
janvier au reste des autres mois.
- Janvier
- Rentabilités anormales importantes quelle que soit la taille des firmes, pour des sociétés ayant eu des résultats négatifs dans un
- Taille
- un effet bénéfices négatifs
Jacquilllat
Derbel
Base de données AFFI – - - Les portefeuilles sont constitués sur la base des
et SBF (1980 –1989)
France
(1991)
- Existence à la fois un effet taille et un effet PER.
passé récent.
- Rentabilité anormale
Hamon,
L’effet PER disparaît lorsque des précautions suffisantes sont prises pour contrôler la taille
capitalisations boursières et sur la base des PER et - PER
L’essentiel de la rentabilité enregistrée par les titres à EPR (inverse de PER) négatif, l’est dans le mois de janvier suivant la
rebalancés annuellement .
- Risque
formation des portefeuilles et cet effet EPR négatif apparaît ainsi comme une manifestation de l’effet janvier.
- Rentabilité anormale
- Janvier
- Toutes tailles confondues et en ignorant les exercices déficitaires, la rentabilité est positivement liée au ratio EPR. La rentabilité
annuelle de portefeuille constitué fin mars est de 44% pour le tiers des titres caractérisés par une forte valeur du ratio EPR contre
24% pour le tiers des portefeuilles des titres de faible EPR. Cet effet EPR disparaît toutefois lorsque les différences de taille sont
prises en considération dans une approche multivariée. Les variables EPR et capitalisation sont fortement corrélées et l’effet EPR
n’apparaît être que la manifestation d’un effet taille suivant lequel une forte rentabilité est associée aux titres de faible
capitalisation.
Girerd-Potin
RM (1977 – 1987)
(1992)
Marché boursier français
- Les portefeuilles sont constitués sur la base des
- Taille
capitalisations boursières et rebalancés mensuellement .
- Risque
- Rentabilité anormale
- Janvier
L’impact de l’annonce de bénéfices sur le marché financier français.
La rentabilité mensuelle des petites capitalisations sont très supérieures à celle des grosses capitalisations (2,05% contre 1,16%).
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
- Des 4 variables fondamentales considérées (PER, ratio cours sur flux de trésorerie, capitalisation
critères retenus (capitalisation boursière, PER, ratio book-to-
- Risque
boursière, ratio book-to-market,), le ratio cours sur flux de trésorerie et le ratio book-to-market ont un
market) et rebalancés annuellement fin juin.
- book-to-market
impact sérieux positif sur les rentabilités des titres japonais. Le facteur ratio cours sur flux de trésorerie
- Rentabilité anormale
- PER
est plus significatif que le facteur ratio book-to-market : l’effet cash-flow sur cours est prépondérant sur
- Régression transversale (méthode de Fama et MacBeth (1973))
- Levier financier
tous les autres effets.
TSE (Tokyo Stock
- 64 portefeuilles au total sont constitués
Lakonishok
Exchange)
(1991)
1971
à
(Janvier
Décembre
1988).
89
- Taille
Chan, Hamao et
suivant l’un ou les
- Cours sur flux de trésorerie
et
- Les portefeuilles sont constitués par décile suivant l’un des
- Taille
- Le bêta a un rôle faible dans l’explication des rentabilités en coupe transversale, même quand il
NASDAQ (1963 –
critères retenus (capitalisation boursière, PER, ratio cours/flux de
- Risque
constitue l’unique variable explicative.
1990)
trésorerie, ratio book-to-market, levier financier) et rebalancés
- book-to-market
- Il y a une corrélation négative entre le ratio book-to-market et la taille, de même, il y a une corrélation
annuellement.
- PER
positive entre le ratio book-to-market et le taux d’endettement.
- Rentabilité anormale
- Levier financier
Fama et French NYSE,
(1992)
AMEX
- La taille et le ratio book-to-market explique mieux la rentabilité des titres par rapport aux variables
telles le PER, le levier financier et le bêta.
- Régression longitudinale [méthode de Black, Jensen et Scholes
(1972), désormais (BJS, 1972)]
- Le ratio book-to-market est un « proxy » pour la rentabilité en coupe transversale d’un titre :
- Régression transversale (méthode de Fama et MacBeth (1973))
Fama et French NYSE,
(1993)
- Test d’un modèle à trois facteurs pour l’explications des
- Taille
- Proposition d’un modèle linéaire à trois facteurs d’explication de la rentabilité des actions :
NASDAQ (1963 –
AMEX
et
rentabilités des actions et des obligations.
- Risque
les facteurs capitalisation boursière et ratio VC/VM expliquent les comportements des rentabilités en
1991)
- Les portefeuilles sont constitués par décile suivant l’un des
- book-to-market
coupe transversale des différentes catégories de titres ; l’excès de rentabilité des portefeuilles d’actions
critères retenus (Levier financier, PER, capitalisation boursière et
- TERM est la différence entre la
par rapport au placement à taux sans risque est capturé principalement par le facteur de marché : le
ratio book-to-market,) et rebalancés annuellement en juin.
rentabilité des obligations d’état à long bêta.
- Rentabilité anormale
terme et le bond du trésor à 1 mois
- Les rentabilités des portefeuilles d’obligations sont essentiellement expliquées par les deux facteurs
- Régression longitudinale ( méthode de BJS (1972))
(équivalent à une prime de maturité)
liés aux taux d’intérêt (TERM et DEF).
- Régression transversale (méthode de Fama et MacBeth (1973))
- DEF est la différence derentabilité entre
les obligations d’état et un indice
d’obligations
à
rentabilité
élevée
(équivalent à une prime de signature)
Fama et French NYSE,
(1995)
et
- Les portefeuilles sont constitués par décile suivant l’un des
- Taille
- Les firmes avec des bénéfices faibles présentent un ratio VC/VM élevé : ce sont des valeurs d’actifs ;
NASDAQ (1963 –
AMEX
critères retenus (Levier financier, PER, EPS, capitalisation
- Risque
et les firmes avec des bénéfices élevés présentent un ratio VC/VM faible : ce sont les valeurs de
1991)
boursière et ratio book-to-market,) et rebalancés annuellement en - book-to-market
juin.
- Bénéfice par action
croissance.
- le ratio book-to-market traduit une certaine détresse ou vulnérabilité économique énoncé par Chen et
Chan (1988, 1991).
- Rentabilité anormale
- Régression longitudinale ( méthode de BJS (1972))
- Régression transversale (méthode de Fama et MacBeth (1973))
Fama et French NYSE,
(1996a)
AMEX
et
- Les portefeuilles sont constitués par décile suivant l’un des
- Taille
- Les anomalies de rentabilité contredisant le MEDAF incluant l’effet gagnant-perdant à long terme de
NASDAQ (1963 –
critères retenus (Levier financier, PER, taux de croissance du - Risque
De Bondt et Thaler (1985) sont souvent liés et capturés par le modèle à tri-factoriel de Fama et French
1991)
chiffre d’affaires, rentabilité à long terme des prix passés,
(1993), à l’exception de la persistance des rentabilités à court terme de Jegadeesh et Titman (1993).
capitalisation boursière et ratio book-to-market,) et rebalancés
annuellement en juin.
- Rentabilité anormale
- Régression longitudinale ( méthode de BJS (1972))
- Régression transversale (méthode de Fama et MacBeth (1973))
L’impact de l’annonce de bénéfices sur le marché financier français.
- book-to-market
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
NYSE, AMEX et NASDAQ (1929 –
Davis,
Fama
et 1997)
90
- Six portefeuilles de titres sont constitués sur la base de la capitalisation - Taille
- La relation positive observée dans Fama et French (1992) entre le ratio book-to-market et la
boursière et du ratio book-to-market. Les titres de l’échantillon sont répartis en - Risque
rentabilité du titre sur la période 1963 – 1990 donc le ratio VC/VM comme un « proxy » de la
French
deux groupes (S pour petite, B pour grande) suivant la capitalisation boursière
-
(1999)
et répartis de même par tiers (L pour faible (30%), M pour moyen (40%) et H
market
book-to-
rentabilité du titre est aussi vérifiée et confirmée sur la période 1929 – 1963.
(30%) pour élevé) et rebalancés annuellement en juin.
- Rentabilité anormale
- Régression longitudinale
- Régression transversale
Capaul,
Rowley
(Allemagne,
- Les portefeuilles sont constitués par décile suivant l’un des critères retenus
- Taille
Grande-Bretagne, France, Suisse, Etats-
(capitalisation boursière, PER, ratio cours/flux de trésorerie, ratio book-to-
- Risque
Unis et Japon) (1981 – 1992)
market, levier financier) et rebalancés annuellement.
-
- Rentabilité anormale
market
- Régression longitudinale ( méthode de BJS (1972))
- PER
Six
et
Sharpe
bourses
de
valeur
(1993)
- Les portefeuilles à ratio book-to-market élevé ont des rentabilités supérieures aux portefeuilles à
faible ratio book-to-market.
book-to-
- Régression transversale (méthode de Fama et MacBeth (1973))
Fama
- Les portefeuilles sont constitués par décile suivant l’un des critères retenus
- Taille
(capitalisation boursière, PER, ratio cours/flux de trésorerie, ratio book-to-
- Risque
supérieure de 7,68% avec une statistique t de 3,45 aux portefeuilles de titres à faible ratio book-to-
Hong-
market, levier financier) et rebalancés annuellement.
-
market.
Italie,
- Rentabilité anormale
market
Belgique ] (1974 – 1994)
- Régression longitudinale ( méthode de BJS (1972))
- PER
- Base de données CRSP pour les USA et
- Régression transversale (méthode de Fama et MacBeth (1973)
et - Treize marchés boursiers [ USA, Japon,
French
Grande-Bretagne,
Suisse,
(1998)
Allemagne,
Suède,
Australie,
Singapour,
Hollande,
Kong,
France,
- Les portefeuilles de titres à ratio book-to-market élevés présente une rentabilité moyenne annuelle
book-to-
MSCI de Morgan Stanley pour les pays
autres que USA.
L’her
et TSE 300 (1966 – 1996)
Suret (1999)
Marché canadien
- Les portefeuilles sont constitués sur la base des capitalisations boursières et du - Taille
- Les primes mensuelles reliées aux anomalies de marché que sont la taille des firmes et le ratio
ratio book-to-market et rebalancés mensuellement.
book-to-market sont de même ordre de grandeur que celles obtenues dans d’autres pays (0,676% et
351 entreprises
-
Book-to-
market / valeur
0,616%).
intrinsèque
- Les stratégies de placement fondées sur les entreprises ayant une faible capitalisation boursière et
- Risque
un ratio valeur comptable/valeur marchande des fonds propres élevé permettent de générer un
-
rendement mensuel de 2,46%. A l’inverse, les stratégies de placement fondées sur les entreprises
ayant une forte capitalisation boursière et un ratio valeur comptable/ valeur marchande des fonds
propres faible permettent de générer un rendement mensuel moyen de 0,84%.
- la valeur intrinsèque (V) obtenue à partir du modèle d’évaluation des fonds propres basé sur les
bénéfices résiduels (Edwards-Bell-Ohlson) établit une relation formelle entre V et le ratio VC/VM.
Elle établit une large part de la capitalisation boursière des entreprises canadiennes, toutefois, les
valeurs obtenues sont en moyenne plus faible que les capitalisations observées.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
91
2.1.2 Les études d’événements
Les tests d’études d'événements sont des tests d'efficience des marchés
financiers au sens semi-fort. L’objet de ces tests est de déterminer si les prix intègrent
rapidement les diverses informations publiques. La littérature moderne sur les tests
d’études d'événements commence avec Fama et al. (1969) et Ball et Brown (1968), qui
étudient l’impact de la distribution des actions gratuites et des annonces de bénéfices
sur le comportement des rentabilités des actions12. Depuis lors, diverses études
événementielles ont été conduites en finance. Il y a deux types d’études d'événements:
les études d’événements sur le court terme et les études d’événements sur le long
terme. Les résultats des études événementielles sur le court terme sont nettes, mais
celles sur le long terme ne font pas le consensus du fait des difficultés
méthodologiques de leur réalisation. Les sections qui suivent discutent les questions
saillantes de chaque type d'étude.
2.1.2.1
Les études d’événements à court terme
Les études d'événements sur le court terme fournissent des résultats
relativement cohérents avec l'efficience des marchés boursiers, en particulier quand
l'échantillon de firmes est disparate et les dates d’annonces des événements ne sont pas
groupées en temps calendaire. Les rentabilités anormales intra-journalières ou
journalières ou hebdomadaires des événements telles que les annonces de bénéfices,
les irrégularités comptables, les fusions-acquisitions, les distributions des dividendes
suggèrent une réaction rapide du marché à l’information disponible. Dans certains cas,
la réaction semble incomplète et il y a une tendance qui contredit l'efficience du
marché. Dans une étude d’événements à court terme, les chercheurs font face à peu de
problèmes de sous-évaluation ou sur-évaluation de la rentabilité espérée (Brown et
Warner, 1985). La rentabilité anormale journalière prévue est environ de 0.05% ou la
plupart des cas moins de 0,01% à 0,02%. Ainsi, la sous-évaluation ou la sur-évaluation
12
Dolley (1933) a été le premier à présenter une étude d'événements (dans Kothari, 2001). Comme Fama et al.
(1969), il teste les effets de distribution d’actions gratuites sur les prix.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
92
de la rentabilité serait due à un calcul erroné du facteur risque [Scholes et Williams
(1977) et Dimson (1979)]. Selon Kothari (2001), cette rentabilité anormale est faible
relativement à une rentabilité anormale moyenne de 0,5% ou plus, généralement
rapportée dans les études événementielles. Toutefois, il existe un souci de signification
de la réaction moyenne du marché boursier autour de la date d’annonce au cas où
l'événement pourrait induire une augmentation de la variabilité de la rentabilité (voir
par exemple, Beaver (1968) pour les rentabilités anormales autour de la date
d’annonce des bénéfices). Les tests qui n’expliquent pas la variabilité accrue de la
rentabilité rejettent l'hypothèse nulle d’une rentabilité anormale moyenne nulle [par
exemple, Christie (1991) et Collins et Dent (1984)]. L'utilisation des modèles en coupe
transversale atténue considérablement le problème potentiel résultant d'une
augmentation de la variabilité de la rentabilité autour de la date d’annonce de
l’événement.
2.1.2.2
Les tests d’études d’événements à long terme
Les études d'événements à long terme examinent si les rentabilités anormales à
long terme suite à une décision financière sont systématiquement non nulles pour un
échantillon de sociétés. Ces études supposent que le marché peut sur-réagir ou sousréagir à l’information récente en raison du comportement apparemment irrationnel du
marché et des frictions sur le marché.
Les sources de la sous-réaction et sur-réaction sont dues aux biais de jugement
humain dans le traitement de l'information. Il y a un composant systématique
émotionnel des cours boursiers de sorte que leurs valeurs dévient de leurs valeurs
fondamentales. Des études récentes modélisent les prix des titres sous les hypothèses
de biais comportementaux des investisseurs pour expliquer l’inefficience apparente du
marché [voir par exemple, Barberis, Shleifer et Vishny (1998), Daniel, Hirshleifer et
Subrahmanyam (1998) et Hong et Stein (1999)]13. Les résultats récents en finance
suggèrent des rentabilités anormales vraisemblablement importantes réparties sur
plusieurs années suivant des événements comme les annonces de bénéfices, les
13
Voir les sections 4.3.1, 4.3.2 et 4.3.3 du chapitre 1 pour plus de détails.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
93
introductions en bourse, les émissions d’actions nouvelles et les prévisions à long
terme des analystes. Ces recherches posent un défi considérable à l'hypothèse
d’efficience des marchés financiers. Cependant, avant de conclure à une inefficience
des marchés financiers, il est important de souligner que les études d'événements à
long terme souffrent d’au moins trois problèmes: les problèmes de mesure du risque,
les problèmes de données et la formulation d’une hypothèse nulle d'inefficience des
marchés14.
2.1.2.3
L’estimation
erronée
Les facteurs de risque et la mesure du risque
du
risque
peut
produire
économiquement
et
statistiquement des significations importantes des rentabilités anormales apparentes
parce que la période de mesure de la performance du titre est longue. Une sousestimation ou une sur-estimation du risque peut surgir parce que la sensibilité à un
facteur de risque est mesurée inexactement ou parce qu'un facteur de risque approprié
est omis du modèle des rentabilités espérées. Les erreurs aléatoires dans l’évaluation
du risque des actions ne sont pas un problème sérieux parce que presque toutes les
études examinent la performance d’un portefeuille d’arbitrage15. L’estimation
incorrecte du risque est un problème si les erreurs aléatoires des titres du portefeuille
considéré sont autocorrélées. Cette éventualité est possible en raison de la nature
endogène des événements « économiques », c’est-à-dire que le sous-ensemble des
titres éprouvant un événement économique, n'est pas conforme de manière aléatoire à
l’ensemble des titres. La performance typiquement inhabituelle précède l’événement et
les changements de risque sont associés à la performance passée [par exemple, French,
Schwert et Stambaugh (1987), Chan (1988), Ball et Kothari (1989), Ball, Kothari et
Watts (1993), et Ball, Kothari et Shanken (1995)].
14
Pour une discussion détaillée des problèmes conceptuels et empiriques des études d’événements à long terme,
voir Barber et Lyon (1997), Kothari et Warner (1997), Fama (1998), Lyon, Barber et Tsai (1999) et Loughran et
Ritter (2000).
15
Les erreurs aléatoires dans l'évaluation du risque et des rentabilités anormales peuvent être ainsi un problème
sérieux si le chercheur corrèle les rentabilités anormales aux variables des titres comme les données financières
et les substituts des frictions du marché. L'erreur aléatoire affaiblit la corrélation et la robustesse du test (Kothari,
2001).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
94
Quant aux biais potentiels dans l’estimation de la rentabilité anormale en raison
des facteurs de risque omis, la littérature financière n'est pas encore fixée sur les
facteurs de risque et leurs mesures des titres évalués. Pour ces raisons potentielles, la
sous-évaluation ou la sur-évaluation des rentabilités espérées des titres dans les études
d’événements, surtout des études d’événements à long terme, demeure une
préoccupation importante. Ainsi, la distinction entre l’inefficience du marché et un
modèle d’évaluation de la rentabilité espérée des titres inadéquat est difficile dans des
études d'événements à long terme.
2.1.2.4
Les problèmes de données
Une variété de problèmes de données perturbe les études d'événements (à long
terme) et rend difficile leur interprétation.
(i)
Les biais du survivant et de trituration de données peuvent affecter
sérieusement les études des performances à long terme des titres,
particulièrement quand les données comptables et financières (par exemple,
cours des actions, ratios financiers, etc.) sont utilisées dans les tests
d’efficience des marchés boursiers [voir Lo et MacKinlay (1990), Kothari,
Shanken et Sloan (1995), Kothari, Sabino, et Zach (1999)]. Puisque diverses
études analysent les données financières et les rentabilités pour le sousensemble suivi, les problèmes déductifs surgissent en raison du biais
potentiel du survivant dans les données. Il n'est pas rare d'observer que 50%
ou plus de l'échantillon initial des titres ne survit pas sur la période d’étude
surtout si celle-ci est longue.
(ii)
Les problèmes d’inférence statistique surgissent dans les études des
performances à long terme. Des rentabilités sur le long terme des titres de
l’échantillon considéré tendent à s’auto-corréler même si l'événement n'est
pas parfaitement groupé en temps calendaire [Bernard (1987), Brav (1999)].
Les rentabilités à long terme sont fortement biaisées, ce qui pose des
problèmes en utilisant les tests statistiques qui assument la normalité [voir
Barber et Lyon (1997), Kothari et Warner (1997), Brav (1999)]. En raison
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
95
des propriétés statistiques des données de rentabilités, la littérature soulève
des questions si la mesure de rentabilité appropriée est la méthode « buyand-hold » ou la méthode des rentabilités cumulées sur une longue période
[voir Ball (1983), Blume et Stambaugh (1983), Conrad et Kaul (1993),
Fama (1998), Mitchell et Stafford (2000)]. Loughran et Ritter (2000)
discutent les problèmes additionnels d'inférence qui surgissent parce que la
synchronisation des événements est endogène. Par exemple, la vague
constatée des introductions en bourse n’est-elle pas due à des périodes
propices à une introduction parce que les émetteurs croient que le marché
est sur-évalué et/ou euphorique et/ou il y a des périodes de meilleurs
investissements. En conséquence, il est possible que les choix erronés de la
période de la décision financière occasionnent la sous-évaluation ou la surévaluation des titres en période d’événements car les fondamentaux des
titres (par exemple, les facteurs marché, taille et ratio valeur comptable sur
valeur marchande du titre) ont été affectés. De ce fait, les résultats des tests
d'efficience des marchés financiers sont faussés.
(iii)
L'asymétrie et l’aplatissement des variables financières (les rentabilités et/ou
les bénéfices) couplés à leur aspect non aléatoire dans les bases de données
et le biais du survivant des données peuvent produire une performance
anormale apparente et une fausse association entre les variables antérieures
de l'information comme les prévisions de croissance des analystes et la
performance a posteriori sur le long terme (voir Kothari, Sabino et Zach,
2000). Dans les études d’événements à long terme, il n'est pas rare de
rencontrer la disponibilité des données pour moins de 50% de l'échantillon
initial l'un ou l'autre parce que les données financières post-événementielles
sont indisponibles ou parce que les sociétés ne survivent pas après
l’événement. Si ce déclin dans la dimension de l'échantillon n'est pas
aléatoire, en ce qui concerne la population initiale des titres éprouvant
l’événement, alors les résultats issus de l’échantillon extrait par le chercheur
peuvent être incorrects (Kothari, 2001).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
2.1.2.5
96
Une théorie d'inefficience des marchés financiers et
de spécification de l'hypothèse nulle
En plus des problèmes potentiels de mesure du risque et de données discutés cidessus, il y a un autre défi relatif aux des conclusions définitives au sujet de
l’efficience des marchés financiers. Tandis qu'une grande partie de la recherche
conclut à l'inefficience des marchés, davantage de progrès reste à accomplir si les
études développent une théorie qui prévoit un comportement de rentabilité particulière
et fondée sur une hypothèse d’inefficience des marchés financiers comme hypothèse
nulle. Les travaux devraient alors concevoir des tests robustes qui ne rejettent pas cette
hypothèse nulle. Cependant, il y a toujours un besoin de théorie bien développée du
comportement naïf d'investisseurs qui peut être soumise à un test empirique dans
d'autres contextes ou une théorie qui serait utile en expliquant les rentabilités
anormales observées.
Actuellement, l’hypothèse nulle d'efficience des marchés est rejetée dès qu’on
observe une rentabilité anormale positive ou négative. Une théorie de l'inefficience des
marchés financiers devrait indiquer les conditions sous lesquelles la sous-réaction et la
sur-réaction du marché sont prévues. Par exemple, pourquoi le marché sous-réagit ou
sur-réagit-il aux annonces des résultats annuels ou trimestriels ? Certaines études
suggèrent que l'inefficience serait corrigée rapidement, tandis que d'autres arguent que
cette inefficience est persistante. Par exemple, Thomas (1999, p. 19) dans son analyse
de la capacité du marché à traiter les informations sur la persistance du composant
extérieur des bénéfices, énonce que
“… L’hypothèse de la sous-évaluation expliquerait les rentabilités anormales à court
terme et celle de la non identification du risque expliquerait les rentabilités anormales
à court et long terme ”
Si les coûts de transaction, les valeurs institutionnelles et d'autres
caractéristiques relatives empêchent l'incorporation rapide de l'information dans le
cours des actions, alors les études à long terme devraient tester s'il y a une relation
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
97
positive entre l’horizon sur lequel les rentabilités anormales sont évaluées, et les
substituts environnementaux de l’information. Kothari (2001) suggère que si les titres
à forte capitalisation boursière ont des rentabilités anormales positives sur plusieurs
années, ce résultat validerait l’hypothèse de l'inefficience des marchés financiers.
Un autre motif important de la demande d'une théorie de l'inefficience des
marchés boursiers est de connaître les causes de l’inefficience, c’est-à-dire, les
explications des écarts entre les valeurs fondamentales et marchandes des titres. Par
exemple, maintes études empiriques valident le pouvoir prédictif des rentabilités à
partir des fondamentaux du titre à l’aide du modèle résiduel de bénéfice (voir Lee,
1999). Cependant, le modèle résiduel de revenu ou le modèle d'escompte de dividende
fournissent peu de conseils en termes de prévision des rentabilités futures en utilisant
des valeurs intrinsèques estimées. Une telle prévision nécessite une théorie qui
expliquerait la cause des déviations des prix des valeurs intrinsèques, donc que la
théorie
peut
être
testée
empiriquement.
La
théorie
utiliserait
les
biais
comportementaux ou les frictions du marché des investisseurs pour prévoir les
déviations des prix des valeurs mobilières de leurs valeurs intrinsèques.
2.1.2.6
L’étude de Fama, Fisher, Jensen et Roll (1969)
Fama et al. (1969) ont entrepris la première étude d'événements complète dans
les sciences économiques financières. Les résultats de Fama et al. (1969) ont été
conformes à la thèse de l’efficience des marchés où les prix reflètent parfaitement les
cash-flows futurs. La division d’action en tant que telle n’a aucun effet sur la richesse
des actionnaires. Les études d'événements sont des tests joints de l’hypothèse
d'efficience du marché et d’un modèle d’évaluation des rentabilités espérées utilisé en
estimant des rentabilités anormales. La méthodologie de recherche de Fama et al.
(1969) a permis aux chercheurs de tester la forme semi-forte de l’efficience des
marchés. Dans ces tests, on adopte la méthode dite des « résidus » qui consiste à
mesurer la rentabilité financière boursière anormale ou le résidus moyen en période
d’information. Le calcul des résidus moyens (rentabilités anormales moyennes) rend
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
98
compte de la persistance ou non de la rentabilité anormale au-delà de ce moment.
C’est cette méthode que Beaver (1968) et Ball et Brown (1968) ont utilisé pour étudier
les réactions à la publication des bénéfices du marché financier.
2.2 Les études de Beaver (1968) et Ball et Brown (1968)
Les études de Ball et Beaver (1968) et Beaver (1968) sont les premières études
qui ont mesuré la réaction du marché financier (américain) lors de l'annonce des
résultats annuels. L'objectif de ces études était de tester si l'annonce des résultats est
utile à la prise de décision des investisseurs ou non. En d'autres termes, il s'agissait de
vérifier si l'annonce des résultats apporte de nouvelles informations susceptibles de
modifier le comportement des investisseurs ou si au contraire elle n'a aucun effet du
fait que les investisseurs ont déjà connaissance du contenu informationnel des résultats
bien avant leur publication. Ces auteurs réalisent une étude d’événement.
Ball et Brown (1968) analysent l’impact des résultats annuels de deux cent
soixante et une sociétés américaines pour une période de vingt ans sur les cours
boursiers. Un modèle économétrique a été construit pour chaque entreprise afin de
prévoir les résultats futurs. En particulier, Ball et Brown (1968) utilisent deux modèles
d'espérance de bénéfices: un modèle simple de promenade aléatoire et un modèle de
marché des résultats. Sur la base de ces prévisions, les résultats réels ont été classés en
deux catégories selon qu’ils étaient supérieurs ou inférieurs aux résultats prévus. Le
bénéfice surprise est l’écart potentiel entre le bénéfice réalisé d’une année donnée et le
bénéfice prévu de l’année précédente. Plus formellement, le bénéfice surprise de
l’année t se calcule comme suit :
Bénéfice surpriset = Bénéfice réalisét − Bénéfice prévut−1
(4)
L’impact des résultats sur les variations de cours a été étudié. Les rentabilités
anormales moyennes cumulées ont été étudiées dans les douze mois qui précédent et
les six mois qui suivent chaque annonce annuelle.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
99
Ball et Brown (1968) tirent trois résultats de leur étude. Premièrement, leur
modèle de prévisions de bénéfices spécifié permet de fournir une mesure « propre »
des surprises de bénéfice. Deuxièmement, ces auteurs associent les signes des
rentabilités anormales mensuelles aux signes des bénéfices surprises. Ils trouvent une
corrélation sensiblement positive : les sociétés qui eurent des résultats décevants ou les
titres à « mauvaises nouvelles » ont vu leurs cours baisser anormalement dans les mois
qui précèdent l’annonce publique et inversement pour les sociétés qui publièrent des
résultats inespérés ou les titres à « bonnes nouvelles ». Troisièmement, l’ajustement du
cours boursier est pratiquement inexistant après l’annonce publique des résultats. La
moyenne des résidus devient à peu près nulle pour chacun des deux sous-échantillons.
Ainsi, la force de l'association entre les rentabilités anormales suivant la période
d'annonce des bénéfices et la surprise de bénéfices est fonction de la teneur en
information des résultats et de la qualité du modèle d'espérance de résultats utilisé.
Beaver (1968) évite le problème de spécification d’un modèle de prévisions de
bénéfices en examinant la variabilité des rentabilités des titres et du volume d’échange
autour des dates d’annonce des résultats. Précisément, Beaver (1968) relie la mesure
du contenu informationnel de l’annonce préliminaire à sa capacité à agir sur les
anticipations des flux futurs de l’entreprise par les investisseurs. En étudiant les effets
de l’annonce publique sur les prix et les volumes de l’échange, Beaver (1968) assimile
la variation des prix aux changements des croyances communes des investisseurs et le
volume de transaction à la divergence informationnelle entre ces derniers. Ainsi, il
montre l’existence de rentabilités et de volumes anormaux suite à la publication des
résultats annuels sur les marchés américains.
Les travaux de Ball et Brown (1968) et Beaver (1968) ont été les études
séminales à l’évaluation empirique de l'utilité décisionnelle des données comptables.
Ces études utilisent l’hypothèse d'efficience des marchés de capitaux et la
méthodologie des études d'événements. Elles avaient pour objectif de mettre en
évidence la réaction du marché, sous la forme de rentabilités anormales, à la
publication d'informations comptables (rapports annuels ou intérimaires). Ces travaux
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
100
mettent surtout en évidence l'importante anticipation par le marché du contenu
informationnel des données comptables bien avant leur divulgation dans les états
financiers et établissent que le contenu informationnel pour le marché se limite au seul
résultat. De même, mettant en cause l’utilité présumée des «nombres comptables» et
de leur pertinence pour la prise de décision, ces résultats ont engendré un courant de
recherche suggérant leur utilité contractuelle (Watts et Zimmerman, 1986) et
privilégiant le rôle disciplinaire de la comptabilité. Il s’agit de la théorie positive des
sciences comptables, mais cette recherche dépasse le cadre de ce travail.
Ball et Brown (1968) analysent la teneur en association et en information des
annonces de résultats concernant les rentabilités des titres. Ils ont également testé
l’hypothèse d’efficience des marchés financiers en examinant la réaction impartiale et
rapide des bonnes et des mauvaises nouvelles sur les cours boursiers. Ils trouvent une
dérive post-annonce des résultats parce que l'ajustement du marché aux mauvaises
nouvelles est lent. Ceci suggère soit une sous-réaction soit un ajustement progressif
suivant le contenu informationnel des résultats. Par la suite, plusieurs études
empiriques ont relayé l’étude de Ball et Brown (1968). Ce sont les travaux de Jones et
Litzenberger (1970), Litzenberger, Joy et Jones (1971), Foster, Olsen et Shevlin
(1984) et les études de Bernard et Thomas (1989, 1990) que nous passons en revue
dans la section 2.3.
2.3 Les études post 1968 sur les réactions aux annonces de bénéfices:
Bernard et Thomas (1989) et autres
A la suite des études de Ball et Brown (1968) et Beaver (1968), d'autres études
ont été réalisées et ont abouti aux même résultats. Ces études confirment que l'annonce
des résultats annuels ou trimestriels ont un contenu informationnel. Parmi ces études,
les plus complètes sont celles de Bernard et Thomas (1989, 1990).
Au début des années 70, trois études co-écrites par Jones [Jones et Litzenberg
(1970), Latané, Joy et Jones (1970), Latané, Jones et Rieke (1974)] portent sur le
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
101
contenu informationnel des surprises de bénéfices. Ils ont considéré les publications de
bénéfices trimestriels. Ces études confirment les résultats de Ball et Brown (1968).
Joy, Litzenberger et McEnally (1977) et Latané et Jones (1977, 1979)
approfondissent les études précédentes. Les prévisions des bénéfices sont évaluées par
l’extrapolation des résultats trimestriels passés. Tous ces travaux fournissent une
évidence de l’impact des annonces de bénéfices sur les rentabilités des titres et ils
valident l’efficience des marchés financiers.
Au début de l’année 1980, Reinganum (1981) s’interroge sur l’impact de
l’interaction de la taille et des surprises bénéfices sur les rentabilités des titres. Cette
étude multivariée conclut à un contenu non informationnel des annonces de bénéfices
sur la période d’étude c’est-à-dire sur la période du quatrième trimestre de l’année
1975 au troisième trimestre de l’année 1977. Pour Reinganum (1981), l’anomalie
« surprise de bénéfice » masquerait l’effet taille. Une étude de Rendleman, Jones et
Latané (1982) confirme le phénomène des surprises des résultats sur 36 trimestres, du
troisième de l’année 1971 au second trimestre de l’année 1980. Leur étude, qui inclut
la courte période d’étude de Reinganum (1981), suggère que la non observation de
l’anomalie « surprises de bénéfices » par Reinganum (1981) est due à l’utilisation de
tests statistiques non robustes. Rendleman et al. (1982) montrent que sur leur période
d’étude, la différence de rentabilités cumulées sur trois mois entre les titres à
meilleures surprises de bénéfices et celles des titres à piètres surprises de bénéfices est
de 5.91% un mois après l’annonce des bénéfices. Ils obtiennent aussi des résultats
identiques lorsqu’ils se confinent à la période d’étude de Reinganum (1981). Ils
obtiennent une différence de rentabilités cumulées sur trois mois entre les titres à
meilleures et piètres surprises de bénéfices de 5.57%, un mois après l’annonce des
résultats.
Par la suite, plusieurs études ont été effectuées sur la réaction du marché aux
annonces des résultats. Nous pouvons citer les travaux de Rendleman, Jones et Latané
(1984, 1985), Foster, Olsen et Shevlin (1984), Freeman et Tse (1989), Bernard et
Thomas (1989, 1990). La plupart de ces études confirment les résultats pionniers de
Ball et Brown (1968), mais l’étude la plus complète et la plus critique sur l’hypothèse
d’efficience des marchés est celle de Bernard et Thomas (1989). Elle remet en cause
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
102
l’hypothèse de l’efficience des marchés financiers sous la forme semi-forte alors que la
plupart des études avait validé ladite hypoyhèse à cette époque.
Les graphiques 2.1, 2.2, 2.3 et 2.4 de l’annexe 3 illustrent les résultats de
Bernard et Thomas (1989, 1990).
Bernard et Thomas (1989) étudient le contenu informationnel des résultats des
sociétés en tenant compte des failles méthodologiques des études précédentes telles
que la limite des données. Ces auteurs analysent également le contenu informationnel
des résultats des sociétés en le combinant à d’autres informations telles que la taille, le
PER des firmes et les coûts de transaction. L’étude de Bernard et Thomas (1989) est
fondée sur un échantillon de 84792 annonces de bénéfices trimestriels des actions
cotées sur les marchés américains de la période 1974 à 1986. Une méthodologie
simple permettant d’étudier l’impact des annonces de résultats sur les prix est mise au
point. Toutes les actions cotées sur le NYSE et l’AMEX ont été classées selon leur
surprise de bénéfices en déciles, le portefeuille du dixième décile (les surprises de
bénéfices les plus élevées) au portefeuille de premier décile (les surprises de bénéfices
les plus faibles). Les surprises de bénéfices sont évaluées en utilisant la méthode autorégressive de Foster, Olsen et Shevlin (1984). Cette méthode suppose que les bénéfices
suivent une marche aléatoire. La différence entre les bénéfices réalisés et les bénéfices
prévisionnels mesurée par rapport à l’écart-type des erreurs de prévisions historiques
représente la surprise de bénéfices ou « Surprise Unexpected Earnings » (SUE). Par
rapport à la définition originelle du bénéfice surprise qui exprime l’écart moyen entre
le bénéfice réalisé et le bénéfice prévu, cet écart moyen est standardisé à l’écart type
des erreurs de prévisions historiques. Par la suite, Bernard et Thomas (1989) évaluent
les rentabilités anormales cumulées sur les périodes de 1 à 60 jours pour chaque
portefeuille avant et après l’annonce des bénéfices, soit une période de 180 jours
autour de la date de publication des résultats.
Le graphique 2.1 de l’annexe 3 présente les résultats sur les huit derniers trimestres
antérieurs au trimestre q du mois t.
Les performances des titres sont évaluées par la méthode des rentabilités
anormales cumulées du titre de la date de formation du portefeuille t0 (date d’annonce
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
103
des résultats) à la date de détention t du portefeuille. Par exemple, la rentabilité
anormale cumulée du portefeuille i (ajustée à la taille) après t mois de détention est la
somme des rentabilités anormales des titres du portefeuille (ajustées à la taille) du
mois t0 de la formation au mois t de la détention du portefeuille après sa formation.
Le graphique 2.1 de l’annexe 3 montre que les rentabilités anormales cumulées
sont associées aux surprises des résultats de manière monotone. Les rentabilités
anormales cumulées sur 60 jours augmentent de manière monotone du portefeuille 1
(P1) au portefeuille 10 (P10). La différence de performance entre les portefeuilles
extrêmes (P10 – P1) est très significative suivant les surprises de résultats. Le
portefeuille P10 à excellente surprise de bénéfices enregistre une rentabilité anormale
cumulée moyenne excellente (positive) de 2% tandis que le portefeuille P1, le
portefeuille à piètre surprise de bénéfices, enregistre une piètre rentabilité anormale
cumulée (négative). Les titres ayant une forte surprise de bénéfices auraient des
performances supérieures à un benchmark représentatif du marché tandis que les titres
à faible surprise de bénéfice auraient des performances subséquentes inférieures à ce
même benchmark. Ainsi, du portefeuille 1 au portefeuille 10, nous avons une
rentabilité sur 60 jours après les annonces de résultats de 4,2% soit une croissance de
18% annuellement. Ces résultats sont fondés sur les rentabilités cumulées anormales
des portefeuilles qui sont recomposées quotidiennement, mais ils sont presque
identiques lorsque Bernard et Thomas (1989) utilisent la méthode « Buy-and-hold » de
calcul des rentabilités anormales. Pour Bernard et Thomas (1989), la réaction du
marché aux annonces de bénéfices est le reflet d’une inefficience des marchés
financiers et elle est due à une sous-réaction du marché et/ou des investisseurs.
3 LES EXPLICATIONS DES REACTIONS SUITE AUX ANNONCES
DE BENEFICES
Fama (1970, 1991) distingue trois formes d'efficience informationnelle:
l'efficience au sens faible, l'efficience au sens semi-fort et l'efficience au sens fort. La
notion d'information est le cœur du concept d’efficience informationnelle. A ces trois
formes d’efficience qui se distinguent au contenu informationnel, correspondent trois
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
104
types de tests empiriques. L’étude des réactions aux annonces de bénéfices est une
étude d’efficience des marchés financiers au sens semi-fort via les tests d’études
événementielles.
La tendance ante et/ou post-annonce de bénéfices mise en évidence par Beaver
(1968) et Ball et Brown (1968) est la prévisibilité des rentabilités anormales aux
annonces de bénéfices. Par la suite, plusieurs auteurs se sont intéressés aux réactions
lors de la publication d'information comptable et ont testé l'utilité de cette divulgation.
Toutes les études mettent plus ou moins en évidence un contenu informationnel des
bénéfices, mais les explications offertes diffèrent. L’étude des annonces de bénéfices
(trimestrielles ou annuelles) jette un doute sur l’efficience au sens semi-fort dans la
mesure où il semble ressortir que les prix ne reflètent pas pleinement la publication des
résultats. Toutefois, puisque la tendance est du même signe que les surprises de
bénéfices, deux explications se confrontent. Pour les tenants de la finance
comportementale, le marché sous-réagit (ou sur-réagit au cas où on observerait un
retour à la moyenne des rentabilités) aux annonces des bénéfices et pour les tenants de
l’approche orthodoxe, le marché s’ajuste progressivement à l’annonce des résultats.
Cette section analyse ces explications concurrentes. D’abord, elle passe en
revue les explications traditionnelles : l’anomalie de l’annonce de bénéfices ne masque
t-elle pas d’autres anomalies mises en évidence sur les marchés financiers telles que
l’effet de la taille (Banz, 1981) et l’effet du ratio « book-to-market ». Enfin, la section
aborde les explications liées à l’approche comportementale.
3.1 Les explications traditionnelles : l’observation des rentabilités
anormales suite aux annonces de bénéfices ne masque t-elle pas
d’autres anomalies ?
Cette section étudie si l’ajustement lent des cours aux annonces de bénéfices est dû
à des anomalies telles que les effets taille, ratio « book-to-market » et PER.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
105
3.1.1 Les réactions aux annonces de bénéfices et la sensibilité
« bêta »
Les résultats des tests d’études événementielles les plus préjudiciables à
l'hypothèse d’efficience des marchés sont ceux de Rendleman, Jones et Latane (1987),
Freeman et Tse (1989), et Bernard et Thomas (1989, 1990). Selon Bernard et Thomas
(1989), les graphiques 2.1 et 2.2 de l’annexe 3 illustrent une inefficience des marchés
financiers à l’annonce de bénéfices. Spécifiquement, l’incorporation de la publication
des résultats dans le cours des titres est graduelle et permanente. Il pourrait s’agir
d’une prime de rentabilité pour un risque supérieur (inférieur) associé à une surprise de
bénéfices élevée (faible). Cette explication semble corroborer l’explication de Ball
(1978). Dans le même contexte, Ball, Kothari et Watts (1988, 1990) analysent cette
logique financière qui prédirait de manière temporaire une élévation (diminution) du
risque des titres à surprise de bénéfices élevée (faible). Ball, Kothari et Watts (1990)
montrent que les sensibilités des portefeuilles sont liées à la surprise de bénéfices.
Ball, Kothari et Watts (1990) estiment que sur les neuf mois suivant l’annonce de
bénéfices, la différence entre les bêtas des portefeuilles extrêmes constitués est de
0.29. De même, après avoir contrôlé le bêta, la différence de rentabilité anormale entre
les portefeuilles formés est de 2.98% sur les neuf mois suivant l’annonce de bénéfices.
Bernard et Thomas (1989) testent l’hypothèse de Ball, Kothari et Watts (1990) :
la sensibilité des portefeuilles justifie le contenu informatif des surprises de bénéfices.
Notons que l’étude de Bernard et Thomas (1989) est une réponse à la première version
de l’étude de Ball, Kothari et Watts (1988), à savoir les rentabilités anormales suite à
l’annonce des bénéfices ne peuvent pas être expliquées par la sensibilité du titre, le
« bêta ». Les résultats de Bernard et Thomas (1989) révèlent plusieurs aspects
s’opposant au facteur risque comme l’élément explicatif des rentabilités anormales
observées lors de la publication des bénéfices. Premièrement, la duplication de la
méthodologie de Ball, Kothari et Watts (1988) montre que les bêtas ne semblent pas
expliquer les fluctuations des prix à l’annonce des résultats. La sensibilité « bêta »
n’explique que 8 à 13% des rentabilités anormales à la publication des bénéfices selon
Bernard et Thomas (1989). Deuxièmement, Bernard et Thomas (1989) montrent que
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
106
rien n’indique que les titres à excellente surprise de bénéfices sont plus risqués que les
titres à faible surprise de bénéfices, malgré la prise en compte des remarques et
critiques de Ross (1986) sur les dimensions du risque. Troisièmement, Bernard et
Thomas (1989) démontrent qu’en dépit des conditions macroéconomiques, les titres à
surprise positive de bénéfices surperforment les titres à surprise négative de bénéfices
46 fois sur la période 1974 à 1986. Les gains excèdent d’un facteur de 1 à 35 les
pertes. Quatrièmement, les rentabilités anormales ex-post des titres à mauvaises
nouvelles sont si faibles à court terme qu’elles peuvent offrir une couverture à tout
actif financier exposé à un risque élevé.
Le graphique 2.3 de l’annexe 3 regroupe les principaux résultats sur la réaction
du marché aux annonces des bénéfices sur la période 1965 à 1986, précisément, les
résultats des études de Latane, Jones et Rieke (1974), Rendleman, Jones et Latane
(1982) et Bernard et Thomas (1989). Selon Bernard (1993), si l’anomalie de la
surprise de bénéfices était due au facteur risque, le portefeuille d’arbitrage (achat des
titres à surprise de bénéfices positive et vente de titres à surprise négative) ne
générerait pas une rentabilité anormale positive chaque année de 1965 à 1989 (voir
graphique 2.3 de l’annexe 3).
Les résultats de Ball, Kothari et Watts (1990) et Bernard et Thomas (1989) sont
dans l’ensemble contradictoires. L’étude de Bernard et Thomas (1989) semble
indiquer que les résultats de Ball, Kothari et Watts (1990) ne peuvent pas expliquer
clairement que le risque serait une explication acceptable de l’effet de persistance des
rentabilités aux annonces de bénéfices.
3.1.2 L’anomalie « surprises de bénéfices » et l’effet « Price
Earning Ratio » (PER)
Selon l’effet PER, les titres ayant un PER faible auraient des performances
supérieures à un indice représentatif de marché tandis que les titres à fort PER auraient
des performances subséquentes inférieures à ce même indice. Cette anomalie mise en
évidence dès les années soixante a obtenu ses lettres de noblesse avec Basu (1977).
Bien que l’effet PER ait été largement étudié, les chercheurs ne trouvent aucun lien
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
107
entre les anomalies « surprise de résultats » et le PER. Basu (1983), Cook et Rozeff
(1984), Reinganum (1981) et Jaffe, Keim et Westerfield (1989) montrent que l’effet
PER masquait un effet taille. Kim (1987) montre que, bien que l’effet PER soit peutêtre en rapport avec les surprises de bénéfices, il ne justifie pas l’ajustement lent des
cours aux annonces de bénéfices. Ce résultat corrobore celui de Bidwell (1979, 1981)
couvrant respectivement les périodes d’études 1972 à 1976 et 1976 à 1978. De même,
Wiggins (1991) montre que les effets PER et « surprises de résultats » sont présents
sur la période 1977 à 1988 et sont indépendants l’un de l’autre. Bernard et Thomas
(1989) stipulent qu’en dépit du contrôle du biais du survivant et de l’effet PER, les
investisseurs sous-réagissent aux annonces de bénéfices. Ainsi pour ces auteurs,
l’anomalie découlant des annonces de bénéfices est un phénomène plus important que
l’effet PER de Basu (1977).
3.1.3 L’anomalie « surprise de bénéfices » et l’effet taille
L’effet taille est le fait le plus marquant des contradictions empiriques du
modèle de Sharpe-Lintner-Black. Selon l’effet taille, les firmes de petite capitalisation
boursière ont une performance supérieure aux firmes de capitalisation boursière élevée
(Banz, 1981). L’interaction entre les anomalies taille et « surprise des bénéfices » a été
examinée dans la littérature financière. Parmi tous ces travaux, les principaux sont
ceux de Foster, Olsen et Shevlin (1984), Rendleman, Jones et Latané (1987), Bernard
et Thomas (1989, 1990), Mott et Coker (1993). Ces études montrent qu’en moyenne,
les titres à faible taille ont des surprises de bénéfice plus élevées que celles des titres à
forte taille. Le graphique 2.4 de l’annexe 3 montre ce résultat. Toutefois, Rendleman,
Jones et Latané (1987) suggèrent que les anomalies taille et surprise de bénéfices sont
deux phénomènes indépendants . Quant à Bernard et Thomas (1989, 1990), ils
montrent que l’effet taille ne justifie pas les tendances des cours des titres à s’ajuster
lentement à la publication de bénéfices.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
108
3.1.4 L’anomalie « surprise de bénéfices » et le problème des
coûts de transaction
Tous les marchés financiers connaissent des coûts de transaction, ne serait-ce que
pour rémunérer l’ensemble des intermédiaires qui assurent la transmission des ordres,
la maintenance des systèmes d’informations, qui assurent les échanges et garantissent
la bonne fin des échanges. Pour Watts (1978), une gestion de portefeuille fondée sur
les surprises de bénéfices doit prendre en compte les coûts de transaction. Plusieurs
auteurs tels que Alexander, Goff et Peterson (1989) et Bernard et Thomas (1989)
réexaminent la réaction du marché à la publication des résultats en prenant en compte
les frais de transaction.
Alexander, Goff et Peterson (1989) ont évalué la performance des titres en utilisant
la méthode « Buy-and-hold » sur la période 1979 à 1986. Ils mettent en évidence des
rentabilités anormales malgré la prise en compte des frais de transaction, surtout sur la
première moitié de leur période d’étude.
(i)
De même, Bernard et Thomas (1989) montrent une persistance de
l’ajustement des prix aux annonces de bénéfices en dépit du contrôle des
frais de transaction.
Suivant l’approche de Stoll (1991), Bernard et Thomas (1989) ont estimé les coûts
de transaction et les ont soustraits des rentabilités anormales évaluées selon la méthode
« buy-and-hold ». Malgré la méthodologie appliquée, ils ont montré que la prise en
compte des coûts de transaction ne saurait être une compensation des rentabilités
anormales positives observées issues des stratégies d’investissement basées sur les
surprises de bénéfices. Donc, pour ces auteurs, les coûts de transaction n’expliquent
pas les réactions du marché aux annonces des résultats.
McDonald et Mendenhall (1994) analysent la stratégie de gestion fondée sur les
surprises de bénéfices en tenant compte des ventes à découvert et des coûts de
transaction. Leurs résultats montrent que les stratégies d’investissement fondées sur les
surprises de bénéfices ont été profitables sur les marchés américains (l’AMEX et le
NYSE) sur la période d’étude 1988 à 1992. Le meilleur profit a été enregistré sur les
périodes 1991 et 1992.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
109
Bhushan (1994), en utilisant l’échantillon d’étude de Bernard et Thomas (1989,
1990), a mis en évidence une relation positive entre les surprises de bénéfices et les
substituts des coûts de transaction.
Sur le marché français, Gajeswki (2000) étudie l’impact des annonces de bénéfices
sur l’asymétrie d’information, les volumes et les coûts de transaction. L’étude a porté
sur des données horodatées. Il montre un accroissement du volume de transaction, du
coût d’asymétrie d’information et l’absence de performance positive après l’annonce
de bénéfice. Pour Gajewski (2000), l’annonce de bénéfices conduit à une phase de
recherche du vrai prix de l’action. Cette phase de découverte correspond à une période
d’imprécision de l’information publique contenue dans les cours des titres. Durant ce
laps de temps, qui peut varier d’un titre à l’autre, des agents en profitent pour faire une
analyse plus fine des données publiées. En raison du caractère éphémère de cet
avantage informationnel, les agents informés sont alors très désireux d’échanger sur la
base de leur information privée générée à partir de l’annonce de bénéfice; d’où une
augmentation du volume de transaction à l’issue de l’annonce de bénéfice. Gajewski
(2000) montre de même que d’un point de vue empirique, les courbes du volume de
transaction en U sont beaucoup plus accentuées après l’annonce de bénéfice.
L’augmentation du volume de transaction provient d’une plus grande activité des
agents. Ces agents ne sont pas informés ex-ante, mais ils profitent de l’annonce de
bénéfice pour être plus informés.
L’augmentation du volume provenant de transactions fondées sur la détention
d’informations privées entraîne de nouvelles situations d’asymétrie d’information. Les
agents, qui ne peuvent pas différer leurs échanges compte tenu de leurs besoins de
liquidité, sont en situation d’asymétrie d’information par rapport aux agents capables
d’exploiter l’information publique. Dans ces conditions, ceux qui traitent pour des
motifs de liquidité subissent alors un risque de sélection inverse. En effectuant des
échanges, ils sont soumis à une augmentation des coûts de transaction implicites due à
un accroissement du coût d’asymétrie d’information. Finalement, Gajewski (2000)
montre que les rentabilités intra-quotidiennes mesurées après déduction des frais de
transaction implicites sont significativement négatives. Les observations, faites
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
110
empiriquement au cours de son étude, confirment l’augmentation à la fois de la
fourchette relative et du coût de sélection adverse.
Les constatations empiriques de Gajewski (2000) expliquent le paradoxe, selon
lequel les volumes de transaction sont plus importants à l’issue des annonces alors que
les coûts de transaction sont plus forts. Elles permettent de relativiser l’étude
empirique de Patell et Wolfson (1984) qui met en évidence une rentabilité moyenne
positive sur la première demi-heure qui suit l’annonce de bénéfices. En effet, l’excès
de fourchette relative constaté après l’heure d’annonce de bénéfices est 1/3 %, et le
coût d’asymétrie d’information en excès après l’heure d’annonce est d’environ 0.40 %.
La prise en compte des coûts de transaction implicites compense la rentabilité
significativement positive observée par Patell et Wolfson (1984).
3.1.5 L’anomalie « surprises de bénéfices » et l’anomalie ratio
« book-to-market »
La relation (positive) entre le ratio valeur comptable sur valeur de marché ou
« book-to-market » et les rentabilités a été observée sur toutes les places financières
[Rosenberg, Reid et Lanstein (1985), Fama et French (1992, 1993, 1995, 1996a,
1996b, 1998), Molay (2001) et tant d’autres]. Plus précisément, le pouvoir explicatif
du ratio valeur comptable sur valeur de marché est, dans la plupart des études,
considéré comme plus marqué que l’effet taille. Pour Fama et French (1993, 1995),
cette variable reflète la vulnérabilité d’une entreprise. Le modèle à trois facteurs de
Fama et French (1993) rend assez bien compte l’effet « balancier » ou sur-réaction de
De Bondt et Thaler (1985), mais l’effet persistance des rentabilités observées sur des
périodes courtes, notamment à l’annonce de bénéfices, est partiellement capturé par ce
modèle. Pour Fama et French (1995, 1996a), la non capture par leur modèle de la
réaction aux annonces de bénéfices provient des effets d’échantillonnage et du biais de
survie dans la base de données utilisée.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
111
3.2 Les explications comportementales : sous-réaction et sur-réaction
3.2.1 La réaction du marché aux annonces de bénéfices : une
explication insatisfaisante de la théorie de l’efficience des
marchés
Pour Bernard et Thomas (1989, 1990), la théorie de l’efficience des marchés ne
fournit pas une explication suffisante et satisfaisante de la réaction du marché aux
annonces de bénéfices. Pour cet auteur, il y a une remise en doute de l’hypothèse
d’efficience des marchés boursiers au sens semi-fort. Ces études rejoignent les études
de Rendleman, Jones et Lakonishok (1987), Freeman et Tse (1989) et Wiggins (1991),
et les travaux récents de Chan et al. (1996), Barberis, Shleifer et Vishny (1998),
Daniel, Hirshleifer et Subrahmanyam (1999) et Hong et Stein (1999). En d’autres
termes, les prix des actions ne reflètent pas les implications des résultats courants pour
les futurs bénéfices. L'hypothèse essentielle testée par Bernard et Thomas (1989, 1990)
et Wiggins (1991) est que les prix n’incorporent pas les changements courants des
bénéfices trimestriels sur les signaux futurs des résultats (relativement au trimestre
comparable de l'année antérieure). Spécifiquement, les cours semblent refléter, au
moins partiellement, une espérance naïve des bénéfices. Elle est basée sur une marche
aléatoire saisonnière où les résultats prévus sont simplement les résultats
correspondant à ceux du trimestre de l’année précédente. Les erreurs de prévision de
bénéfices basées sur un modèle naïf sont corrélées temporellement (Freeman et Tse,
1989). En revanche, sur un marché qui incorpore tous les résultats disponibles, les
erreurs de prévision ne devraient pas être autocorrélées. Cette hypothèse est
fréquemment assimilée à l’hypothèse de marche aléatoire des cours boursiers. Pour
appréhender cette hypothèse, différents tests sont disponibles tels que les tests de
marche aléatoire des cours, d’autocorrélation des rentabilités ou encore de prévisibilité
des résultats.
Pour un investisseur qui compte sur une marche aléatoire saisonnière de
prévision de bénéfices, les erreurs de prévision seraient autocorrélées depuis au moins
l’année 1946, début de la période d’étude de l’effet de l’annonce des résultats sur le
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
112
marché américain [voir les périodes d’étude de Watts (1975), Foster (1977), Bernard et
Thomas (1989, 1990)]. L'évidence indique que le modèle d'autocorrélation entre les
différences saisonnières est le plus fort pour les trimestres adjacents, mais demeure
positif sur les trois premiers retards. Ainsi, un changement du résultat au trimestre t
(relativement au trimestre comparable de l'année antérieure) tend à être suivi par des
changements progressifs faibles de même signe aux trimestres t+1, t+2 et t+3. En
second lieu, il y a une autocorrélation négative entre les trimestres t et trimestre t+4 ;
seulement la portion demeurée du changement initial représente un choc permanent.
Pour offrir une description plus spécifique du comportement des résultats en
série chronologique, le tableau 2.2 présente les statistiques des échantillons étudiés par
Foster (1977), Hopwood et McKeown (1986) et Bernard et Thomas (1989).
L’autocorrélation des résultats entre les trimestres t et t+4 est négative pour chaque
échantillon considéré.
Tableau 2.2 – Comportement des séries temporelles de bénéfices in Bernard (1993)
Panel A : Autocorrélation des différences saisonnières des bénéfices trimestriels, 1946–1974
[Foster (1977), basée sur 69 entreprises]
Retard (Lag)
1
2
3
4
5
6
7
8
Moyenne
0.45
0.24
0.13
-0.12
0.01
0.02
-0.02
-0.03
Panel B : Autocorrélation des différences saisonnières des bénéfices trimestriels, 1962–1978
[Hopwood et McKeown (1986), basée sur 267 entreprises]
Retard (Lag)
1
2
3
4
5
6
7
8
Moyenne (1962-1978)
0.45
0.21
0.02
-0.19
-0.07
-0.02
-0.02
-0.03
Moyenne (1962-1970II)
0.36
0.17
0.05
-0.18
-0.07
-0.05
-0.07
-0.07
Moyenne (1970III-1978)
0.42
0.17
-0.03
-0.22
-0.11
-0.05
-0.06
-0.06
Panel C : Autocorrélation des différences saisonnières des bénéfices trimestriels, 1974–1986
[Bernard et Thomas (1989), basée sur 2626 entreprises]
Retard (Lag)
1
2
3
4
5
6
7
8
Moyenne
0.34
0.19
0.06
-0.24
-0.08
-0.07
-0.07
-0.06
25ème percentile
0.14
0.05
-0.10
-0.46
-0.26
-0.24
-0.24
-0.25
Médiane
0.36
0.18
0.06
-0.29
-0.09
-0.08
-0.06
-0.06
0.57
0.35
0.21
-0.07
0.08
0.08
0.09
0.11
75
ème
percentile
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
113
Sous l’hypothèse que les cours des actions ne reflètent pas un processus de
résultat à marche au hasard,
les rentabilités anormales dépendraient des erreurs
prévues qui sont autocorrélées et donc prévisibles. Les autocorrélations imiteraient le
même modèle que celui observé dans le tableau 2.2. Par exemple, si les résultats de
l’année antérieure ont été annoncés en hausse au trimestre t, le marché serait surpris
lors d’une nouvelle augmentation sur les trimestres t+1, t+2 et t+3. L'importance de
cette surprise diminuerait sur les 3 trimestres, juste comme les autocorrélations
correspondantes diminuaient. L'hypothèse prévoit également que le marché serait
surpris qu'une partie du résultat du trimestre t en augmentation tend à s’inverser au
quatrième trimestre, c’est-à-dire au trimestre t+4. Ainsi, le marché réagirait
négativement en moyenne aux annonces des résultats au trimestre t+4. Les prévisions
des réactions du marché aux annonces des résultats des trimestres t+1 à t+4 sont
uniquement basées sur l'information du résultat disponible du trimestre t. De même, la
prévision concernant le trimestre t+1 est plus aisément caractérisée en terme
d'inversion d'une sur-réaction antérieure.
Les résultats de Bernard et Thomas (1989, 1990) et Wiggins (1991) sont
conformes aux prévisions ci-dessus. Dans l’étude de Bernard et Thomas (1990), une
position longue (courte) de titres à excellentes (piètres) nouvelles au trimestre t produit
une rentabilité anormale positive autour de la date d’annonce de bénéfices de 1,32%
(1,32%), puis décline à 0,70% (0,04%). Les bonnes nouvelles (mauvaises nouvelles)
sont définies dans l’étude de Bernard et Thomas (1990) en terme de surprises de
bénéfices positives (négatives). La même position rapporte une rentabilité anormale de
-0,66% autour de la date d’annonce des résultats au quatrième trimestre.
Le graphique 2.4 de l’annexe 3 présente le comportement des titres à bonnes et
à mauvaises nouvelles sur les quatre trimestres suivant l’annonce des résultats - et – du
modèle arbitré. Les résultats ne suivent pas une marche aléatoire saisonnière. Les
rentabilités évaluées sur des intervalles de longue période montrent le même résultat,
mais la concentration des rentabilités anormales autour de la date d’annonce suggère
des corrections perpétuelles des cours des titres.
La stratégie d’investissement suggérée par ce qui précède implique une position
longue en titres à bonnes nouvelles et une position courte en titres à mauvaises
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
114
nouvelles sur les trois trimestres suivant l’annonce de bénéfices, puis une inversion des
positions au quatrième trimestre. Les rentabilités anormales indiquées sont
approximativement 11,5%, 10% et 5% pour les petites, moyennes et grandes sociétés
sur les quatre trimestres suivant l’annonce de bénéfices en combinant les stratégies
d’investissement précédentes. Bernard et Thomas (1990) décrivent une autre stratégie
d’investissement basée sur la formation de portefeuille à investissement nul avant et
autour de la date d’annonce de bénéfices. Cette stratégie implique des positions de 15
jours avant la date d'annonce du résultat et une détention de celles-ci jusqu’à la date
d'annonce du bénéfice. De longues positions (courtes) sont maintenues dans les titres à
surprise de bénéfices élevée (faible) dans les trois derniers quarts, ou les titres à
surprise de bénéfices faible (élevée) sur le dernier trimestre passé. La rentabilité
anormale indiquée est 4,2% au cours de la période de détention moyenne de 15 jours.
3.2.2 La sous-réaction des investisseurs
Selon Bernard et Thomas (1989, 1990), leurs résultats impliquent une sousréaction du marché aux annonces de bénéfices. D'abord, leurs résultats montrent que
l’effet persistance des rentabilités anormales aux annonces de bénéfices n’est pas dû à
des erreurs méthodologiques. Deuxièmement, les rentabilités anormales suite à la
publication de bénéfices ne s’expliquent pas par le facteur de risque. Une explication
fondée sur le risque arguerait que les titres à bonnes (mauvaises) nouvelles seraient des
titres très (faiblement) risqués. Ball, Kothari et Watts (1990) concluent qu’il est peu
probable que les hypothèses fondées sur le risque expliquent même une petite portion
des rentabilités anormales observées par Bernard et Thomas (1990) sur les 3 à 5 jours
autour de la date d’annonce des résultats. Ball (1992) suggère également que la
tendance prolongée des rentabilités aux annonces de bénéfices ne peut pas être
expliquée par le facteur risque. Troisièmement, les anomalies du marché telles que les
effets PER, taille et l’énigme « Value Line» de Mendenhall (1991) n’expliquent pas
l’anomalie de la surprise de bénéfices. Enfin, les résultats montrent également qu’il est
difficile d’attribuer cette anomalie aux coûts de transaction. Tout simplement, la
théorie traditionnelle financière n’explique pas de manière convaincante le phénomène
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
115
de la surprise de résultats mis en évidence par Beaver (1968) et Ball et Brown (1968).
Ainsi, pour Bernard et Thomas (1989, 1990) et Bernard (1993) il n’y a aucun doute :
les investisseurs sous-réagissent aux annonces de bénéfices. Les bénéfices inattendus
sont partiellement intégrés dans les prix et ceci leur confère un pouvoir prédictif en
matière de rentabilités futures.
Chan, Jegadeesh et Lakonishok (1996) relient la sous-réaction des investisseurs
aux annonces de bénéfices à l’effet « momentum » sur le court terme mis en évidence
par Jegadeesh et Titman (1993). Pour ces auteurs, les titres dont les surprises de
bénéfices ont été bonnes au cours de l’exercice écoulé, continueront leur lancée au
cours de l’exercice suivant, et ceux dont les surprises de bénéfices sont médiocres ne
redresseront pas la situation l’année suivante. Toutefois, Lesmond, Schill et Zhou
(2004) ont récemment montré que le « momentum » ne fait que créer l’illusion de
profits excédentaires parce qu’il requiert des transactions fréquentes et les coûts
associés sont particulièrement élevés.
Selon Barberis, Shleifer et Vishny (1998), le mécanisme d’ancrage expliquerait
la sous-réaction des investisseurs aux annonces de bénéfices. Les investisseurs sujets à
l’heuristique d’ancrage ne révisent pas suffisamment leur croyance afin de l’ajuster à
l’information récente, en l’occurrence, les annonces de résultats. En effet, l’effet
d’ancrage se manifeste dans les estimations numériques lorsque l’individu a déjà fait
une première estimation et n’arrive pas à l’ajuster aux nouvelles données (Kahneman
et Tversky, 1974).
Daniel, Hirshleifer et Subrahmanyam (1999), expliquent la persistance des
rentabilités observées suite aux annonces de bénéfices sur des périodes, par l’excès de
confiance et le biais d’attribution. Pour ces auteurs, l’excès de confiance a, à la fois, un
effet direct et un effet indirect sur la façon dont les individus traitent l’information.
L’effet direct est simplement lié au fait que les individus accordent plus d’importance
à l’information qu’ils collectent eux-mêmes car ils ont tendance à surestimer sa
précision. L’effet indirect de l’excès de confiance relève, quant à lui, du fait que les
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
116
individus filtrent l’information et biaisent leur comportement de sorte que cela leur
permet de maintenir leur confiance. D’où le biais d’attribution souligné par Daniel,
Hirshleifer et Subrahmanyam (1999). Ils montrent que les investisseurs estiment la
valeur d’un titre avec leur propre évaluation sous la combinaison des deux biais
suscités. Donc, les investisseurs sur-pondèrent l’annonce de bénéfices qui confirme
leur première évaluation et sous-pondèrent l’annonce de bénéfices qui infirme celle-ci.
Par conséquent, leurs estimations ne font qu’augmenter avec le temps, ce qui produit
la sous-réaction aux annonces de bénéfices sur le court terme comme une sorte de surréaction différée dans le temps ou à retardement.
3.2.3 La sur-réaction des investisseurs
Tandis que la majeure partie des résultats discutés jusqu'ici suggère une sousréaction aux annonces de bénéfices, des études évoquent une sur-réaction aux
annonces de bénéfices. Une partie de telles études a été motivée par un désir
d'identifier la source du retour à la moyenne des cours des actions sur le long terme,
mis en évidence par De Bondt et Thaler (1985). L’idée d’un retour à la moyenne des
prix est également soulignée par Fama et French (1988) et Poterba et Summers (1988).
Fama et French (1988) et Poterba et Summers (1988) confirment le phénomène de
retour à la moyenne des prix, en montrant que les autocorrélations exhibent
effectivement une courbe en forme de U, témoignant ainsi la présence de deux
composantes - marche aléatoire et composante « mean reverting » - dans le prix.
Toutefois, alors que Poterba et Summers (1988) interprètent la présence
d’autocorrélations négatives comme une source d’inefficience, Fama et French (1988)
estiment que ce phénomène peut être dû au fait que les rentabilités espérées ne sont
pas constantes au cours du temps. De Bondt et Thaler (1985) expliquent quant à eux le
phénomène de retour à la moyenne par la sur-réaction des individus aux mouvements
de prix récents. Si cette explication de la sur-réaction semble adéquate à l’explication
des fluctuations des prix à la publication des résultats, elle soulève une question
intéressante. Les déviations ont-elles pu être conduites par une sur-réaction antérieure
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
117
des résultats ? Si tel est le cas, pourquoi, en l’occurrence, les résultats ne
s’inverseraient-ils pas ultérieurement?
La première étude sur une possibilité de sur-réaction des cours boursiers aux
annonces des bénéfices est de De Bondt et Thaler (1987) et la deuxième est celle de
Ou et Penman (1989a). Bien que ces auteurs aient supposé une possible justification
des réactions aux annonces de bénéfices par une sur-réaction, ils ont adopté des
interprétations différentes. D'abord, dans quelle mesure les faits sont-ils conformes à la
sur-réaction contre l'explication alternative? En second lieu, comment peuvent-ils être
réconciliés avec les résultats précédemment décrits suggérant la sous-réaction aux
annonces de bénéfices? Les résultats clés de De Bondt et Thaler (1987) et d’Ou et
Penman (1989a, 1989b) sont présentés dans le tableau 2.3.
Tableau 2.3 – Résultats des études de De Bondt et Thaler (1987) et Ou et Penman (1989b) in Bernard
(1993)
Changement médian du Bénéfice par Action
Rentabilités ajustées à la
sensibilité du marché
Porte-
Critère
de Période
feuilles
constitution des formation
portefeuilles
de Période
dernière
du test
année
portefeuille
de
1
ère
année de la Période
la période test
période test
de Période test
formation du
portefeuille
Tableau 2.3.A : Source De Bondt et Thaler (1987) (période test sur 4 années de 1970-1973 à 1980-1983)
Perdants
CAR passée sur 5 -49% sur 3 année
27% sur 4 -12%
ans faible
année
Gagnant
CAR passée sur 5 20% sur 3 année
-5% sur 4 8%
s
ans élevée
année
6%
-81% sur 4 ans 25%
sur
4
ans
-3%
128% sur 4 -12% sur 4
ans
ans
Tableau 2.3.B : Source Ou et Penman (1989b) (période test sur 4 années de 1973-1974 à 1983-1983)
Haut Pr.
Forte Probabilité -168% sur 1 an
Non
de croissance des
reporté
bénéfices
(sur 2 ans)
Faible
Faible Probabilité 66% sur 1 an
Non
Pr.
de croissance des
reporté
bénéfices
(sur 2 ans)
-168%
-81%
-42% sur 1 an
6% sur 2 ans
66%
-11%
37% sur 1 an
-22% sur 2
ans
La variable Pr est une estimation de la probabilité de croissance des bénéfices annuels de l’exercice suivant, fondée sur une
fonction de variables financières identifiées dans le bilan comptable et évaluées sur données historiques. La méthodologie
suppose que les données financières sont disponibles au moins sur trois mois pour calculer la variable Pr à la fin de
l’exercice fiscal. La période test débute au premier jour du quatrième mois suivant la fin de l’année fiscale. La variable CAR
est la rentabilité cumulée ajustée au facteur de marché, évaluée sur 4 années.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
118
Les diverses controverses et les doutes jetés sur les premiers travaux de De Bondt
et Thaler (1985) ont amené ces derniers à approfondir leur hypothèse de la surréaction. Les rentabilités cumulées sur quatre années des portefeuilles gagnants et
perdants sont ajustées à un indice représentatif du marché. L'hypothèse de sur-réaction
prévoit une inversion partielle de ces rentabilités sur la période test. Les résultats de
De Bondt et Thaler (1987) sont consignés dans le tableau 2.3.A. Les perdants
historiques surperforment les gagnants historiques de 37% sur la période test (Tableau
2.3.A). Les conclusions principales de l’étude de De Bondt et Thaler (1987) sont les
suivantes :
-
l’effet de sur-réaction ou effet gagnant-perdant ne peut être attribué aux
changements de risque mesurés par bêtas. Ce résultat est conforme aux travaux
de Schwert (1990).
-
L’effet gagnant-perdant n’est pas dû à un effet taille. Toutefois, en évacuant
l’effet de la sur-réaction il subsiste des taux de rentabilité en excès pour les
petites capitalisations.
-
Une explication possible du phénomène de la sur-réaction serait une perception
incorrecte des bénéfices futurs, dans des situations extrêmes caractérisées par
de fortes baisses récentes en bourse. Un lien est trouvé entre l’appartenance à
une classe de performance boursière donnée et un renversement de tendance
dans des bénéfices ultérieurs.
Les résultats montrent que les bénéfices ne suivent pas strictement une promenade
aléatoire ,mais ils s’inversent. Les résultats de De Bondt et Thaler (1987) sont
conformes à ceux de Bernard et Thomas (1989, 1990) où il y a une autocorrélation
négative au quatrième trimestre après l’annonce des bénéfices des titres. Ces différents
résultats ont été mis en doute par Zarowin (1989, 1990), Klein (1990) et Abarbanell et
Bernard (1992).
Zarowin (1989) réfute le fait que la performance supérieure des titres qui ont eu de
mauvais bénéfices soit due à une quelconque sur-réaction d’investisseurs qui seraient
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
119
myopes. L’effet de la sur-réaction ne serait qu’un effet taille (Zarowin, 1990). Pour cet
auteur, s’il est vrai que les sociétés ayant eu des bénéfices médiocres surperforment
celles qui ont eu de bons bénéfices, cette différence de performance a tendance à
disparaître lorsque les portefeuilles sont contrôlés par le facteur taille. En effet,
Zarowin (1989, 1990) montre qu’il y a peu de différence de performance subséquente
entre les sociétés de même taille ayant eu de médiocres et de bons bénéfices.
Klein (1990) examine également l’hypothèse selon laquelle les investisseurs surréagissent aux annonces des bénéfices. Les résultats sont plutôt conformes à une
hypothèse de sous-réaction qu’à une hypothèse de sur-réaction. Klein (1990) constate
que les analystes financiers montrent un excès d’optimisme et de pessimisme sur les
perspectives de bénéfices futurs des titres perdants et gagnants au sens de De Bondt et
Thaler (1985, 1987). Les travaux de Klein (1990) sont en contradiction avec ceux de
De Bondt et Thaler (1990) qui montrent que les analystes financiers font preuve d’un
excès d’optimisme sur les portefeuilles perdants et gagnants, mais ils sont conformes à
une hypothèse de sur-réaction.
Abarbanell et Bernard (1992) répliquent l’étude de De Bondt et Thaler (1990). Ils
concluent que la source des rentabilités anormales aux annonces des bénéfices n’est
pas due à une sur-réaction du marché mais à une sous-réaction des analystes.
Ou et Penman (1989a, 1989b) estiment une mesure qu’ils nomment Pr à partir
des données historiques des états financiers pour prédire les bénéfices et les
rentabilités des titres. La mesure Pr. représente également la probabilité
d’augmentation des résultats annuels futurs. En utilisant les valeurs Pr estimées des
titres, ils forment des portefeuilles et évaluent leurs rentabilités. Les résultats de Ou et
Penman (1989) sont consignés dans le tableau 2.3.B. Les sociétés à faibles (forts)
résultats récents ont des Pr. élevées (faibles) et des résultats ultérieurs croissants
(décroissants). Les sociétés à faible Pr sous-performent les sociétés à forts Pr. avant la
formation des portefeuilles et après la formation des portefeuilles, le modèle est
inversé juste comme les résultats de De Bondt et Thaler (1987). Dans ce sens, les titres
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
120
à faibles (forts) Pr correspondent aux gagnants (perdants) de De Bondt et Thaler
(1987). L’on note une similitude entre les résultats de Ou et Penman (1989a et b) et
ceux de De Bondt et Thaler (1987). Néanmoins, les résultats de Ou et Penman ne sont
pas concentrés au mois de janvier. Le défi le plus sérieux aux travaux de Ou et
Penman est ceux de Holthausen et Larker (1992). Ils reprennent les travaux de Ou et
Penman. Ils montrent que la stratégie de Ou et Penman a été moins profitable l’année
1983, dernière année de test de Ou et Penman. Quand Holthausen et Larker (1992)
raffinent la stratégie de Ou et Penman légèrement, ils ne trouvent aucune explication
pour leur résultat.
3.2.4 La réconciliation des phénomènes de sur-réaction et de
sous-réaction des investisseurs
Les travaux de De Bondt et Thaler (1987) et Ou et Penman (1989a) montrent
une sur-réaction des investisseurs à l’annonce de bénéfices, tandis que ceux de
Bernard et Thomas (1989, 1990) montrent une sous-réaction du marché aux annonces
de bénéfices. Les deux ensembles de résultats sont potentiellement réconciliables. Les
phénomènes de sous-réactions et sur-réactions aux annonces des résultats se
produiraientent simultanément, mais sur des périodes différentes. Spécifiquement, les
cours des actions pourraient sous-réagir aux annonces des résultats, alors que des surréactions se produiraient seulement dans des conditions trop complexes, pour être
capturées de façon simple sur les changements antérieurs des résultats de la période.
Cette possibilité pourrait expliquer le phénomène de sous-réaction aux annonces de
bénéfices par Bernard et Thomas (1989) fondée sur les surprises de bénéfice et celui
de sur-réaction par De Bondt et Thaler (1987) fondée sur les rentabilités historiques.
Tel fait est également conforme à la première possibilité de sous-réaction, et, la
deuxième possibilité a pu être distinguée dès le début seulement, en identifiant un
certain raccordement entre toutes les sur-réactions existantes et les annonces
antérieures de bénéfices. Par exemple, il pourrait y avoir des conditions dans lesquelles
les cours des actions ne reflètent que des tendances courantes de résultats susceptibles
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
121
d'être inversées (Ou et Penman, 1989a et 1989b). En d’autres termes, la sur-réaction
aux annonces de bénéfices est transitoire.
Une autre possibilité est que la réponse du marché à la publication des résultats est
une simple caractérisation de sous-réaction et/ou sur-réaction. Comme le décrit
Bernard et Thomas (1990), si les prix reflètent des espérances naïves de résultats
(promenade aléatoire saisonnière) alors les rentabilités anormales suite aux annonces
de bénéfices iraient dans la même direction que les nouvelles de résultats.
L’observation des rentabilités anormales suite aux annonces de bénéfices apparaîtrait
comme un accomplissement d'une première sous-réaction. Ensuite, comme les prix
reflètent une tendance moins extrême que les résultats annoncés, il se produirait une
inversion de certaines rentabilités anormales. De ce fait, cette correction des prix des
titres est plutôt une sur-réaction aux annonces de bénéfices. Un tel modèle semblerait
être justifié par Bernard et Thomas (1989, 1990). Des modèles comportementaux
récents [voir Barberis, Shleifer et Vishny (1998) et Daniel, Hirshleifer et
Subrahmanyam (1999)] attestent cette théorie.
Le modèle de Barberis, Shleifer et Vishny (1998) suggère que les structures des
informations passées déterminent la réalisation de la sous-réaction et/ou sur-réaction
aux annonces de bénéfices. Quand une chaîne de bonnes ou de mauvaises nouvelles de
résultats arrive, les investisseurs sujets à l’heuristique de représentativité, surréagissent à cette chaîne d’information. Quand une série d’annonces de résultat ne suit
pas une tendance, les investisseurs sujets à l’heuristique d’ancrage – ajustement sousréagissent à cette information. Puisque ces deux structures d’information sont
distinctes, la sous-réaction aux annonces de bénéfices ne contredit pas la sur-réaction
aux annonces de bénéfices. Le modèle de Barberis, Shleifer et Vishny (1998)
réconcilient l’hypothèse de la sur-réaction aux annonces de bénéfices de De Bondt et
Thaler (1987) et celle de la sous-réaction aux annonces de bénéfices de Bernard et
Thomas (1989).
Dans le modèle de Daniel, Hirshleifer et Subrahmanyam (1999), la continuité de la
sur-réaction résulte du biais de l’autosatisfaction des investisseurs. Les investisseurs
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
122
mettent à jour leur croyance en relation aux réalisations de leur anticipation de résultat.
S’ils reçoivent un signal confirmant leur confiance ou leur prévision, ils révisent à la
hausse leur confiance pour les prochaines anticipations. Dans ce cas, leur décision est
influencée par les biais d’excès de confiance et d’auto-attribution. Au contraire, si leur
prévision de résultat n’est pas confirmée, ils attribuent leur anticipation à un bruit
extérieur et ils l’ignorent. Ainsi, il y a une sur-réaction initiale sur le court terme juste
comme une sous-réaction aux annonces de résultats puis une sur-réaction finale aux
annonces de résultats sur le long terme.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 2 – La réaction du marché aux annonces de bénéfices : une revue de la littérature
123
Le tableau 2.4 présente les conclusions des principales études consacrées à
l’annonce des bénéfices.
Tableau 2.4 - Explications données aux réactions du marché aux annonces de bénéfices
Hypothèses explicatives des réactions du marché aux annonces de bénéfices
Approches Rationnelles
Méthodologiques
-
Foster, Olsen et Shevlin (1984)
-
Mendenhall (1991) : énigme « value Line »
-
Fama et French (1996) : biais de survivance
Facteurs de risque
-
Foster, Olsen et Shevlin (1984)
-
Ball, Kothari et Watts (1993)
-
Ball et Bastov (1996)
-
Mendenhall (2003) : risque d’arbitrage
Autres :
-
Kothari, Lewellen et Warner (2003) : les chocs des taux d’escompte expliquent une
fraction de l’ajustement progressif des cours boursiers aux annonces de bénéfices.
-
Hirshleifer, Myers, Myers et Teoh (2003) montrent que l’ajustement progressif des cours
boursiers aux annonces de bénéfices n’est pas expliqué par les transactions des
investisseurs individuels
Approches
Sur-réaction
Comportementales
(comportements
psychologiques
des
agents
Sous-réaction
-
De Bondt et Thaler (1985, 1987)
-
Bernard et Thomas (1989, 1990)
-
De Bondt et Thaler (1990)
-
Ali, Klein et Rosenfeld (1992)
-
Ou et Penman (1989a, 1989b)
-
Abarbanell et Bernard (1992)
-
Chan, Jegadeesh et Lakonishok (1996)
-
Liu, Strong et Xu (2003)
économiques et financiers)
Sous- et sur-réaction
-
Barberis, Shleifer et Vishny (1998)
-
Daniel, Hirshleifer et Subramahnyam (1999)
-
Hong et Stein (1999)
Critique de Fama (1998)
Les phénomènes de la sous-réaction et sur-réaction sont des phénomènes hasardeux (Il y a autant
de sous-réactions que de sur-réactions observées). Le modèle des marchés efficients n’a pas de
modèle alternatif « pour toutes les saisons ».
L’impact de l’annonce de bénéfices sur le marché financier français.
Conclusion première partie
124
CONCLUSION DE LA PREMIERE PARTIE
La revue de littérature a montré que l’existence d’une tendance prolongée des
réactions du marché aux annonces de bénéfices est admise sur les marchés financiers.
L’étude du contenu informationnel des annonces de bénéfices a été mise en évidence
par Ball et Brown (1968) et Beaver (1968). Leurs travaux ont été motivés par les
émergences de l’hypothèse d’efficience des marchés financiers, du MEDAF et des
études d’événements. L'anomalie d’« annonce de bénéfices » pose un sérieux défi à
l'hypothèse d’efficience des marchés financiers. Elle a survécu à une batterie de tests
de Bernard et Thomas (1989, 1990) sur le marché américain et beaucoup d'autres
tentatives sont loin de l'expliquer. La survie de l'anomalie quarante ans après sa mise
en évidence par Ball et Brown (1968) et Beaver (1968) laisse penser à une explication
comportementale du marché. Dès lors, l’irruption de la question des comportements
des agents dans la finance a donné lieu à la finance comportementale. Néanmoins, la
revue de littérature a montré également que les cours s’ajustent lentement aux
informations contenues dans les annonces de bénéfices.
Les sections qui suivent présentent la partie empirique, précisément, la
méthodologie de recherche et les études empiriques de la thèse sur les réactions du
marché aux annonces des bénéfices.
L’impact de l’annonce de bénéfices sur le marché financier français.
Deuxième partie : Partie empirique
125
SECONDE PARTIE – PARTIE EMPIRIQUE : LA
METHODOLOGIE GENERALE DE LA RECHERCHE ET LES
ETUDES EMPIRIQUES
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
126
CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA
RECHERCHE
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
127
1 INTRODUCTION
Le présent chapitre présente d'abord, les bases de données et la période
d’étude16. Il définit ensuite, les mesures des surprises de bénéfice puis, présente les
différents choix méthodologiques de calcul des performances anormales et ceux
retenus pour les études empiriques. Enfin, les méthodes statistiques utilisées sont
exposées.
2 LES BASES DE DONNEES UTILISEES, PERIODE D’ETUDE ET
SELECTION DES TITRES
Notre étude empirique utilise les bases de données Datastream International
pour les données financières et comptables et I/B/E/S pour les prévisions des bénéfices
des analystes financiers.
2.1 La base de données Datastream International
2.1.1 Description de la base de données Datastream International
La base de données Datastream International rassemble des données
chronologiques concernant les indicateurs économiques et les instruments financiers
cotés sur plus de soixante marchés internationaux. A la différence d’autres bases de
données financières (Reuters, Bloomberg, Telerate, …) qui proposent des données en
temps réel, l’intérêt de la base de données Datastream International réside dans la mise
à dispositions des séries chronologiques qui peuvent atteindre plus de trente années
pour certains instruments.
16
Je tiens à remercier l’Université Paris Dauphine pour m’avoir permis d’accéder à la base de données
Datastream International. Je remercie la société Thomsom Financial, en particulier à Pamela Grant, Academic
Program Administrator à Thomson Financial, pour m’avoir permis d’obtenir la base de données I/B/E/S. Je tiens
aussi à remercier M. et Mme Labegorre de m’avoir fourni un programme pour extraire les données des sociétés
françaises de la base de données I/B/E/S.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
128
La base de données actions concerne plus de 50 000 titres sur soixante quatre
marchés développés et émergents. Un historique de vingt-cinq années de données
financières est disponible pour la plupart des marchés développés. En parallèle, des
informations comptables de principales sociétés cotées sont accessibles dans un
module synthétisant les états financiers annuels.
La couverture des données financières pour la France commence à 1973.
Depuis 1989, le nombre de titres cotés à la bourse de Paris dont les données
financières et comptables sont disponibles s’est sensiblement accru. Les données
comptables pour la France couvrent 85 % de la capitalisation boursière de la place de
Paris depuis 1983 et exclut de fait les plus petites capitalisations.
2.1.2 Les données financières et comptables de la base de
données Datastream International
Diverses données financières et comptables sont disponibles pour les titres ou
les indices dans la base de données Datastream International dont la capitalisation
boursière (MV), le ratio book-to-market value ou valeur comptable /valeur de marché
(BTMV), le Price Earning ratio (PER), le ratio cash-Flow sur flux de trésorerie par
action (CF/P), les cours journaliers et mensuels des titres actions (C) , les cours des
indices CAC 40 et SBF 250 et les taux monétaires (Rf) de la place financière de Paris
(TAM).
Les cours sont ajustés aux émissions de titre
Pour assurer la cohérence des données financières sur longue période, les cours
sont ajustés pour tenir compte des opérations intervenant dans le capital des sociétés
concernées.
Quand une société émet des actions avec bons de souscriptions ou des actions
gratuites, un facteur d’ajustement est appliqué à l’historique de cours, aux dividendes
et bénéfices par actions et d’autres variables jusqu’au jour de la date effective
d’émission. Les données passées et actuelles sont ainsi rendues comparables.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
129
Quand une société effectue simultanément plusieurs opérations sur le capital,
les émissions sont traitées de façon indépendante et chronologique. Dans ce cas, le
facteur d’ajustement appliqué aux données historiques est le produit des facteurs de
chaque émission.
Dans le cas d’une émission d’actions de type différent ou d’actions d’une autre
société ou dans le cas d’une émission d’actions du même type, le facteur d’ajustement
correspond à :
F = PE / P C
(5)
Où PC et PE sont respectivement les cours du titre la veille de l’émission et cours
théorique après l’émission.
En plus des émissions d’actions avec des bons de souscription et d’actions
gratuites, les données théoriques peuvent être ajustées à la suite d’une redistribution de
capital ou de paiement de dividendes exceptionnels.
La capitalisation boursière correspond au cours de l’action multiplié par le nombre
d’actions ordinaires émises :
MVt = Ct * Nt
(6)
La quantité émise est actualisée lorsque de nouvelles tranches de titres sont
émises ou à l’issue d’une opération sur capital. Pour les sociétés qui comptent plus
d’une classe de fonds propres, la capitalisation boursière est exprimée en fonction de
chaque émission.
Le ratio valeur comptable/valeur de marché (VC/VM) correspond à l’inverse du
ratio market value to book value, disponible dans la base de données Datastream
International. Le ratio (VC/VM) correspond donc à la valeur comptable des actifs
corporels nets divisée par la capitalisation boursière :
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
VC/VM = ANvc/VM
130
(7)
Le ratio cours/bénéfices ou price earnings ratio (PER), très utilisé par les
praticiens, correspond au cours de l’action divisé par le bénéfice par action défini
comme le montant du bénéfice à la dernière clôture fiscale divisé par le nombre de
titres.
Différentes informations telles que les consensus des analystes financiers au
sujet des bénéfices et de leur prévision y sont intégrées. Pour ces dernières
informations, nous avons eu recours à la base de données I/B/E/S Internationale.
2.2 La base de données I/B/E/S Internationale
La base I/B/E/S contient aujourd'hui des informations sur 21 000 entreprises,
réparties dans plus de 70 pays dans le monde. En plus des résultats prévisionnels
courants, on trouve dans l'I/B/E/S une base de données historique qui remonte jusqu'à
1976 pour les entreprises américaines et jusqu'à 1987 pour les entreprises
internationales dont les entreprises cotées sur le marché financier français. En effet,
chaque société est identifiée de façon unique dans la base, ce qui permet de suivre
l’historique de la société. De même, chaque maison de courtage et chaque analyste
sont codifiés, autorisant une identification de l’analyste indépendante de son
environnement de travail. IBES propose une base de données consensuelle et une base
de données détaillée. Celles-ci se composent de plusieurs fichiers comme il est montré
dans les schémas 3.1 et 3.2.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
131
Graphique 3.1 - Présentation de la structure de la base de données I/B/E/S detail
SIG Codes
Exclusions File
Actuals File
Identifier File
Stopped ests File
Exchange Rates Files
Detail Estimates
File
Adjustments File
Estimate Currencies
Broker/Analyst Translations
Graphique 3.2 - Présentation de la structure de la base de données I/B/E/S consensuelle
SIG Codes
Background Data
Identifier File
Adjustments
File
Summary
Estimates
Estimate Currencies
Nous utilisons la base de données détaillée. Le « detail estimates file » est un
fichier contenant le détail des prévisions et il est au cœur de la base de données
détaillée. Il regroupe 11 variables :
le code société (I/B/E/S ticker),
-
le code de la maison de courtage (broker code),
-
le code de l’analyste (analyst code),
-
la monnaie (currency flag) qui indique dans quelle monnaie est suivie la
société,
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
-
132
la dilution (primary/dilued flag), qui indique si une prévision a été reçue sur une
base primaire ou non,
-
l’indicateur de la période de prévision (forecast period indicator), qui indique si
la prévision est trimestrielle (Q) ou semestrielle (S) ou annuelle (A),
-
la prévision (value),
-
la période de prévision (forecast period end date),
-
la date de prévision (estimate date),
-
la date de confirmation de la prévision (review date),
-
la variable prédite (measure), par exemple EPS s’il s’agit du bénéfice par action
(BPA) qui est estimé.
Le fichier « Detail File » contient le détail des prévisions, soit 517 122
observations.
Toutes les données du fichier sont ajustées. Les bénéfices sont totalement dilués. Il
est possible de revenir aux données initiales. Pour la dilution comme pour les divisions
de nominal, il suffit d’utiliser les facteurs d’ajustement contenus dans les fichiers
« adjustments file » et « identifier file ».
Les autres fichiers illustrant le schéma viennent également compléter le fichier
central. Nos fichiers I/B/E/S datent de l’année 2000, précisément, la période de janvier
1987 à juin 2000. En plus des trois fichiers précédemment mentionnés, les autres
fichiers de la structure de la base données I/B/E/S detail sont les suivants :
-
« stopped estimate file » présente la date à laquelle l’estimation a été enlevée de
la base de données,
-
« actual file » indique la valeur réalisée du bénéfice par action. Cette donnée est
compilée sous la même forme que la prévision. Il s’agit d’un résultat
opérationnel « operating earnings » en opposition au résultat net ou « net
income ». Ce fichier contenant les réalisations comporte 16 296 observations.
-
S/I/G Codes fournit les codes et secteurs d’activité des firmes de la base de
données I/B/E/S.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
-
133
Les fichiers « Exchange rate File » et « Report Currency File » fournissent les
taux de conversion des devises dont l’Euro pour les sociétés européennes
faisant partie de la Communauté Economique Européenne (CEE).
I/B/E/S uniformise ces données et contrôle sa cohérence.
Dans le cadre du marché français et également sur d’autres marchés internationaux,
I/B/E/S collecte gratuitement ces informations auprès des analystes. Ces derniers
envoient leurs prévisions et révisions en échange d’un accès gratuit à la base de
données. Obtenir de l’information sur les sociétés n’est pas le seul but des analystes.
Participer aux grandes bases de données est également un argument commercial
comme l’a souligné Gauquié (1999). Les analystes utilisent, également, les réunions
privées avec les dirigeants pour affiner leurs prévisions (Gauquié, 1999).
La base de données I/B/E/S est une base de donnée développée, offrant de
nombreux axes de recherche, notamment le comportement des investisseurs (et des
cours) suite aux publications des résultats. Le détail analyste par analyste nous permet
d’étendre l’étude spécifique de l’effet surprise de bénéfice sur le marché français.
2.3 Période d’étude et sélection des titres
Les études empiriques utilisent les bases de données DATASTREAM
International et I/B/E/S. L’échantillon concerne tous les titres cotés sur le marché
boursier français. La période d’étude a été choisie en fonction de la période de
disponibilité des bénéfices prévisionnels provenant de la base de données I/B/E/S des
sociétés françaises. La période d’étude choisie s’étend de janvier de 1988 à décembre
1999. Nous excluons l’année 1987 à cause du krach boursier d’octobre 1987.
D’un point de vue général, les titres ont été sélectionnés suivant la disponibilité
des données financières et comptables des bases de données DATASTREAM
International et I/B/E/S. Dans un premier temps, nous partons d’un fichier de quatre
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
134
cent douze sociétés cotées sur le marché boursier française, le fichier « FFRA »17. Ce
fichier « FFRA » est un fichier établi préalablement à partir de la base de données
DATASTREAM International, indépendamment des différents compartiments de la
bourse de Paris (Règlement Mensuel, Premier Marché, Second Marché, Nouveau
Marché et le Marché Libre)18. Ces sociétés concernent aussi bien des sociétés
industrielles que des sociétés financières. Nous effectuons un second tri de notre
échantillon suivant les données disponibles dans I/B/E/S. L’échantillon sélectionné
consiste à retenir toutes les sociétés du fichier « FFRA » de la base de données
DATASTREAM International ayant des bénéfices prévisionnels. Ces titres de sociétés
disposent de toutes les données nécessaires à la réalisation de nos différentes études
empiriques. Ces données sont les ratios « book-to-market » ou ratios valeur comptable
sur valeur marchande de la firme, les capitalisations boursières du titre, les cours ou
prix du titre, les dividendes de la firme, les bénéfices par action du titre, les prévisions
individuelles, le nombre d’analystes qui suivent un titre donné. Nous obtenons ainsi un
fichier de 300 sociétés financières et non financières. Par la suite, nous adoptons la
méthodologie de Levis et Liokadis (1999). Ainsi, un troisième choix est fait selon le
nombre d’analystes suivant une entreprise. Nous nous intéressons aux firmes suivies
par un minimum de deux analystes financiers. Nous enregistrons un total de 253
firmes. Un quatrième tri est effectué en excluant les sociétés financières. Nous
aboutissons à un fichier de 226 entreprises. Enfin, nous sélectionnons les titres aux
ratios « book-to-market » positifs.
Ces critères de sélection nous permettent de disposer d’un échantillon final
d’environ 226 sociétés non financières cotées à la bourse de Paris avec un nombre
approximatif de 2200 annonces annuelles de bénéfices19.
17
Voir la liste de toutes les sociétés du fichier « FFRA » en annexe.4.1.
Dans un souci d’harmonisation avec les autres grandes places boursières, la Bourse de Paris a supprimé le
marché à règlement mensuel le 25 septembre 2000. Il a été remplacé par un système de règlement différé (SRD).
19
Voir l’annexe 4.2 pour la liste finale des sociétés sélectionnées pour notre travail.
18
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
3 MESURES
DES
SURPRISES
135
DE
BENEFICES
ET
DES
REVISIONS DE BENEFICES
3.1 Définitions des mesures de surprise de bénéfices
Dans la littérature financière, les surprises de bénéfices sont évaluées soit par
des modèles de séries temporelles soit par les prévisions des analystes financiers. Nous
ne nous intéressons qu’aux dernières possibilités d’estimations des surprises de
bénéfice.
La recherche en finance utilise fréquemment les prévisions des analystes comme
anticipations des investisseurs. Ces prévisions peuvent se présenter sous plusieurs
formes :
-
soit en tant que consensus,
-
soit en tant que prévisions individuelles.
Les auteurs utilisent en général le consensus fourni par les bases de données mais
pour notre étude empirique, nous utilisons les prévisions de bénéfices individuelles
que nous agrégeons suivant la date d’annonce du bénéfice. En effet, elle répond plus à
notre étude sur le comportement des investisseurs suivant la publication des bénéfices.
Désormais, la variable PREV désignera les prévisions individuelles moyennes
des analystes financiers à la période t du titre i.
Les bénéfices annoncés pris en compte sont annuels20.
Pour étudier l’impact de l’annonce de bénéfices sur le marché financier
français, nous appliquons la méthodologie de Chan, Lakonishok et Jegadeesh (1996) et
Levis et Kariokis (1999). Elle repose sur des comparaisons systématiques d’une
prévision et d’une réalisation ou de prévisions de bénéfices sur diverses périodes.
Toutes ces comparaisons constituent des erreurs d’estimations de bénéfices. Chan,
Lakonishok et Jegadeesh (1996) ont utilisé ces mesures de surprise de bénéfices pour
20
Les bénéfices courants sont en majorité annuels sur notre période d’étude, c’est-à-dire la période de janvier
1988 à décembre 1999.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
136
étudier l’effet « earning momentum » où ils montrent que l’effet « momentum » est
important autour de la date d’annonce du bénéfice.
Les erreurs d’estimations des bénéfices ou surprises de bénéfices sont non
seulement de précieux indicateurs permettant de juger la qualité des estimations
fournies par les analystes financiers, mais elles sont aussi révélatrices des anticipations
des investisseurs. Elles nous permettent de voir si les investisseurs réagissent
correctement ou sous-réagissent ou sur-réagissent aux annonces des bénéfices.
3.2 Les mesures de surprises de bénéfices
Les erreurs de prévision de bénéfices sont les évaluations classiques des
surprises de bénéfices. Elles permettent de savoir si les investisseurs ont tendance à
sous-estimer ou sur-estimer les annonces de bénéfices selon que l’erreur moyenne
constatée pour chaque période est négative ou positive.
La première mesure d’erreur relative de prévision de bénéfices utilisée
(SUE1) est définie par la formule ci-dessous :
SUE1 = (BPA – PREV) / P
(8)
Où BPA est le bénéfice par action annoncé du titre i de l’année t. La variable
PREV est le bénéfice prévisionnel agrégé correspondant au bénéfice annoncé. De
même, P est le cours correspondant au bénéfice réalisé.
La variable SUE1 tire sa nomination d’erreur relative de prévision de bénéfices
à cause de l’erreur moyenne de prévision du bénéfice (BPA – PREV) dans la
formulation (8). Cette erreur moyenne a été standardisée par le cours du titre.
Cette mesure donne une information supplémentaire en indiquant la proportion
du prix du titre que représente la différence entre la réalisation et la prévision de
bénéfices.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
137
La seconde mesure analysée dans notre étude consiste à standardiser les erreurs de
prévision par la valeur absolue du bénéfice réalisé :
SUE2 = (BPA – PREV) / |BPA|
(9)
Cette mesure donne une information supplémentaire en indiquant la proportion
du bénéfice réalisé courant (BPA) que représente la différence entre la réalisation et la
prévision de bénéfice.
La troisième mesure analysée dans notre étude consiste à standardiser les erreurs de
prévision par la valeur absolue du bénéfice prévisionnel individuel :
SUE3 = (BPA – PREV) / | PREV|
(10)
Cette mesure donne une information supplémentaire en indiquant la proportion
du bénéfice prévisionnel (PREV) que représente la différence entre la réalisation et la
prévision de bénéfice.
La quatrième et dernière mesure analysée dans notre étude consiste à standardiser
les erreurs de prévision par l’écart-type des estimations consensuelles (σPREV) :
SUE4 = (BPA – PREV) / |σPREV|
(11)
Elle donne également une information supplémentaire en indiquant la
proportion de l’écart-type des estimations que représente la différence entre la
réalisation et la prévision.
Les tableaux 3.1 et 3.2 fournissent respectivement les statistiques descriptives
[nombre d’observations (N), médiane (Me), moyenne (M), écart type (s), les tests de
Kolmogorov-Smirnov (Z) et Student (t), les valeurs minimales (Min) et maximales
(Max) et les centiles] et les corrélations non paramétriques des rangs de Kendall (ou
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
138
Tau de Kendall) et Spearman (ou Rho de Spearman) des séries de surprises de
bénéfice SUEi (i = 1, 2, 3 et 4).
Tableau 3.1 – Statistiques descriptives des variables SUEi
Centiles
Variables
N
Me
M
s
SUE1
1954
-0,53
-0,9
2,3
SUE2
1971
-0,72
-3,83
SUE3
1932
-0,89
SUE4
1947
-5,89
Z
t
Min
Max
25ème
50ème
75ème
11,28*** -17,36***
-24,7
13,52
-0,87
-0,53
-0,32
11,57
13,09*** -15,71***
-237,22
120,81
-7,19
-0,72
-0,5
-0,71
0,85
16,86*** -13,49***
-1,00
15,16
-0,94
-0,89
-0,86
-10,56
25,11
16,19*** -6,95***
-943,32
16,17
-11,59
-5,89
-2,93
Note : Le test z de Kolmogorov-Smirnov à un échantillon indique la distribution gaussienne des variables SUEi.
Le test t de Student indique la nullité de la moyenne des variables SUEi.
Les symboles ***, ** et * indiquent les significations des statistiques respectivement aux seuils 1%, 5% et 10%.
Tableau 3.2 – Tests de corrélation de rangs de Kendall et Spearman des variables SUEi
Corrélation: Tau-B de Kendall
SUE1
SUE1
SUE2
SUE3
SUE4
1,00***
0,56*** 0,58*** 0,38**
SUE2
1,00*** 0,65*** 0,61***
SUE3
1,00*** 0,56***
SUE4
1,00***
Corrélation: Rho de Spearman
SUE1
SUE1
SUE2
SUE3
SUE4
1,00***
0,76*** 0,83*** 0,57***
SUE2
1,00*** 0,92*** 0,80***
SUE3
1,00*** 0,84***
SUE4
1,00***
Note : Les symboles ***, ** et * indiquent les significations des statistiques d’association ou de corrélations Tau de Kendall
et Rho de Spearman respectivement aux seuils 1%, 5% et 10%.
Les résultats du tableau 3.1 montrent que les variables surprises de bénéfice
(SUEi) sont des distributions gaussiennes. Le test de Kolmogorov-Smirnov indique des
valeurs respectives de 11,28 ; 13,09 ; 16,86 et 16,19 des SUEi (i = 1, 2, 3 et 4)
significatives au seuil de 1%. Le tableau 3.1 montre également que les variables
(SUEi) sont statistiquement significatives et non nulles précisément, négatives en
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
139
moyenne au seuil de 1%. En effet, les valeurs SUEi (i = 1, 2, 3 et 4) sont
respectivement –0,90 ; -3,83 ; -0,71 et –10,56 en moyenne et les valeurs du test t de
Student des variables SUEi (i = 1, 2, 3 et 4) sont respectivement –17,36 ; -15,71 ; 13,49 et –6,95. Ces valeurs montrent que les investisseurs (et analystes financiers) sont
en moyenne optimistes sur les prévisions de bénéfice sur le marché financier français.
Ces résultats corroborent ceux de Fontowicz (1999).
Le tableau 3.2 présente les résultats du test de corrélation de rangs de Kendall et
Spearman. Ces résultats montrent que les quatre surprises de bénéfice évaluées
différemment sont statistiquement corrélées au seuil de 1%.
Compte tenu des valeurs très significatives des tests non paramétriques de
corrélation de rangs, nous considérons comme mesure d’erreur relative de prévision de
bénéfice la variable SUE1, désormais notée SUE. Cette variable SUE est préconisée par
Derrien et Degeorges (2001).
Les
annonces
des
bénéfices
seront
considérées
comme
de
bonnes
(respectivement mauvaises) nouvelles si :
SUE > 0 (respectivement SUE < 0)
(12)
3.3 Les révisions de prévision de bénéfices (REVM)
La variable (REVM) est définie comme la révision de prévisions de bénéfices sur
M mois. D’après Chan, Jegadeesh et Lakonishok (1996), cette variable est une mesure
de l’effet « earning momentum » c’est-à-dire elle donne une estimation des
informations passées des bénéfices sur M mois. En quelque sorte, elle exprime
l’ampleur de révision des prévisions de bénéfice des analystes sur les M mois passés
avant la communication du bénéfice. De ce fait et par abus de langage, la variable
(REVM) est considérée comme une mesure de surprise de bénéfice. Récemment, la
variable (REV6) ou révision de prévisions de bénéfice sur six mois passés, a été utilisée
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
140
comme une estimation de l’effet « momentum » de bénéfice sur le marché financier
anglais par Liu, Strong et Xu (2003).
La variable (REVM) est formulée de la manière suivante :
REVM = ∑[(PREVi,t-s+1 - PREVi,t-s) / Pi,t-s] pour s allant de 1 à M.
(13)
4 LE CALCUL DES RENTABILITES ANORMALES
Les rentabilités brutes sont calculées à partir des cours et dividendes ajustées
de la base de données DATASTREAM International. Elles sont évaluées de la manière
suivante :
Rit = Log[Pi,t+1 + Di,t+1 / Pi,t]
(14)
Où Pi,t (respectivement Pi,t+1) est le cours ajusté du titre i au début de la période
t (respectivement t+1) et Di,t+1 est le dividende distribué à la période t+1.
Dans la démarche de calcul des rentabilités anormales, il y a plusieurs options
méthodologiques. En effet, pour déterminer la rentabilité anormale moyenne d’un
échantillon de sociétés, il importe de procéder préalablement à la sélection : d’une
perspective temporelle, d’un benchmark, d’une mesure de performance anormale
moyenne et d’un mode de pondération des rentabilités. Il n’existe cependant aucun
consensus en ce qui a trait à la combinaison (perspective temporelle – benchmark –
mesure – mode de pondération) la plus appropriée pour évaluer la performance
anormale moyenne à long terme suite à un événement. Cette absence de consensus
nous amène à fournir au lecteur une synthèse de ces choix méthodologiques afin de
justifier les choix de calcul des performances anormales utilisés dans nos travaux
empiriques.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
141
4.1 Le choix d’une perspective temporelle
La rentabilité anormale moyenne d’un échantillon de firmes peut être calculé en
temps événementiel (« event time ») ou en temps réel (« calendar time »).
Pour étudier la performance anormale moyenne à long terme suite à un
événement donné, il est indispensable de constituer un échantillon. Dans le cas de
notre travail, l’échantillon est composé des firmes qui ont eu affaire à une annonce de
bénéfice sur la période de janvier 1988 à décembre 1999. Cet intervalle de temps
constitue notre période d’étude. Nous mesurons la performance anormale moyenne de
notre échantillon de firmes cotées sur le marché boursier français sur des périodes de
15 à 36 mois avant et après chaque annonce de bénéfice. Ces horizons de temps de T
(15 à 36) mois dépendent de l’amplitude entre deux annonces de bénéfices
successives. Ainsi, nous avons des horizons de T périodes variantes. Ils dépendent
aussi du temps de revirement des annonces de bénéfice. Il convient de souligner
qu’effectuer une étude des performances des titres suite aux annonces de résultat sur
des horizons de moyen et long terme est très délicate.
En effet, l’objectif de l’étude étant de quantifier l’impact des annonces de
bénéfices sur la rentabilité anormale boursière à court, moyen et long terme sous des
approches de l’orthodoxie financière ou de l’hétérodoxie financière, il était important
de constituer un échantillon, prédéterminer une période d’étude et fixer un horizon de
temps de T périodes sur lesquels seront calculées ces performances anormales
moyennes.
Nous pouvons maintenant définir ce que nous entendons par étude en temps
événementiel et étude en temps réel.
4.1.1 L’étude en temps événementiel
Une étude en temps événementiel fait abstraction du temps réel, c’est-à-dire des
dates effectives (jour, mois, année) où se sont produits les événements d’un
échantillon. Ce qui importe plutôt, c’est le temps événementiel ou relatif. Ce dernier
débute à la date événementielle « 0 » et se termine T périodes plus tard.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
142
Considérons une étude sur la performance anormale à long terme avec les spécificités
suivantes :
Taille de l’échantillon : 226 firmes
Nature de
l’échantillon :
Firmes non financières cotées sur le marché boursier français
ayant procédé à une annonce de bénéfice
Période de l’étude :
Janvier 1988 à décembre 1999
Horizon de l’étude :
36 mois avant et après l’annonce des bénéfices
Supposons que la firme (1) de cet échantillon ait procédé à une annonce de
bénéfice au cours du mois de janvier 1988. Afin de déterminer la rentabilité anormale
de cette firme sur les 36 mois avant et après l’annonce du bénéfice, il est nécessaire de
recenser ses rentabilités mensuelles sur la période de janvier 1985 à janvier 1991. La
date « 0 » marque le mois de l’événement, c’est-à-dire le mois de janvier 1988. Les
dates « -1 » et « +1 » sont attribuées respectivement aux mois de décembre 1987 et
février 1988, puisqu’ils correspondent aux premiers mois précédant et suivant le mois
de l’annonce. Ces attributions se poursuivent jusqu’aux dates « -36 » et « +36 » que
l’on associe respectivement aux mois de janvier 1985 et janvier 1991, puisqu’ils
correspondent respectivement aux trente-sixième mois écoulés avant et après le mois
de l’événement. A chacune de ses 72 dates c’est-à-dire les 36 dates avant et après
l’événement est évidemment jumelé la rentabilité mensuelle correspondant de la firme
(1). Cette démarche permet de construire un vecteur ligne qui liste les rentabilités
mensuelles de la firme (1) au cours des 36 mois précédant et suivant le mois de
l’annonce du bénéfice.
L’application de cette démarche aux autres sociétés de l’échantillon permet de
générer un total de 226 vecteurs ligne. Ces vecteurs lignes débutent par la rentabilité
mensuelle associé à la date « -36 » et se terminent par la rentabilité mensuelle recensée
à la date « -36 ». Ces bornes inférieure et supérieure définissent le cadre temporel de
cette étude en temps événementiel si l’on décide d’appliquer la méthode de l’étude
d’événement en temps événementiel.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
143
Graphique 3.3 – Illustration du concept de temps événementiel
Firme 1………................................
Rsue,1,n
………………………………………….
..................................................................................................................................................
..................................................................................................................................................
Firme i………………………........
Rsue,i,n ………………………………………….
..................................................................................................................................................
.
.
Firme 226………………………….
Rsue,226,n ….……………………………………….
Où
Rsue,i,n = rentabilité de la firme i au cours du nième mois suivant le mois de l’annonce du
bénéfice.
4.1.2 L’étude en temps réel
Comme son nom l’indique, une étude en temps réel tient compte du temps réel,
c’est-à-dire des dates effectives où se sont produits chacun des événements d’un
échantillon. Ainsi, le moment où l’événement survient ne porte plus la date « 0 »,
comme dans le cas de l’étude en temps événementiel, mais bien la date réelle où s’est
produit l’événement qui se termine T périodes plus tard. Il peut commencer à T’ (T’
peut être égal à T). Ceci est le cas de notre exemple précédent, T’ périodes plus tôt si
l’on décide d’étudier les performances anormales précédant l’événement en question.
Cette définition du temps réel s’applique à tous les événements d’un échantillon. Ce
faisant, le cadre temporel d’une étude réalisée en temps réel ne se limite pas à
l’horizon de l’étude. Il se rapproche plutôt de la notion de période de l’étude que nous
avons défini au tout début de cette section.
Afin d’illustrer le concept de temps, reprenons notre exemple précédent.
L’échantillon comprend 226 firmes qui ont réalisé une annonce de bénéfice entre le
mois de janvier 1988 et le mois de décembre 1999. Pour chacune de ces firmes, nous
devons recenser les rentabilités mensuelles au cours des 36 mois qui ont précédé et
suivi le mois de leur émission. Pour la firme (1), qui a émis au cours du mois de
janvier 1988, le segment de rentabilités mensuelles s’amorcera avec la rentabilité de
janvier 1985 et se terminera avec la rentabilité du mois de janvier 1991. La firme (1)
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
144
se veut un cas extrême, puisqu’elle a annoncé un résultat durant le premier mois de la
période d’étude. Le mois de janvier 1985 sera, par conséquent, la borne inférieure du
cadre temporel de notre exemple d’étude en temps réel.
Supposons maintenant que la firme (226) de cet échantillon ait annoncé un
bénéfice au cours du mois de décembre 1999. Dans le cas de cette firme, le segment de
rentabilités débutera avec la rentabilité du mois de décembre 1996 et se terminera avec
la rentabilité du mois de décembre 2002. Le mois de décembre 2002 représente donc
la borne supérieure du cadre temporel de notre exemple en temps réel.
Donc, le cadre temporel de l’étude réalisée en temps réel est délimité par le
mois de février 1985 et le mois de décembre 2002. A l’intérieur de ces bornes, nous
retrouvons les segments de rentabilités mensuelles de chacune des 226 firmes de
l’échantillon disposés sur le continuum temps en fonction de la date réelle de
l’événement. Cette disposition des rentabilités différencie l’étude en temps réel de
l’étude en temps événementiel. Le graphique 3.4 permet d’identifier les firmes qui
composent le portefeuille d’annonces de résultat au cours d’un mois donné. Ce sont les
rentabilités de ce portefeuille mensuel qui servent maintenant de base au calcul de la
performance anormale moyenne d’un échantillon de firmes annonciatrices de résultat.
Graphique 3.4 – Illustration du concept de temps réel
Firme 1 Rsue,1,déc85
Firme 2
Firme 3
.
.
.
Firme 225
Firme 226
Rsue,1,janv88
Rsue,2,janv86
Rsue,1,fév88
Rsue,3,fév86
Rsue,1,déc85
Rsue,3,mars88
Rsue,225,nov99
Rsue,226,déc99
Rsue,225,déc01
Rsue,226,janv02
Rsue,226,janv02
Où
Rsue,i,n = rentabilité de la firme i au cours du nième mois suivant le mois de l’annonce du
bénéfice.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
145
Nous avons tenté dans cette section de familiariser le lecteur avec les deux
perspectives temporelles que l’on retrouve dans la littérature sur la performance
anormale notamment, la performance anormale à long terme. La plupart des auteurs
ont adopté une perspective de temps événementiel pour mesurer la performance
anormale moyenne de leur échantillon de décision financière donnée. Certains de ces
auteurs ont également réalisé leur étude en temps réel. Le choix d’une perspective
temporelle ne peut suffire, à lui seul, au calcul de la rentabilité anormale moyenne
d’un échantillon de firmes. Pour ce faire, il importe aussi de sélectionner un
benchmark, une mesure de performance anormale moyenne, ainsi qu’un mode de
pondération des rentabilités. La section suivante aborde la question du choix d’un
benchmark.
4.2 Le choix d’un benchmark
La rentabilité anormale moyenne d’un échantillon de firmes s’établit par rapport
à une référence de normalité : un benchmark. A travers la panoplie de benchmarks
proposés dans la littérature, 3 catégories se dessinent : la catégorie des firmes de
contrôle, celle des portefeuilles de référence et celle des modèles à facteurs.
L’utilisation des modèles à facteurs n’a été répertoriée que dans les études en temps
réel. La présentation des diverses catégories de benchmarks fera l’objet de cette
section.
4.2.1 Les firmes de contrôle
Cette première catégorie de benchmarks porte l’appellation de « matching
firms » dans la littérature financière anglo-saxonne. Pour définir ce que nous
entendons par firme de contrôle, nous reprenons l’exemple précédent c’est-à-dire un
échantillon de firmes ayant annoncé un résultat. Chacune des n firmes de cet
échantillon est jumelée à une firme qui n’a pas annoncé un résultat au cours des T mois
précédant et suivant le mois d’annonce du résultat. Ce premier critère de sélection
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
146
permet d’isoler le phénomène étudié. Le jumelage d’une firme annonciatrice de
bénéfice à une firme non annonciatrice se fait habituellement sur la base de critères
tels que la taille (capitalisation boursière du titre) et/ou le ratio valeur comptable sur
valeur marchande du titre (ratio « book-to-market »). Ces firmes, sélectionnées par le
jumelage, constituent l’échantillon de firmes de contrôle. Soulignons que dans le cas
d’un jumelage optimal, une firme de contrôle ne sert de benchmark que pour une seule
firme de l’échantillon.
4.2.2 Les portefeuilles de référence
Dans cette deuxième catégorie de benchmarks, nous retrouvons les indices de
marché ainsi que les portefeuilles construits sur la base d’un ou plusieurs critères,
notamment celui de la taille, du ratio « book-to-market » ou de ces deux critères
combinés. La formation de tels portefeuilles nécessite de diviser l’ensemble des firmes
listées en bourse en sous-groupes selon le ou les critères retenus. Cette procédure est
généralement répétée périodiquement afin de s’assurer que les firmes composant un
sous-groupe répondent toujours au(x) critère(s) de formation de ce dernier. Il faut
préciser que ces sociétés ne font pas partie de l’échantillon des firmes ayant publié un
bénéfice. Chacun de ces sous-groupes forme un portefeuille de référence qui sert à
mesurer la rentabilité anormale de toutes les firmes de l’échantillon qui répondent
au(x) même(s) critère(s) de formation dudit portefeuille.
4.2.3 Les modèles à facteurs
Cette troisième et dernière catégorie de benchmarks regroupe les modèles à
facteurs, ou les modèles générateurs de rendements. Les modèles à facteurs semblent
avoir été privilégiés par les auteurs qui ont choisi de réaliser leur étude en temps réel.
Nous nous proposons de détailler les deux principaux modèles retenus par ces auteurs
qui ont tenté de mesurer la performance anormale moyenne d’un échantillon
d’annonces de bénéfice. Il s’agit du modèle à 3 facteurs de Fama et French (1993) et
du modèle à 4 facteurs de Carhart (1997).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
4.2.3.1
147
La méthodologie de Fama et French (1993)
Selon le modèle de Fama et French (1993) (15), la rentabilité excédentaire d’un
portefeuille de titres, (Rp,t – Rf,t), serait fonction de sa sensibilité à trois facteurs de
risque : le facteur de marché (RMRFt), le facteur relié à la taille (SMBt) et le facteur
relié au ratio valeur comptable sur valeur marchande du titre (HMLt). Les coefficients
de sensibilité à ces facteurs s’estiment par une régression en séries chronologiques. La
variable dépendante de cette régression équivaut aux rentabilités excédentaires de
portefeuilles mensuels de titres (Rp,t – Rf,t), alors que les variables explicatives sont des
portefeuilles à investissement nul, construits de manière à mimer les facteurs de risque
communs à l’ensemble des titres.
Rp,t – Rf,t = αp + βp RMRFt + φpSMBt + γpHMLt + εp,t
(15)
Pour un mois t donné, la rentabilité excédentaire d’un portefeuille correspond à
la différence entre la rentabilité excédentaire de ce portefeuille (Rp,t) et le taux sans
risque estimé par la rentabilité sur les bons du trésor américains à un mois (Rf,t).
Les variables explicatives SMBt et HMLt représentent des portefeuilles à
investissement nul, construits de manière à mimer les facteurs de risque dans les
rentabilités qui sont reliées respectivement à la taille et au ratio valeur comptable sur
valeur marchande du titre. Pour bâtir ces deux variables, Fama et French (1993) se
sont servis des rentabilités mensuelles de six portefeuilles (S/L, S/M, S/H, B/L, B/M,
B/H) qu’ils ont formés.
Au mois de juin de chaque année t, les titres de l’échantillon sont répartis en
deux groupes (S pour small et B pour big) suivant que leur valeur de marché en juin t
est inférieure ou supérieure à la valeur de marché médiane de l’échantillon.
Indépendamment, les titres sont classés suivant leur ratio VC/VM en décembre t-1 et
répartis en trois groupes par tiers (L pour « low », M pour « medium » et H pour
« high »). Les six portefeuilles S/L (« Small/low »), S/M (Small/Medium), S/H
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
148
(« Small/high »), B/L (« Big/Low »), B/M (« Big/Medium ») et B/H (« Big/high ») sont
constitués à l’intersection des deux répartitions précédentes. Fama et French (1993)
justifient cette décomposition en six portefeuilles par l’importance du ratio valeur
comptable sur valeur marchande du titre (VC/VM) dans l’explication de la rentabilité
des titres par rapport à la capitalisation boursière dans leur étude de 1992. Le
portefeuille S/L contient les plus petites capitalisations boursières de l’échantillon qui
présentent un ratio VC/VM faible. Le portefeuille B/H comprend les titres associés à un
ratio VC/VM élevé parmi les plus fortes capitalisations. Les portefeuilles sont reformés
chaque année, fin juin. Les rentabilités non pondérées sont calculées mensuellement de
juillet t à juin t+1.
Graphique 3.5 – Structure des portefeuilles de Fama et French (1993) composés selon la capitalisation et
le ratio « book-to-market »
Capitalisation boursière
Médiane
Small/High
Big/High
Small/Medium
Big/Medium
Small/Low
Big/Low
7ème décile
3ème décile
Ratio VC/VM
Source: Molay. (2001)
La rentabilité de la variable explicative liée à la capitalisation boursière, SMB
(« Small minus Big »), correspond à la différence, calculée mensuellement, entre la
rentabilité moyenne des trois portefeuilles de capitalisation boursière faible (S/L, S/M,
S/H) et la rentabilité moyenne des trois portefeuilles de capitalisation boursière élevée
(B/L, B/M, B/H) :
SMB = [(RS/L + RS/M + RS/M)/3] – [(RB/L + RB/M + RB/H)/3]
L’impact de l’annonce de bénéfices sur le marché financier français.
(16)
Chapitre 3 – Méthodologie générale de la recherche
149
La rentabilité de la variable explicative liée au ratio VC/VM, HML (« High minus
Low »), correspond à la différence entre la rentabilité moyenne des deux portefeuilles
de ratio VC/VM élevé (S/H, B/H) et la rentabilité moyenne des deux portefeuilles de
ratio VC/VM faible (S/L, B/L) :
HML = [(RS/H + RB/H)/2] – [(RS/L + RB/L)/2]
(17)
Ces deux portefeuilles formés de firmes dont les ratios VC/VM sont extrêmes
ont par ailleurs relativement la même taille moyenne.
Outre les facteurs de risque reliés à la taille et au ratio VC/VM, Fama et French
(1993) considèrent également le facteur de risque de marché dans leur modèle. La
variable RMRFt est construite de façon à mimer ce facteur de risque. Pour un mois t
donné cette variable s’obtient en soustrayant la rentabilité sur les bons du trésor, à un
mois (rf,t) de la rentabilité d’un portefeuille de marché. Cette rentabilité du marché,
peut être, soit un indice représentatif du marché soit un portefeuille de marché
comprenant toutes les firmes figurant dans les six portefeuilles formés initialement
pour construire les variables explicatives SMBt et HMLt. Dans le cas français, nous
utilisons les indices CAC 40 et SBF 250.
4.2.3.2
La méthodologie de Carhart (1997)
Selon le modèle de Carhart (1997)21 présenté à l’équation (18), la rentabilité
excédentaire d’un portefeuille de titres serait fonction de sa sensibilité à 4 facteurs de
risque : les 3 facteurs de Fama et French (1993) et un facteur relié à l’effet
« momentum » dans les rentabilités des titres au cours des douze derniers mois
(PR1YRt).
Rp,t – Rf,t = αp + βp RMRFt + φpSMBt + γpHMLt + µtPR1YRt + εp,t
21
Carhart (1997) a créé son modèle à quatre facteurs pour expliquer les rentabilités des fonds mutuels.
L’impact de l’annonce de bénéfices sur le marché financier français.
(18)
Chapitre 3 – Méthodologie générale de la recherche
150
La quatrième variable explicative représente un autre portefeuille à
investissement nul qui a été construit de façon à mimer le facteur de risque relié à
l’effet momentum dans les rentabilités. Pour bâtir cette variable, Carhart (1997) s’est
servi des rentabilités mensuelles moyennes de deux portefeuilles (le portefeuille des
firmes gagnantes et le portefeuille des firmes perdantes) qu’il a formés
mensuellement22. Pour un mois t donné, PR1YRt correspond à la différence entre la
rentabilité mensuelle moyenne du portefeuille des firmes gagnantes et la rentabilité
mensuelle moyenne du portefeuille de firmes perdantes.
Voilà qui termine la présentation des deux modèles générateurs de rentabilités
qui ont été retenus à titre de benchmarks dans les études en temps réel sur la
performance anormale à long terme des annonces de résultats.
La présente section avait pour objectif de présenter les diverses catégories de
benchmarks que l’on trouve dans la littérature sur la performance anormale moyenne à
long terme. Le choix d’un benchmark demeure l’élément clé du calcul de la
performance anormale moyenne d’un échantillon ou d’un portefeuille de titres actions,
puisque la rentabilité normale s’établit par rapport à une norme, c’est-à-dire par
rapport au benchmark.
Pour notre étude empirique, nous optons pour les modèles à facteurs car ils
répondent le mieux à celle-ci.
Mais avant de pouvoir effectivement chiffrer la performance anormale
moyenne, il importe de retenir une mesure et un mode de pondération des rendements.
C’est ce que nous traitons dans la section suivante.
22
Chaque mois, les firmes listées sur les bourses du NYSE, AMEX et NASDAQ sont ordonnées selon leur
« momentum » de rentabilités. Ce dernier s’obtient en calculant la rentabilité du titre sur les douze mois
précédant le mois t. Précisons que la rentabilité du mois t-1 est exclue de ce calcul. Ce classement mensuel de
« momentum » est ensuite divisé en 3 sous-groupes : les premiers 30 %, les 40% suivants et les derniers 30%.
Les firmes appartenant au premier sous-groupe forment le portefeuille de firmes perdantes (« momentum »s bas),
alors que celles figurant dans le troisième sous-groupe composent le portefeuille de firmes gagnantes
(« momentum »s élevés).
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
151
4.3 Le choix d’une mesure de performance anormale moyenne
La performance anormale moyenne d’un échantillon peut être déterminée, à
l’aide de deux méthodes : celle des rentabilités anormales cumulées (CAR) et celle des
rentabilités anormales composées (BHAR). Dans le cadre de notre recherche, nous
retiendrons la première méthode pour plusieurs raisons. Tout d’abord, la méthode des
rentabilités anormales composée (BHAR)23, utilisée surtout sur les marchés américains,
présente une limite. Elle sur-évalue les performances anormales qui évoluent selon la
période de détention des portefeuilles [Fama (1998), Mitchell et Stafford (2000)]. La
seconde méthode (CAR), utilisée couramment dans les études d’évènements, semble
plus pertinente. Elle tient compte de la période de détention réelle du protefeuille et
donc, ne sur-évalue pas les performances.
4.3.1 Le CAR moyen
La mesure que nous appelons CAR moyen est connue dans la littérature
financière anglo-saxonne sous le nom de « Average Cumulative Abnormal Returns »
ou de « Average Cumulative Adjusted Returns ». Cette mesure s’obtient par le cumul
des rentabilités anormales périodiques moyennes sur l’horizon considéré. Dans la
majorité des études sur cette mesure, les rentabilités anormales sont calculées sur une
base mensuelle.
23
Le BHAR moyen fait référence à la mesure communément appelée « Average Buy-and-Hold Abnormal
Return » dans la littérature anglo-saxonne. Cette mesure est utilisée pour désigner la rentabilité issue d’une
stratégie d’achat et de détention d’un titre ou d’un benchmark sur un horizon donné. Tel que montré dans
l’équation (1), le HPR de la firme annonciatrice i s’obtient par la composition de ses rentabilités mensuelles sur
la totalité de l’horizon, en l’occurrence sur les mois 1 à T (respectivement –T à –1) suivant (respectivement
précédant) l’annonce du résultat. Le HPR du benchmark se calcule de façon analogue. L’acronyme HPR
provenant de l’appelation anglophone « Holding Period Return » désigne la rentabilité issue d’une stratégie
d’achat et de détention d’un titre ou d’un benchmark sur un horizon donné.
HPRi,T,h = ∏(1 + Ri,t) – 1 pour t allant de h+1 à T+h.
HPRbenchmark,T,h = ∏(1 + Rbenchmark,t) – 1 pour t allant de h+1 à T+h. (1)
La différence entre le HPRT de la firme i et celui de son benchmark donne la rentabilité « anormale » résultant
d’une stratégie d’achat de la firme i suite à l’annonce de son bénéfice et de sa détention pendant T mois.
L’équation (2) formalise cette définition du BHARi,T pour la firme i, annonciatrice du résultat.
BHARi,T,h = HPRi,T,h – HPRbenchmark,T,h = ∏(1 + Ri,t) – ∏(1 + Rbenchmark,t) pour t allant de h+1 à T+h. (2)
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
152
Pour obtenir les rentabilités anormales mensuelles moyennes, il convient avant
tout de calculer les T rentabilités anormales mensuelles de chacun des n firmes de
notre échantillon. Pour un mois t donné, la rentabilité anormale d’une firme i
(annonçant un résultat) correspond à la différence entre sa rentabilité mensuelle et
celle d’un benchmark (norme K). Cette définition est formalisée par l’équation
suivante :
ARit = Rit - Kit
i=1à n
(19)
t = mois précédent ou suivant l’annonce du résultat, t = 1 à T.
Pour un mois t donné, la rentabilité anormale moyenne des n firmes de l’échantillon
(ARt,moyen) est :
n
ARt , moyen = ∑ Wi ,t ARi ,t
(20)
i =1
Où wi,t est le poids de la firme i au cours du mois t ;
Le CART,moyen (respectivement CAR-T,moyen) s’obtient en cumulant les T
rentabilités anormales mensuelles moyennes sur l’horizon de 1 à T mois
(respectivement sur l’horizon –T à –1 mois). Il est formalisé par l’équation suivante :
T
T
n
t =1
t =1 i =1
CART , moyen = ∑ ARt , moyen = ∑∑ wi ,t ARi ,t
T
CAR−T ,moyen = ∑ ARt ,moyen =
t =1
−1
(21)
n
∑ ∑w
i ,t
ARi ,t
(22)
t =−T i =1
Choisir le CAR moyen pour mesurer la performance anormale moyenne d’un
échantillon de firmes implique de définir l’hypothèse de recherche comme suit :
•
H0 : CART moyen = 0
•
H1 : CART moyen ≠ 0
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
153
Après avoir présenté la méthode de calcul de la rentabilité anormale cumulée
moyenne, nous présentons les différents modes de pondération des rentabilités.
4.3.2 Le choix d’un mode de pondération des rendements
Les mesures des performances peuvent être calculées avec des rentabilités
équipondérées ou des rentabilités pondérées par la capitalisation boursière de la firme.
Nous rappelons maintenant les définitions des rentabilités équipondérées et des
rentabilités pondérées par la valeur.
4.3.2.1
L’équipondération ou « Equally-Weighted » ou
« E.W. »
L’équipondération fait référence au mode de pondération qui accorde un poids
identique aux firmes.
Dans le cas d’une étude en temps événementiel, le nombre de firmes est égal à
la taille de l’échantillon ou du portefeuille de titres.
Dans le cas d’une étude en temps réel, le nombre de firmes dépend de la
quantité de sociétés présentes dans le portefeuille mensuel considéré. La taille du
portefeuille varie donc mensuellement.
L’équation (23) définit le poids accordé à la firme i au cours du mois t.
wi,t = 1/nt
(23)
Où
-
wi,t est le poids de la firme i au cours du mois t ;
-
nt est le nombre de firmes dans l’échantillon dans le cas d’une étude en temps
événementiel ou le nombre de firmes appartenant au portefeuille mensuel i dans
le cas d’une étude en temps réel.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
4.3.2.2
154
La pondération par la capitalisation boursière ou
« Value-Weighted » ou « V.W. »
Comme son nom l’indique, ce mode de pondération des rentabilités accorde aux
firmes un poids proportionnel à leur capitalisation boursière. Encore une fois, il s’agit
des firmes de l’échantillon dans le cas d’une étude en temps événementiel et des
firmes qui forment un portefeuille mensuel dans le cas d’une étude en temps réel.
Selon ce mode de pondération, les rentabilités des firmes de grande taille se voient
allouer un poids plus important que celui des firmes de petite taille.
L’équation (24) explicite la définition d’une pondération par la capitalisation
boursière dans le cas d’une étude en temps réel. Le poids de la firme i appartenant au
portefeuille mensuel t correspond au rapport entre la capitalisation boursière de la
firme i au cours du mois t et la somme des capitalisations boursières des n firmes du
portefeuille.
wi ,t = mvi ,t
nt
∑ mv
i ,t
(24)
i =1
Où wi,t est le poids de la firme i dans le portefeuille formé en temps réel au mois t ;
mvi,t est la capitalisation boursière de la firme i au cours du mois t ;
nt est le nombre de firmes appartenant au portefeuille mensuel t dans le cas d’une
étude en temps réel.
L’équation (24) ne peut-être appliquée dans le cadre d’une étude en temps
événementiel, puisqu’elle fait intervenir des capitalisations boursières en temps réel.
Par définition, une étude événementielle fait abstraction des dates effectives où se sont
produits les événements d’un échantillon. Or, cette procédure engendre des problèmes
d’échelle entre les capitalisations boursières des firmes d’un échantillon. Pour éviter ce
problème, deux étapes sont nécessaires à la détermination du poids à accorder à la
firme i. La première étape permet de calculer, au moment de l’événement, une
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
155
proportion qui représente la capitalisation boursière relative de la firme i. Comme
montré à l’équation (25), cette proportion s’obtient en divisant la capitalisation
boursière de la firme i à la date de l’événement par la somme des capitalisations
boursières des autres firmes de l’échantillon qui sont listées à cette date.
n
ed i
∑ mv
rmvi ,ed i = mvi ,ed i
j =1
j , ed i
(25)
Où
rmwi,edi est la capitalisation boursière relative de la firme à la date réelle de
l’événement;
mvi,edi est la capitalisation boursière de la firme i à la date de l’événement ;
n,edi est le nombre de firmes de l’échantillon qui sont listées au moment de la date de
l’événement de la firme i. Ce nombre peut être différent du nombre total de firmes
composant l’échantillon (n).
L’équation (25) est appliquée aux n firmes d’un échantillon pour générer n
capitalisations boursières relatives. Ces valeurs sont utilisées dans la deuxième étape
du calcul du poids accordé à la firme i dans les calculs des diverses mesures de
rentabilité anormale moyenne. Ainsi, le poids wi résulte du rapport entre la
capitalisation boursière relative de la firme i et la somme des capitalisations boursières
relatives de n firmes de l’échantillon. L’équation (26) exprime cette définition.
wi ,ed i = mvi ,ed i
n
∑ mv
j =1
j , ed i
(26)
Où
wi est le poids de la firme i dans l’échantillon de n firmes;
rmvi,edi est la valeur marchande relative de la firme i, calculée à la date de l’événement
de la firme i.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
156
Pour notre travail empirique, nous choisissons le mode de pondération équipondéré.
5 LES TESTS STATISTIQUES UTILISES
Les modèles à facteurs ou générateurs de rendements résultent des équations de
régression linéaires multiples en coupe transversale. De même, la composition des
portefeuilles selon différents critères nécessite l’utilisation des tests statistiques
paramétriques et non-paramétriques.
Après avoir exposé les bases de données financières et comptables - les
définitions et mesures des surprises de bénéfice – période d’étude et sélection – calcul
des rentabilités brutes et anormales, cette partie présente les principaux tests
statistiques non-paramétriques, les modèles de régression linéaire, utilisés dans notre
travail.
Dans un premier temps, nous présentons les principaux tests statistiques
descriptifs et de corrélation utilisés. Ensuite, nous nous consacrons aux principaux
modèles dont l’objectif est d’expliquer une variable Y à partir de variables exogènes x :
les modèles de régression linéaire multiple et le modèle S.U.R. ou les régressions
empilées.
5.1 Les tests statistiques descriptifs et de corrélation
Dans les tests paramétriques, l’échantillon est supposé suivre une certaine
distribution (la distribution normale dans la plupart des cas), définie à partir de
paramètres tels que la moyenne et la variance. Il existe des tests qui ne sont pas basés
sur une distribution donnée de l’échantillon. Ces tests sont appelés des tests non
paramétriques. Ils sont en général moins puissants que les tests paramétriques, mais
parfois ils sont les seuls à pouvoir être utilisés. Par exemple, si l’échantillon est petit et
la variable ne suit pas une loi normale, on ne peut pas utiliser le test de Student. Si l’on
veut tester la différence entre deux variables, on peut alors prendre le test de MannWhitney.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
157
Dans cette section, on présentera les principaux tests statistiques descriptifs et
de corrélation non paramétriques utilisés dans notre étude.
5.1.1 Le test de Mann-Whitney
Lorsqu’on a deux échantillons indépendants, on peut tester l’hypothèse qu’ils
proviennent de la même population (même moyenne) en utilisant le test de MannWhitney. Ce test est basé sur la statistique :
U = n1n2 + [n1(n1+1)/2] – R1
(27)
Où n1 et n2 sont les grandeurs respectives des deux échantillons et R1 est la somme des
rangs des données du premier échantillon (la somme des rangs des données du
deuxième échantillon est R = [(n1 + n2) (n1 + n2+1)/2] – R1
On peut montrer que U a une valeur espérée de n1n2/2 et une variance de n1n2(n1
+ n2+1)/12. Il existe des tables qui donnent les valeurs critiques pour ce test. Lorsque
la grandeur des deux échantillons est supérieure à 10, on peut montrer que U suit
approximativement une loi normale.
5.1.2 Le test de séquences ou « runs »
Nous supposons généralement que l’échantillon est aléatoire. On peut vérifier
cette hypothèse en utilisant le test des séquences ou test de « runs ». Une séquence est
une série d’observations identiques.
Soit R le nombre total de séquences. On peut montrer que si l’échantillon est
aléatoire, la moyenne et la variance du nombre de séquences sont :
E(R) = (2n1n2/n1 + n2)] + 1
Var(R) = 2n1n2 (n1 n2 - n1 - n2) / (n1 + n2)² (n1 + n2 - 1)
L’impact de l’annonce de bénéfices sur le marché financier français.
(28)
Chapitre 3 – Méthodologie générale de la recherche
158
Où n1 est le nombre de valeurs de la première séquence et n2 celui de la deuxième
séquence. Il existe des tables avec des valeurs critiques pour R. Lorsque n1 et n2 sont
supérieurs à 30, on peut tester l’hypothèse d’un échantillon aléatoire en utilisant la
valeur standardisée z = R-E(R)/Var(R) où R est le nombre de séquences.
On peut aussi utiliser ce test en prenant les différences positives ou négatives
par rapport à la médiane.
5.1.3 Le test de corrélation de Spearman
Il arrive parfois que l’on ne puisse faire que des classements sur les éléments de
la population. Dans ce cas, le lien entre deux variables peut être analysé en utilisant le
test de corrélation des rangs, proposé par Spearman.
Soit ui = rang (Xi) le rang de la ième observation de la variable X et si =
rang(Yi) celui de la ième observation de la variable (i = 1,2,…,n). Le coefficient de
corrélation des rangs de Spearman est :
Rs = [∑(ui – ū)(si – ŝ)]/[∑(ui – ū)² ∑ (si – ŝ)²] = 1 – [6∑di²/n(n² - 1)]
(29)
Où di = ui – si.
Il existe des tables qui donnent les valeurs critiques de rS. Lorsque la grandeur
de l’échantillon est supérieure à 30, on peut utiliser la distribution normale. Sous
l’hypothèse de corrélation nulle, rS suit approximativement une distribution normale
avec moyenne 0 et variance 1/(n –1).
Lorsqu’il y a des rangs identiques, il faut prendre la moyenne, comme dans le
test de Mann-Whitney. Dans ce cas, le coefficient de corrélation des rangs est calculé
en utilisant la formule suivante :
rs = [∑uisi – C)]/√[∑(ui² - C)(∑ (s²i – C)]
Où C = n(n + 1)² /4.
Lorsqu’il y a des valeurs aberrantes dans les données, le coefficient de
corrélation des rangs de Spearman donne un meilleur résultat que le coefficient de
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
159
corrélation usuel car une valeur aberrante ne cause pas une forte différence dans les
rangs.
5.1.4
Le test de Kolmogorov-Smirnov
Le test de Kolmogorov-Smirnov est un test non paramétrique qui peut être
utilisé pour des cas de fréquences théoriques inférieures à 5. Il est basé sur les
différences en valeur absolue entre les fréquences théoriques et les fréquences
empiriques cumulées.
La statistique Dn utilisée par le test de Kolmogorov-Smirnov est la plus grande
différence en valeur absolue entre les fréquences théoriques cumulées (Fe) et les
fréquences empiriques cumulées (F0) :
D n = | Fe – F0 |
(30)
Il existe des tables qui donnent la valeur critique de Dn. Pour des échantillons
supérieurs à 30, on peut calculer ces valeurs en utilisant l’expression a/√n où a = 1,63
pour un seuil de signification de 1%, a = 1,36 pour un seuil de signification de 5% et a
= 1,22 pour un seuil de signification de 10% (n est le nombre total de fréquences).
Le test de Kolmogorov–Smirnov est bien adapté au cas des distributions
continues car il n’exige pas de classer les fréquences dans les différents groupes. Par
contre, il ne peut pas être utilisé lorsque les paramètres de la distribution théorique
doivent être estimés en utilisant les valeurs de l’échantillon.
5.2 Les modèles de régression
5.2.1 Le modèle linéaire standard
La technique de la régression multiple permet de décrire la liaison entre une
variable dépendante ou expliquée - la rentabilité dans le cas présent - et un ensemble
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
160
de variables explicatives (facteurs liés au marché, à la taille, à la détresse financière,
etc.).
Lorsque le nombre de variables indépendantes se réduit à une, il s’agit de
régression simple, lorsqu’il y en a plusieurs, il s’agit de régression multiple. Le terme
linéaire s’applique aux paramètres du modèle et non aux variables explicatives.
La forme générale de la liaison linéaire supposée entre la variable dépendante
étudiée et les variables indépendantes retenues peuvent être représentées de la façon
suivante :
Y = α + β1X1 + β2X2 + … + βnXn + ε
(31)
Où Y est la variable expliquée dont les valeurs sont conditionnées par celles des
variables explicatives X1, X2, …, Xn et la composante aléatoire, ε (appelée encore terme
d’erreur), non observable et attribuable à un ensemble de facteurs ou de variables non
pris en considération dans le modèle ou que nous ne savons pas identifier.
Où les α et βi sont des paramètres liés au phénomène que l’on s’efforce de
mesurer. On les considère comme des variables certaines.
Pour estimer les α et βi, on fera appel le plus souvent à des données
d’échantillon à partir desquelles on s’efforcera d’estimer une équation de régression du
type suivant :
Y = a + b1X1 + b2X2 + … + bnXn
(32)
Que l’on espère représentative de la population toute entière. On se réfère
généralement à a comme à la constante de régression et aux bi comme aux coefficients
de régression de l’équation.
La validité d’un ajustement linéaire par la méthode des moindres carrés suppose
que certaines conditions soient préalablement satisfaites : s’il allait autrement, cela
voudrait dire que les coefficients de régression bi obtenus seraient des estimateurs
biaisés des vrais coefficients βi associés au phénomène étudié. Les tests de
signification (test F de Fisher et test T de Student) ne seraient alors plus applicables.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
161
Il convient donc de vérifier et/ou de corriger, avant toute interprétation des
résultats d’un modèle de régression multiple, les conditions au préalable de
l’utilisation du modèle.
L’essentiel de ces conditions préalables porte sur les caractéristiques du terme
d’erreur de l’équation de référence :
a) On suppose que le terme d’erreur est une variable aléatoire d’espérance
mathématique nulle et de variance constante.
E(εi)=0, Var(εi)= 0 pour tout i.
(33)
b) Il n’existe aucune corrélation entre les erreurs :
Cov(εi, εj) = 0 pour tous i, j et avec i≠ j.
(34)
Cette exigence correspond à l’absence d’autocorrélation ou de dépendance
sérielle des erreurs. Pour détecter l’éventuelle autocorrélation des erreurs, on procède
généralement au calcul de la statistique de Durbin-Watson.
c) Les variables explicatives X1, X2, …, Xn sont des grandeurs certaines. Elles
ne présentent donc pas un caractère aléatoire. Elles sont observées sans
erreur ou fixées à des valeurs arbitraires.
La variance des erreurs doit être homoscédastique, c’est-à-dire constante et
indépendante des Xi. Le phénomène d’hétéroscédasticité se présente quand cette
condition n’est pas remplie. Parmi les tests susceptibles d’être utilisés pour mesurer le
degré d’hétéroscédasticité des erreurs, on peut citer le test de H. Glejser ou encore de
S.M. Goldfeld et R. E. Quandt.
La correction de l’hétéroscédasticité des erreurs nécessite de déterminer une
transformation des données, en fonction de la cause présumée de l’hétéroscédasticité,
pour retrouver un modèle dont la variance est constante. Cette transformation,
qualifiée de régression pondérée, consiste à déterminer un vecteur de pondération de
chaque observation. En supposant que l’hétéroscédasticité repose sur la variable Xi, la
multiplication de chaque terme du modèle linéaire général par la variable 1/xi conduit à
un modèle homoscédastique. La principale difficulté réside dans la détection de la
source de l’hétéroscédasticité.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
162
Une autre solution consiste à utiliser l’estimation de la matrice des variances et
covariances
asymptotique
de
White
(1980)
pour
réduire
l’impact
de
l’hétéroscédasticité sur les tests de significativité. Cette estimation permet de calculer
un ratio de Student corrigé de l’hétéroscédasticité pour tester la significativité
statistique des coefficients de régression.
d) Les fluctuations aléatoires εi sont distribuées normalement.
Les paramètres βi représentent le changement subi par E(Yi), espérance
mathématique des Yi lorsque la variable Xi d’une unité et que les valeurs des autres
variables explicatives demeurent inchangées.
La constante α représente théoriquement, dans l’équation de base, le niveau
moyen des Yi lorsque chaque variable explicative est nulle. L’utilité de la constante est
de compenser l’éventuelle absence d’une variable explicative. Dans notre cas, cette
constante permet de tester la normalité de la rentabilité moyenne
Précisons également que l’estimation et le test des paramètres βi du modèle de
régression sont possibles si et seulement si le nombre des observations pour chaque
variable excède le nombre des paramètres à estimer.
L’évaluation de la qualité de l’ajustement linéaire de l’équation de régression
entre la variable dépendante Y et l’ensemble des variables explicatives est déterminée
par le coefficient de détermination R2 .
La proportion qui demeure inexpliquée 1-R2 est attribuable soit à l’omission de
variables explicatives, soit à l’erreur expérimentale.
La qualité de l’ajustement d’un modèle peut être évaluée par le coefficient
d’explication ajustée R2a. Il permet de tenir compte du nombre de degrés de liberté, qui
diminue à mesure qu’une nouvelle variable explicative est introduite dans le modèle.
Contrairement au coefficient R2, le R2a autorise la comparaison de plusieurs équations
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
163
de régression multiple comportant la même variable dépendante, mais dont les
équations diffèrent soit par le nombre d’observations n soit par le nombre de variables
explicatives. Ce critère peut être d’une grande utilité dans la recherche du meilleur
modèle d’explication du phénomène analysé.
Dans un modèle de régression multiple comportant k variables explicatives,
tester la signification de la régression dans son ensemble induit les hypothèses nulle et
alternative.
H0 : β1=β2=β3=...=βn= 0
(aucune contribution significative des Xi)
H1 : au moins un des βi = 0
(au moins une variable apporte une contribution
significative).
Sous l’hypothèse H0 : β1=β2=β3=...=βn= 0, on démontre que le F de Fisher est
distribué selon la loi de Fisher avec k et n-k degrés de liberté. Au seuil de signification
α, ou seuil de confiance 100*(1-α)%, le test permet de rejeter H0 si F > Fα,k,n-k .
Une fois que l’équation de régression est analysée dans son ensemble, il
convient de préjuger la signification particulière des coefficients individuels C(j) de la
régression. Les estimateurs C(j) sont des variables aléatoires qui prennent des valeurs
particulières pour un ensemble particulier de données.
Sous l’hypothèse de normalité des erreurs εi, la distribution d’échantillonnage
du coefficient C(j) est celle d’une loi normale
-
de moyenne E(C(j))=βj
-
de variance σ²(C(j)) ; on obtient une estimation de σ²(C(j)) avec la variance
empirique s²(C(j)).
La réalisation des tests statistiques sur chaque paramètre βj du modèle de
régression ou le calcul des intervalles de confiance sur les βj réside dans l’expression
de l’écart réduit :
(C(j) - βj)/ s(C(j))
(35)
Les tests statistiques évaluent directement l’écart-type de chaque coefficient. Ils
permettent d’obtenir la variance s²(C(j)) ainsi que les covariances entre chaque
coefficient de régression cov(C(j), C(k)), j ≠ k.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
164
Le test de la contribution marginale de chaque variable explicative permet
d’examiner la contribution significative dans l’explication de la variable
dépendante de celle par rapport aux autres variables. Ce test permet ainsi, de juger
la pertinence de chaque variable explicative. Il considère que l’écart réduit est
distribué selon une loi de Student avec (n-k) degrés de liberté quand le nombre des
observations n est inférieur à 30, et approximatif par une loi Normale si n > 30.
Pour résoudre le problème de la taille de l’échantillon, nous opérons un
échantillonnage. Tout logiciel statistique ou possédant une option statistique fournit
un générateur à un nombre N quelconque de l’échantillon initial.
Il s’agit de tester les hypothèses suivantes :
H0 : βj = 0 avec j = 1, 2, …, k
H0 : βj ≠ 0
Sous H0, l’écart réduit devient t = C(j)/s(C(j)), le t-statistique du logiciel utilisé
est distribué selon la loi de Student avec (n-k) degrés de liberté.
La règle de décision est la suivante :
On peut rejeter H0 si t-statistique > t tabulé
Si H0 est rejetée, la contribution marginale de la variable explicative Xj est
significative au seuil de confiance α.
Si on ne peut pas rejeter H0 : βj = 0, il ne faut pas conclure que la variable
explicative X1j n’apporte aucune contribution significative. L’étude d’une autre
forme de liaison peut amener une conclusion contraire.
Le logiciel SPSS nous permet de déterminer l’intervalle de confiance de chaque
paramètre βj.
Au niveau de confiance 100*(1 - α)%, l’intervalle de confiance s’écrit :
C(j) - tα/2,n-k * s(C(j)) ≤ βj≤ C(j) + tα/2,n-k * s(C(j))
(36)
Si βj = 0 – H0 non rejetée – se situe dans l’intervalle, la contribution marginale
de la variable explicative Xj, compte tenu des autres variables explicatives déjà
incluses dans l’équation de régression, est non significative au seuil α.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 3 – Méthodologie générale de la recherche
165
5.2.2 L’estimation S.U.R d’un système d’équations
Lors de l’estimation de plusieurs régressions portant sur la même période, les
régressions sont supposées indépendantes. Toutefois, cette hypothèse peut être remise
en cause pour plusieurs raisons :
-
les coefficients estimés sont identiques ;
-
les résidus des différentes régressions sont corrélés les uns aux autres ;
-
une partie des variables explicatives sont communes aux diverses équations
bien que toutes les observations ne le soient pas.
Pour résoudre ces difficultés, une solution consiste à utiliser l’estimation S.U.R.
proposée par Zellner (1962). On parle du modèle S.U.R24. ou régressions empilées
pour la donnée d’un ensemble de M régressions simultanées expliquant M variables
endogènes. Les paramètres de chaque régression sont autonomes (d’où le qualitatif
« unreleated ») mais les résidus entre les régressions sont corrélés (d’où le qualitatif
« seemingly »). Dans tout système de régressions empilées, chaque variance résiduelle
est estimée séparément. Une meilleure approximation de la loi limite est obtenue en
prenant les estimations débiaisées des variances résiduelles.
6 CONCLUSION
Cette section présente les bases de données financières et comptables, les variables
financières et comptables, le calcul des performances anormales et les tests statistiques
utilisés dans notre travail. Les différentes études empiriques sont présentées dans les
chapitres suivants.
24
S.UR. signifie Seemingly Unreleated Regressions. Ces modèles ont été introduits par zellner (1962)., « An
efficient method of estimating seemingly unrelated regressions and tests for aggregation bias, Journal of
American Statistic Association, 1962, 57, p. 348-368.
L’impact de l’annonce de bénéfices sur le marché financier français.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
CHAPITRE 4 – LE COMPORTEMENT DES COURS
BOURSIERS SUITE AUX ANNONCES DE BENEFICES
L’impact de l’annonce de bénéfices sur le marché financier français.
166
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
167
1 INTRODUCTION
Plusieurs études ont mis en évidence la réaction des cours boursiers à l’annonce
des résultats. La première étude à s’intéresser à l’impact des surprises de bénéfice sur
les investisseurs est celle de Ball et Brown (1968). Ils constatent la supériorité des
rentabilités anormales des portefeuilles composés de titres dont le bénéfice par action
est sur-estimé, de celles des portefeuilles de titres dont le bénéfice par action est sousestimé. Une multitude de travaux sur le sujet est suivi dont la grande majorité
constatèrent l’importance du contenu informationnel des bénéfices annoncés et de son
impact sur les cours boursiers. Cependant, de nombreuses explications de l’ajustement
lent cours sont avancées.
Après avoir passé en revue les réactions du marché aux annonces de bénéfices
dans les chapitres précédents, le présent chapitre examine empiriquement le
phénomène de l’annonce de bénéfices sous les hypothèses liées aux approches de la
finance comportementale et sous celles de l’orthodoxie financière.
2 HYPOTHESES, VARIABLES ET MODELES TESTES
2.1 Les hypothèses
H1 : Si les annonces de bénéfices suscitent une réaction des investisseurs,
celles-ci devraient se traduire par des variations de cours boursiers. En conséquence,
un choc devrait être observé sur les rentabilités associées aux titres qui font l’objet
d’annonce de bénéfices.
L’exploration de l’ajustement des cours boursiers à l’annonce de bénéfices se
fait à partir des études d’événements. Cette technique permet d’isoler les rentabilités
boursières anormales qui suivent immédiatement l’annonce de bénéfices. L’impact de
la publication des résultats sur les prix est mis en évidence par une étude des
modifications dans un intervalle de temps spécifique à chaque titre et centré sur la date
d’annonce de bénéfices. Toutes choses égales par ailleurs, l’évaluation de la réaction
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
168
du marché à l’annonce de bénéfices est fondée sur la constatation de rentabilités
anormales autour de celle-ci. S’il n’y a pas de variations anormales des cours ou
lesdites variations ne sont pas significatives , les rentabilités anormales moyennes
d’une période donnée devraient rester proche de zéro. Le calcul des rentabilités
anormales moyennes cumulées permet finalement de mettre en évidence et d’observer
l’évolution des rentabilités anormales cumulées sur toute la période d’annonce de
l’événement ou d’observation ou d’étude.
Ainsi, afin de vérifier l’ajustement des cours boursiers à l’annonce de bénéfices,
l’évolution des rentabilités observées autour des dates d’annonce de bénéfices est
étudiée. Pour chaque annonce de bénéfices, deux séries de surprises de bénéfices sont
considérées : les surprises de bénéfices les plus élevées et les surprises de bénéfices les
plus faibles. Les rentabilités anormales sont estimées pour chacune des séries de
surprises de bénéfices. Ainsi, deux portefeuilles de surprises de bénéfices sont
constitués : le portefeuille de titres à faible surprise de bénéfices et celui à forte
surprise de bénéfices. Ensuite, les rentabilités anormales des différentes séries sont
comparées entre elles. Ces comparaisons conduisent à considérer un troisième
portefeuille de titres, le portefeuille d’arbitrage issu de la différence des portefeuilles
de surprises de bénéfices faible et élevée. Ces dernières considérations permettent plus
ou moins d’interpréter les réactions des investisseurs à l’annonce de bénéfices.
Plusieurs recherches laissent supposer un ajustement des anticipations des
investisseurs de façon progressive aux annonces de bénéfices. Pour les avocats de
l’efficience des marchés financiers, avec le temps, l’information devient graduellement
disponible aux investisseurs qui ajustent les prix en conséquence. Cet ajustement
progressif n’est donc pas contradictoire avec un marché efficient. A l’inverse, les
tenants de la finance comportementale concluent à une probable inefficience des
marchés financiers. Selon eux, l’ajustement graduel des prix aux annonces de
bénéfices ne résulte pas d’une intégration progressive de nouvelles informations, mais
plutôt d’un optimisme ou d’un pessimisme des investisseurs face aux résultats prévus.
Ils le qualifient de sous-réaction (ou de sur-réaction) au cas où cet optimisme (ou ce
pessimisme) est modéré (ou excessif). Pour les hétérodoxes de la finance, c’est-à-dire
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
169
les tenants de la finance comportementale, les investisseurs sont « irrationnels » et ils
sont sujets à des biais cognitifs. D’où les hypothèses suivantes.
H2 : Si les investisseurs ajustent progressivement leurs anticipations à la suite
de l’annonce de bénéfices, alors les performances du portefeuille d’arbitrage constitué
suivant la surprise de bénéfices ne sont pas significatives. En d’autres termes, la
tendance prolongée des performances du portefeuille d’arbitrage, constitué suivant la
surprise de bénéfices suite à l’annonce de bénéfices, n’est pas significative.
H3 : Si les investisseurs sous-réagissent aux annonces de bénéfices, alors la
tendance prolongée des rentabilités anormales cumulées du portefeuille d’arbitrage,
constitué suivant les surprises de bénéfices est significative.
2.2 Variables et modèles testés
Afin d’analyser les différentes hypothèses, plusieurs modèles et tests
statistiques ont été définis25.
La présente étude concerne la période de janvier 1988 à décembre 1999. Les
données comptables et financières utilisées dans ce chapitre sont les cours des titres
(COURS), les ratios valeur comptable sur valeur marchande de la firme (VC/VM), les
bénéfices par action (BPA), les capitalisations boursières du titre (MV) et le taux
moyen annuel du marché monétaire (Rf). Les indices SBF 250 et CAC 40 sont les
portefeuilles de référence du marché. Les bénéfices prévisionnels, les bénéfices
réalisés et le nombre d’analystes suivant un titre (N_AF) proviennent de la base de
données IBES.
La mesure des surprises de bénéfice est la surprise de bénéfice (SUE). Elle
est définie comme suit.
25
Se référer au chapitre 3 pour un détail des modèles et des tests statistiques.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
SUE = (BPA – PREV) / P
170
(37)
Les surprises de bénéfice permettent de savoir si les investisseurs ont tendance à
sous-estimer ou sur-estimer ou estimer correctement les annonces de bénéfices selon
l’erreur moyenne constatée pour chaque horizon. Par ailleurs, la variable SUE donne
une information complémentaire en indiquant la proportion du prix du titre que
représente la différence entre la réalisation et la prévision de bénéfices.
La révision de prévisions de bénéfice sur 12 mois (REV12) est la variable
(REV12). Elle est définie comme suit.
REV12 = ∑[(PREVi,t-s+1 - PREVi,t-s) / Pi,t-s] sur s allant de 1 à 12
(38)
La variable (REV12) donne une information supplémentaire en indiquant les
anticipations des analystes au fur et à mesure qu’ils sont en possession de nouvelles
informations. La révision de leurs prévisions lors de l’annonce des bénéfices, indique
également que la publication des bénéfices a apporté de nouvelles informations, que
les analystes n’ont pas pu détecter.
Le calcul des rentabilités normales et anormales a été largement détaillé dans
la méthodologie générale (voir le chapitre 3).
Nous suivons les approches de Bernard et Thomas (1989), Chan, Jegadeesh
et Lakonishok (1996) et Fama et French (1993) pour la constitution des portefeuilles.
Les portefeuilles en décile suivant la variable de surprise de bénéfices sont
constitués. Nous nous intéressons aux portefeuilles extrêmes, c’est-à-dire aux
portefeuilles de titres à faibles et à fortes surprises de bénéfices. L’intérêt des
portefeuilles extrêmes est qu’ils permettent d’évaluer des primes de rentabilités, des
caractéristiques et des facteurs de risque suivant les surprises de bénéfices. Ces primes
de rentabilités, des caractéristiques et des facteurs de risque sont des différentiels de
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
171
rentabilités, de caractéristiques et de facteurs de risque. Elles permettent de tester la
persistance et de donner des explications au phénomène d’annonce de bénéfices sous
les hypothèses de l’approche comportementale et sous celles de l’orthodoxie
financière. Cette analyse constitue une analyse uni-dimensionnelle car les portefeuilles
sont analysés uniquement suivant la variable surprise de bénéfices SUE. Pour chaque
portefeuille constitué, les performances anormales, les surprises de bénéfices et les
caractéristiques moyennes sont évaluées. Ces portefeuilles sont les portefeuilles
extrêmes et les portefeuilles d’arbitrage résultant du différentiel des portefeuilles à
faible et à forte surprise de bénéfices.
Les modèles de régression de Fama et French (1993) sur toute la période d’étude
sont associés aux analyses des rentabilités anormales, des surprises de bénéfices et des
caractéristiques des titres. Ces modèles de régression permettent de faire des
vérifications et des contrôles robustes des résultats. Le rendement excédentaire moyen
de portefeuilles mensuels de titres (Ri,t – Rf,t) est régressé sur les variables explicatives
moyennes RMRFt, SMBt et HMLt. L’hétéroscédasticité est corrigée en appliquant le
test de White (1980).
Modèle de Fama et French (1993) : Ri,t – Rf,t = α + βRMRFt + φSMBt + γHMLt + ε
Si α = 0 (du portefeuille d’arbitrage), c’est-à-dire si le « α » n’est pas significatif
alors les annonces de bénéfices ne suscitent pas une réaction des investisseurs sur le
marché financier français.
Si α ≠ 0 (du portefeuille d’arbitrage), c’est-à-dire si le «α » est significatif alors
les annonces de bénéfices suscitent une réaction des investisseurs sur le marché
financier français.
Il n’y a alors que deux possibilités. Soit on accepte l’hypothèse de sur- / sousréaction soit on réfute l’hypothèse de sur- / sous-réaction. De nouveaux tests sont alors
envisagés.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
172
Si les coefficients des trois facteurs de risque de Fama et French sont tous
nuls (β = φ = γ = 0) statistiquement, c’est-à-dire non significatifs, alors les
investisseurs sur- / sous-réagissent à l’annonce des bénéfices sur le marché
financier français.
Si au moins l’un des coefficients est significatif, c’est-à-dire β ≠ 0 ou φ ≠ 0
ou γ ≠ 0, alors les investisseurs ajustent de manière progressive leurs anticipations à
l’annonce de bénéfices. Toutefois, le modèle tri-factoriel à facteurs pré-spécifiés de
Fama et French (1993) ne permet pas de prendre en compte pleinement tous les
facteurs de risque des performances des titres.
3 RESULTATS, INTERPRETATIONS ET DISCUSSIONS
Cette section présente, analyse et interprète les résultats suivant la variable surprise
de bénéfices SUE définie précédemment dans la section 2.2 du présent chapitre.
L’étude du phénomène d’annonce de bénéfices suivant la variable surprise de
bénéfices SUE, est menée en examinant les rentabilités anormales cumulées, les
caractéristiques et les facteurs de risque des portefeuilles de titres constitués selon la
surprise de bénéfices SUE. A cet effet, dix portefeuilles ont été formés en révisant leur
composition mensuellement. Les titres sont répartis en nombre approximativement
identique dans chacun des dix portefeuilles et nous nous intéressons aux portefeuilles
de déciles extrêmes. Il s’agit du portefeuille contenant des actions du premier décile à
plus petite surprise de bénéfices (SUE_L) et de celui du dixième décile contenant les
actions à plus grande surprise de bénéfices (SUE_H). L’intérêt des portefeuilles
extrêmes est qu’il permet de définir un portefeuille différentiel ou d’arbitrage
(SUE_L&H) à investissement nul, construits de manière à évaluer les primes de
rentabilités, les primes de surprise de bénéfices, les primes de caractéristiques et les
primes des facteurs de risque. Les différentiels ainsi évalués, permettent de valider ou
d’invalider les explications d’une sous-réaction et/ou d’une sur-réaction des
investisseurs sur le marché financier français, sur la période 1988 à 1999 à la
publication des résultats.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
173
Pour chaque portefeuille (SUE_L, SUE_H et SUE_L&H), les rentabilités
anormales cumulées moyennes ex-ante et ex-post, la surprise de bénéfices SUE et les
caractéristiques [le risque bêta, la taille (LnMV), le ratio « book-to-market »
(LnVC/VM) et le nombre d’analystes suivant un titre (N_AF)] sont évaluées. Les
caractéristiques issues de la base de données Datastream correspondent à celles du jour
de l’annonce de bénéfices. Le test de Student est utilisé pour tester le caractère
significatif des rentabilités anormales cumulées moyennes, des surprises de bénéfices
et des caractéristiques de chaque portefeuille extrême. Quant au test non paramétrique
de Mann-Whitney, il est utilisé pour la comparaison des rentabilités anormales
cumulées moyennes, des surprises de bénéfices et des caractéristiques des portefeuilles
extrêmes.
3.1 La variation des cours boursiers suite à l’annonce de bénéfices
Cette section analyse le comportement des rentabilités aux annonces de
bénéfices. Mais au préalable, le tableau 4.1 présente les caractéristiques des surprises
de bénéfices des portefeuilles SUE_L, SUE_H et SUE_L&H.
Tableau 4.1 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant la variable
surprise de bénéfices SUE
VARIABLES
SUE_L
N
SUE
Valeur & p-value
155 -2,204*** (0,00)
SUE_H
N
Valeur & p-value
162 0,050*** (0,00)
SUE_L&H
Valeur & p-value
-2,254*** (0,00)
Notes : Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée), c’est-àdire le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage, c’est-à-dire le
portefeuille issu de la différence des portefeuilles SUE_L et SUE_H. La variable SUE est la surprise de bénéfices moyenne. N
désigne le nombre de titres dans chaque portefeuille donné. Le test d’homogénéité des surprises de bénéfices des portefeuilles
SUE_L et SUE_H est effectué par le test z non paramétrique de Mann-Withney. Les valeurs entre les parenthèses indiquent
les « p-value ». Les symboles ***, ** et * indiquent les significations des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et
10%.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
174
Les observations du tableau 4.1 indiquent une hétérogénéité des portefeuilles
extrêmes (SUE_L et SUE_H) formés suivant la variable surprise de bénéfices SUE.
Elles montrent une signification statistique certaine de la variable « surprise de
bénéfices » SUE entre les portefeuilles à faible et à forte SUE. La différence de
« surprise de bénéfices » entre les portefeuilles à faible et à forte SUE est de –2,254.
Cette différence est très significative avec une « p-value » de la statistique de MannWithney du portefeuille d’arbitrage de l’ordre de 1%. De plus, le portefeuille SUE_L a
une surprise de bénéfices moyenne négative tandis que celle du portefeuille SUE_H est
positive. En effet, la surprise de bénéfices moyenne du portefeuille SUE_L est de –
2,204 et celle du portefeuille SUE_H est de 0,050.
Après avoir montré l’hétérogéinété des portefeuilles à bonne nouvelle (SUE_H)
et à mauvaise nouvelle (SUE_L), les tableaux 4.2 et 4.3 présentent les rentabilités
anormales cumulées sur douze mois avant et après l’annonce de bénéfices des
portefeuilles SUE_L, SUE_H et SUE_L&H estimées respectivement suivant les indices
de marché SBF 250 et CAC 40.
Tableau 4.2 - Rentabilités anormales cumulées moyennes ex-ante et ex-post des portefeuilles composés
suivant la variable surprise de bénéfice SUE (avec l’indice de marché SBF 250)
VARIABLES
SUE_L
SUE_H
SUE_L&H
N
Valeurs & p-value
N
Valeurs & p-value
Valeurs & p-value
cara12
114
3,14% (0,22)
117
4,22% (0,39)
-1,08% (0,52)
cara9
121
1,83% (0,41)
120
5,48% (0,17)
-3,65% (0,21)
cara6
122
3,46% (0,23)
121
5,52% (0,16)
-2,06% (0,32)
cara3
125
3,58%*** (0,03)
124
5,86%** (0,06)
-2,28% (0,11)
cara1
127
2,16% (0,14)
126
3,28%*** (0,02)
-1,12% (0,19)
car(-1,+1)
129
2,12% (0,15)
118
5,63%*** (0,01)
-3,51%** (0,07)
carp1
138
-0,69% (0,60)
130
0,30% (0,86)
-0,99% (0,81)
carp3
138
-1,07% (0,57)
129
0,93% (0,70)
-2,00% (0,17)
carp6
133
1,41% (0,48)
127
3,81% (0,24)
-2,40% (0,26)
carp9
127
2,02% (0,12)
121
5,42%*** (0,03)
-4,40%** (0,05)
carp12
127
2,32%* (0,10)
119
7,13%*** (0,02)
-4,81%*** (0,04)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
175
Tableau 4.3 - Rentabilités anormales cumulées ex-ante et ex-post moyennes des portefeuilles composés
suivant la variable surprise de bénéfice SUE (avec l’indice CAC 40)
VARIABLES
SUE_L
N
SUE_H
Valeurs & p-value
N
117
Valeurs & p-value
7,48%** (0,05)
SUE_L&H
Valeurs & p-value
cara12
106
1,87% (0,54)
-5,61%** (0,06)
cara9
112
1,78% (0,49)
120
6,46%*** (0,02)
-4,68%** (0,07)
cara6
113
-0,27% (0,90)
121
5,92%** (0,05)
-6,19%** (0,05)
cara3
116
3,22%* (0,08)
124
5,05%*** (0,00)
-1,83%** (0,07)
cara1
118
2,42% (0,13)
126
4,03%** (0,05)
-1,61% (0,32)
car(-1,+1)
120
1,85% (0,13)
121
3,39%** (0,07)
-1,54% (0,29)
carp1
129
-1,10% (0,42)
129
1,83% (0,28)
-2,93% (0,11)
carp3
129
-0,83% (0,66)
128
2,71% (0,28)
-3,54%* (0,09)
carp6
125
0,54% (0,81)
125
4,29%** (0,06)
-2,75% (0,12)
carp9
119
3,83%** (0,06)
117
5,93%*** (0,00)
-2,10% (0,16)
carp12
119
3,51% (0,27)
119
6,02%*** (0,00)
-2,51% (0,14)
Notes pour les tableaux 4.2 et 4.3 : Le portefeuille SUE_L (respectivement SUE_H) est composé des titres à SUE faible
(respectivement élevée) ), c’est-à-dire le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il est le portefeuille
d’arbitrage, c’est-à-dire le portefeuille issu du différentiel des portefeuilles SUE_L et SUE_H. Les variables carak (carpk) sur
k mois [k = 1, 3, 6, 9 et 12] représentent les rentabilités anormales cumulées ex-ante (ex-post) évaluées suivant le modèle de
Fama et French (1993). Quant à la variable car(-1,+1), elle correspond à la rentabilité anormale autour de la date d’annonce
du bénéfice (1 mois avant et 1 mois après l’annonce de bénéfices). N désigne le nombre de titres dans chaque portefeuille
donné. Le test d’homogénéité rentabilités anormales cumulées ex-ante et ex-post des portefeuilles SUE_L et SUE_H est
effectué par le test z non paramétrique de Mann-Withney. Les valeurs entre les parenthèses indiquent les p-value. Les
symboles ***, ** et * indiquent les significations des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et 10%.
Les résultats du tableau 4.2 montrent une différence négative des rentabilités
anormales cumulées moyennes entre le portefeuille d’action à surprise de bénéfices
faible et celui à surprise de bénéfices élevée. Ces résultats indiquent que les titres à
surprise de bénéfice positive sur-performent les titres à surprise de bénéfice faible.
Toutefois, les différences de rentabilités anormales ne sont pas toutes statistiquement
significatives.
Les
différences
de
rentabilités
anormales
cumulées
ex-ante
(respectivement ex-post) sur 1 mois, 3 mois et 6 mois à l’annonce des bénéfices entre
les titres à faible et à forte surprise de bénéfices ne sont pas significatives. Elles sont
de l’ordre de -1,12% , -2,28% et -2,06% (respectivement –0,99% , -2,00% et -2,40%)
avec des « p-value » de la statistique de Man-Withney de 0,19 ; 0,11 et 0,32
(respectivement 0,81 ; 0,26 et 0,26). Cependant, la rentabilité anormale moyenne
cumulée autour de la date d’annonce de bénéfices est significative, lorsque l’indice
SBF 250 est utilisé comme l’indice référentiel du marché français. Cette dernière
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
176
rentabilité est non significative lorsque l’indice CAC 40 est le portefeuille représentatif
du marché. De même, les performances du portefeuille d’arbitrage ne sont
significatives que sur les périodes pré et post-annonces 9 mois et 12 mois. Ces
résultats suggèrent que les annonces de bénéfices suscitent une réaction des
investisseurs sur le marché financier français. Toutefois, cette réaction ne saurait
remettre en cause l’efficience du marché boursier français, du moins au sens semi-fort,
puisqu’il existe des rentabilités anormales suite à l’annonce de bénéfices non
significatives. Cette analyse est conforme à celle de Beaver (1968), Ball et Brown
(1968), Rendleman, Jones et Latané (1982) et Kothari, Lewellen et Warner (2003) sur
le marché américain, et à celle de Levasseur, L’Her et Suret (2002) sur le marché
français. Pour ces derniers, par la force des choses, il est impossible de connaître
toutes les informations pertinentes au moment des prévisions et anticipations. Avec le
temps, l’information devient progressivement disponible aux investisseurs qui ajustent
les prix en conséquence. Cette réaction ne saurait être en aucun cas contradictoire avec
la théorie d’efficience des marchés financiers (Fama, 1998).
Cependant, l’observation des rentabilités anormales moyennes cumulées du
portefeuille à surprise de bénéfices élevée (SUE_H), précisément le portefeuille à
surprise de bénéfices positive, sème un doute (voir respectivement les tableaux 4.2 et
4.3 pour les rentabilités anormales moyennes cumulées et le tableau 4.1 pour le signe
des surprises de bénéfices). En effet, pour les titres à surprise de bénéfices positive, les
rentabilités anormales moyennes cumulées sont significatives dans l’ensemble avant et
après l’annonce de bénéfices. Elles ont tendance à progresser à la période pré-annonce
puis à se stabiliser dans les premiers mois de l’annonce des résultats, avant de répartir
à la hausse. Ces constatations laissent supposer que les investisseurs ajustent leurs
anticipations de façon progressive au moins jusqu’au jour d’annonce des bénéfices,
mais cette frénésie d’ajustement des prix n’est pas définitive aux alentours de la date
d’annonce. Ces résultats laissent croire que le marché sous-réagit à l’information
positive et qu’il tarde à s’ajuster complètement. Cette correction persistante aux
bonnes nouvelles est soulignée par Foster, Olsen et Shvelin (1984), Bernard et Thomas
(1989, 1990) et Chan, Lakonishok et Jegadeesh (1996) sur le marché américain, et par
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
177
Liu, Strong et Xu (2003) sur le marché anglais. Toutefois, les observations des
rentabilités anormales cumulées du portefeuille à surprise de bénéfices faible,
précisément, négative (SUE_L) contrastent avec celles des rentabilités anormales
cumulées du portefeuille à surprise de bénéfices positive (SUE_H). Ces résultats
jettent un doute sur la conclusion précédente d’une correction persistante liée à une
sous-réaction des investisseurs, et, donc associée à une inefficience des marchés
financiers. Pourquoi les investisseurs seraient-ils « irrationnels » à l’information
positive et rationnels ou rationnellement limités à l’information négative ? En effet, les
rentabilités anormales moyennes cumulées des titres à surprise négative ne sont pas
significativement différentes de zéro dans l’ensemble, hormis les rentabilités
anormales moyennes cumulées sur 3 mois avant l’annonce du bénéfice. L’impact des
surprises négatives sur l’évolution des cours boursiers serait donc négligeable, ce qui
est compatible à la théorie d’efficience des marchés financiers. Pour les tenants de la
finance comportementale, le comportement des investisseurs à l’annonce des
mauvaises nouvelles résulterait de leur refus d’ajuster les prix à ces mauvaises
nouvelles annoncées dans l’espoir qu’elles soient fausses. Pour eux, ce comportement
des investisseurs est le résultat d’un excès de confiance ou d’un mécanisme d’ancrage
envers leurs croyances [voir Daniel, Hirshleifer et Subrahmanyam (1998) et Barberis,
Shleifer et Vishny (1998)]. Mais, force est de constater contrairement aux surprises de
bénéfices positives, une quasi-absence de réaction aux surprises de bénéfices négatives
de la part des investisseurs. De tels résultats rendent perplexes la supposée
« irrationalité » des investisseurs à l’annonce de bénéfices par les tenants de la finance
comportementale.
Les résultats sont similaires aux résultats précédents lorsque l’indice CAC 40 est
utilisé comme le portefeuille de marché.
Les graphiques 4.1 et 4.2 illustrent respectivement les résultats des tableaux 4.2 et
4.3.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
178
Graphique 4.1 - Evolution des rentabilités anormales cumulées moyennes ex-ante et ex-post observées
suite à l'annonce de bénéfices des portefeuilles composés selon le sens de la surprise de bénéfices (SUE)
lorsque l’indice SBF 250 est le portefeuille représentatif du marché
8,00%
SUE_L
SUE_H
SUE_L&H
Rentabilités anormales cumulées
6,00%
4,00%
2,00%
0,00%
-2,00%
-4,00%
-6,00%
cara18
cara12
cara9
cara6
cara3
car0
carp3
carp6
carp9
carp12
carp18
Graphique 4.2 - Evolution des rentabilités anormales cumulées moyennes ex-ante et ex-post, observées
suite à l'annonce des bénéfices, des portefeuilles composés selon le sens de la surprise de bénéfices (SUE)
lorsque l’indice CAC 40 est le portefeuille représentatif du marché
10,00%
SUE_L
SUE_H
SUE_L&H
Rentabilités anormales cumulées
8,00%
6,00%
4,00%
2,00%
0,00%
-2,00%
-4,00%
-6,00%
-8,00%
cara18
cara12
cara9
cara6
cara3
car0
carp3
carp6
carp9
carp12
carp18
Notes sur les graphiques 4.1 et 4.2 : Le portefeuille SUE_L (respectivement SUE_H) est composé des titres à SUE faible
(respectivement élevée) c-à-d le décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il est le portefeuille
d’arbitrage c’est-à-dire le portefeuille issu de la différence entre SUE_L et SUE_H. Les variables carak (carpk) sur k mois [k
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
179
= 1, 6 et 12] représentent les rentabilités anormales cumulées ex-ante (ex-post) évaluées suivant le modèle de Fama et French
(1993).
Les graphiques 4.1 et 4.2 montrent que les investisseurs ajustent leurs
anticipations suivant les informations de bénéfices disponibles. Ils ajusteraient donc
les prix des titres de façon progressive avant et après l’annonce de bénéfices. Cet
ajustement est net pour les titres à surprises positives.
Afin de confirmer ou d’infirmer l’ajustement progressif des cours boursiers à
l’annonce de bénéfices, les sections qui suivent analysent les caractéristiques des titres.
3.2 L’analyse des caractéristiques des portefeuilles
3.2.1 Les surprises et les révisions de bénéfices des analystes lors
de la publication des résultats
La section précédente a analysé les rentabilités anormales moyennes cumulées
suite aux annonces des bénéfices. Celle-ci a mis en évidence un contenu
informationnel des surprises de bénéfices sur le marché financier français. Les
résultats précédents suggèrent également un ajustement graduel des cours boursiers à
la publication des résultats de la part des investisseurs. Ce résultat serait cohérent avec
celui d’un marché efficient. Dans cette section, les surprises et révisions de bénéfices
des portefeuilles à faible et à forte surprise de bénéfices (SUE_L et SUE_H) sont
analysées.
Le tableau 4.4 récapitule les résultats.
Tableau 4.4 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant la variable
surprise de bénéfice SUE
VARIABLES
SUE_L
N
Valeur & p-value
SUE_H
N
Valeur & p-value
SUE_L&H
Valeur & p-value
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
180
SUE
155 -2,204*** (0,02)
162 0,050** (0,06)
-2,254*** (0,02)
REV12
138 0,287*** (0,04)
133 -0,666*** (0,00)
0,954*** (0,03)
Note : Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée) c-à-d le
décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage c’est-à-dire le
portefeuille issu de la différence des portefeuilles SUE_L et SUE_H. Les variables SUE et REV12 sont respectivement la
surprise et la révision de bénéfices moyenne. N désigne le nombre de titres dans chaque portefeuille donné. Le test
d’homogénéité des surprises de bénéfice des portefeuilles SUE_L et SUE_H est effectué par le test z non paramétrique de
Mann-Withney. Les valeurs entre les parenthèses indiquent les p-value. Les symboles ***, ** et * indiquent les significations
des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et 10%.
Les résultats du tableau 4.4 montrent un optimisme général des prévisions de
bénéfices à l’annonce de bénéfices. La surprise de bénéfices (SUE) du portefeuille
d’arbitrage SUE_L&H est de –2,254 et elle est très significative. Néanmoins, une
appréciation divergente des analystes sur les portefeuilles SUE_L et SUE_H est
constatée. Les analystes sont optimistes (respectivement pessimistes) sur les titres à
bonne (respectivement mauvaise) nouvelle. Par ailleurs, les observations des révisions
de bénéfices démontrent que les analystes révisent à la hausse leurs prévisions sur les
titres à surprise de bénéfices négative et ils révisent à la baisse celles des titres à
surprise de bénéfices positive. La révision de leurs prévisions lors de l’annonce de
bénéfices indique donc que la publication des bénéfices a apporté de nouvelles
informations que les analystes n’ont pas pu détecter. Ces faits suggèrent une prise de
conscience des analystes de leurs pessimisme et optimisme exagérés respectivement
sur les titres à mauvaise et à bonne nouvelles. Ces résultats montrent une cohérence du
comportement des investisseurs lors de l’annonce des bénéfices avec la théorie de
l’efficience des marchés. Ils ajusteraient progressivement leurs anticipations suivant
l’information disponible par exemple, les prévisions de bénéfices des analystes. Par
contre, il existerait peut être une composante émotionnelle des prévisions de bénéfices
des analystes. Certains auteurs, par exemple De Bondt et Thaler (1990), Abarbanell et
Bernard (1992), Amir et Ganzach (1998) et Abarbanell et Lehavy (2003b) ont souligné
ce fait. L’étude des prévisions des analystes lors de l’annonce des résultats fait l’objet
d’un examen dans le chapitre 6.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
181
La section suivante analyse quelques caractéristiques des portefeuilles de titres
SUE_L et SUE_H lors de l’annonce des bénéfices.
3.2.2 Les caractéristiques des portefeuilles lors de l’annonce des
bénéfices
Les résultats précédents ont montré un contenu informationnel des surprises de
bénéfices sur le marché financier français. Cet impact significatif des annonces de
bénéfices sur les cours boursiers est apparemment un ajustement progressif des cours
des actions à l’annonce de bénéfices. Cet ajustement graduel est-il dû aux
comportements des investisseurs ou est-il simplement une manifestation des facteurs
de risque des titres ?
Si le phénomène d’ajustement progressif des prix observé suite à l’annonce de
bénéfices est expliqué par le comportement biaisé des investisseurs, alors les
caractéristiques du portefeuille d’arbitrage sont statistiquement non significatives,
sinon il résulte d’un risque dû aux fondamentaux des titres.
De ce fait, une analyse est faite sur les caractéristiques des portefeuilles
extrêmes et d’arbitrage précédemment constitués suivant la variable « surprise de
bénéfices » (SUE). Les caractéristiques risque bêta (BETA), taille (LnMV), ratio
« book-to-market » (LnVC/VM) et nombre d’analystes suivant un titre (N_AF)
moyennes sont évaluées. Le tableau 4.5 présente les caractéristiques [la taille (LnMV),
le ratio « book-to-market » (LnVC/VM), le facteur risque bêta et le nombre d’analystes
financiers (N_AF)] des portefeuilles extrêmes et d’arbitrage.
Tableau 4.5 - Caractéristiques des portefeuilles composés suivant la variable surprise de bénéfices SUE
VARIABLES
SUE_L
SUE_H
SUE_L&H
N
Valeur & p-value
N
Valeur & p-value
Valeur & p-value
LnVC/VM
155
-1,596*** (0,00)
162
-2,692*** (0,00)
1,096** (0,05)
LnMV
155
7,671*** (0,00)
162
8,271*** (0,00)
-0,600 (0,24)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
182
N_AF
155
5,967*** (0,00)
162
9,666*** (0,00)
-3,698*** (0,02)
BETA
155
0,827*** (0,00)
162
0,781*** (0,00)
0,046 (0,11)
Note : Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée), c-à-d le
décile 10 (respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage, c-à-d le portefeuille
issu du différentiel des portefeuilles SUE_L et SUE_H. Les caractéristiques des portefeuilles Bêta, LnMV, LnVC/VM et N_AF
correspondent respectivement au risque bêta, au logarithme de la capitalisation boursière (taille), au logarithme du ratio
« book-to-market » et au nombre d’analystes suivant un titre. N désigne le nombre de titres dans chaque portefeuille donné.
Le test d’homogénéité des caractéristiques des portefeuilles SUE_L et SUE_H est effectué par le test z non paramétrique de
Mann-Withney. Les valeurs entre les parenthèses indiquent les p-value. Les symboles ***, ** et * indiquent les significations
des statistiques de 0% à 4,99%, 5% à 7,49% et 7,5% et 10%.
Le tableau 4.5 montre une signification statistique de certaines caractéristiques
des titres. Ces caractéristiques statistiquement significatives du titre sont le ratio
« book-to-market » (LnVC/VM) et le nombre d’analystes suivant un titre donné
(N_AF). En effet, la différence des variables LnVC/VM et N_AF entre les portefeuilles
à faible SUE et à forte SUE sont respectivement de -1,096 et –3,698 et les « p-value »
respectives sont de 5% et de 2%. Néanmoins, les résultats du tableau 4.5 ne font pas
ressortir une signification de la sensibilité bêta. Cette constatation est cohérente avec
celle de l’étude de Fama et French (1992) où ils ont montré la prédominance des
facteurs de risque liés au ratio « book-to-market » et à la taille sur la sensibilité bêta.
Ces résultats suggèrent que l’ajustement graduel des cours à la publication des
bénéfices s’appréhende comme une manifestation des facteurs de risque des
fondamentaux. Lesdits résultats démontrent que les fluctuations des cours boursiers
suite aux annonces de bénéfices sur le marché financier français s’expliquent par les
différences des caractéristiques de l’action et non par une sous-réaction et/ou une surréaction des investisseurs. Les titres à forte (respectivement faible) surprise de
bénéfices seraient fondamentalement risqués (respectivement mois risqué), d’où les
rentabilités anormalement élevées (respectivement faibles) observées. Ces résultats
contredisent ceux des travaux de Bernard et Thomas (1989, 1990), Bernard (1993) et
Johnson et Schwartz (2001) sur le marché américain et Liu, Strong et Xu (2003) sur le
marché anglais. Effectivement, ces auteurs interprètent la variation des cours boursiers
suite à l’annonce de bénéfices comme la manifestation d’une sous-réaction des
investisseurs. Cependant, les résultats sont conformes aux résultats de Hirshleifer,
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
183
Myers J., Myers L. et Teoh (2003)], Kothari, Lewellen et Warner (2003) et
Mendenhall (2003) sur le marché américain où les fluctuations des prix suite à
l’annonce de bénéfices ne résultent pas de la sous-réaction des investisseurs.
3.3 Le contrôle robuste des résultats par le modèle de régression de
Fama et French (1993)
Le modèle tri-factoriel à facteurs pré-spécifiés de Fama et French (1993) est
utilisé pour effectuer un contrôle robuste des résultats précédents. Le test des
coefficients des facteurs de risque, permet d’expliquer l’excès de rentabilité au taux
sans risque à l’annonce des bénéfices, soit comme une juste compensation pour des
facteurs de risque élevés, compatible avec la théorie d’efficience, soit comme une
manifestation de l’irrationalité des investisseurs. Les résultats sont présentés dans les
tableaux 4.6 et 4.7.
Tableau 4.6 - Les résultats du modèle de Fama et French (1993) des portefeuilles composés selon la
variable surprise de bénéfices SUE (avec l’indice de marché SBF 250)
COEFFICIENTS DU MODELE DE MODELE DE FAMA ET FRENCH (1993):
RI,T – RF,T = α + βRMRFT + φSMBT + γHMLT + εT
Coefficients
SUE_L
SUE_H
SUE_L&H
Constante
0,013*** (2,03)
0,011*** (2,72)
-0,0085*** (-3,57)
RMRF
0,385*** (2,83)
-0,054 (-0,12)
0,231 (1,42)
SMB
4,248*** (3,16)
7,550*** (2,27)
-1,056 (-0,69)
HML
-5,043*** (-6,31)
-1,943 (-0,81)
3,563*** (2,87)
R²
74,90%
17,50%
35,00%
R² ajusté
72,00%
10,20%
27,50%
F
25,88***
1,83*
4,66***
Note : La variable Rentabilité Ri,t – Rf,t est la variable dépendante et les variables facteur de Marché (Rm – Rf ), facteur Taille
(SMB) et facteur ratio « book-to-market » ou facteur de détresse financière (HML) sont les variables explicatives. Le
portefeuille représentatif du marché est l’indice SBF 250 et le taux du marché monétaire est le taux annuel monétaire (TAM).
Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée) c-à-d le décile 10
(respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage c’est-à-dire le portefeuille issu
de la différence entre SUE_L et SUE_H. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles
***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
184
Tableau 4.7 - Les résultats du modèle de Fama et French (1993) des portefeuilles composés selon la
variable surprise de bénéfices SUE (avec l’indice de marché CAC 40)
COEFFICIENTS DU MODELE DE MODELE DE FAMA ET FRENCH (1993):
RI,T – RF,T = α + βRMRFT + φSMBT + γHMLT + εT
Coefficients
SUE_L
SUE_H
SUE_L&H
Constante
0,013*** (2,88)
0,0063*** (5,58)
-0,007*** (-2,95)
RMRF
0,207** (1,96)
1,126 (1,35)
0,243 (1,53)
SMB
4,397*** (3,03)
7,056** (1,82)
0,552 (0,32)
HML
-5,432*** (-6,58)
1,418 (0,74)
2,969*** (2,28)
R²
71,50%
21,50%
26,30%
R² ajusté
68,20%
12,50%
17,80%
F
21,69***
2,38*
3,09**
Note : La variable Rentabilité Ri,t – Rf,t est la variable dépendante et les variables facteur de Marché (Rm – Rf ), facteur Taille
(SMB) et facteur ratio « book-to-market » ou facteur de détresse financière (HML) sont les variables explicatives. Le
portefeuille représentatif du marché est l’indice CAC 40 et le taux du marché monétaire est le taux annuel monétaire (TAM).
Le portefeuille SUE_L (respectivement SUE_H) représente les titres à SUE faible (respectivement élevée) c-à-d le décile 10
(respectivement 1). Quant au portefeuille SUE_L&H, il représente le portefeuille d’arbitrage c’est-à-dire le portefeuille issu
de la différence entre SUE_L et SUE_H. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles
***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Les résultats des tableaux 4.6 et 4.7 montrent que les surprises de bénéfices ont
un contenu informationnel. En effet, la constante du portefeuille d’arbitrage
SUE_L&H est de –0,0085 (respectivement –0,007) lorsque l’indice de marché SBF
250 (respectivement CAC 40) est utilisé comme le portefeuille représentatif du marché
boursier français. Elle est statistiquement significative à l’ordre de 1% avec un t de
Student de –3,57 (respectivement –2,95) lorsque l’indice de marché SBF 250
(respectivement CAC 40) est le portefeuille référentiel du marché financier français.
Ce résultat valide l’hypothèse H1 et confirme les résultats précédents d’un contenu
informatif des annonces de bénéfices sur les marchés financiers. Il est en accord avec
les résultats des travaux sur l’impact de la publication des bénéfices sur les marchés
initiés par Beaver (1968) et Ball et Brown (1968).
Les coefficients des facteurs de risque, c’est-à-dire le facteur de marché
(RMRFt), le facteur lié à la taille (SMBt) et le facteur lié au ratio valeur comptable sur
valeur marchande du titre (HMLt) ne sont pas tous nuls. En effet, le coefficient de
sensibilité au facteur du ratio valeur comptable sur valeur marchande du titre ou ratio
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
185
« book-to-market » est 3,565 avec un t de Student de 2,28 lorsque l’indice de marché
SBF 250 est le portefeuille de référence du marché financier français. De même,
lorsque l’indice CAC 40 est utilisé comme le portefeuille du marché français, tous les
coefficients ne sont pas tous nuls statistiquement. Précisément, le coefficient du ratio
valeur comptable sur valeur marchande du portefeuille d’arbitrage est 2,969 et il est
significatif avec un t de Student de 2,28. Ces résultats montrent que les annonces de
bénéfices suscitent une réaction des investisseurs sur le marché financier français.
Toutefois, cette réaction des investisseurs n’est pas expliquée par un comportement
biaisé, précisément, une sous-réaction de ceux-ci. La réaction des investisseurs aux
annonces de bénéfices serait donc compatible avec la théorie de l’efficience des
marchés financiers.
L’observation des coefficients du portefeuille extrême SUE_L montre que le
modèle de Fama et French (1993) capture l’anomalie du marché concernant les
surprises de bénéfices négatives. Précisément, le rendement excédentaire d’un
portefeuille de titres, (Rp,t – Rf,t), serait fonction de sa sensibilité à trois facteurs de
risque : le facteur de marché (RMRFt), le facteur relié à la taille (SMBt) et le facteur
relié au ratio valeur comptable sur valeur marchande du titre (HMLt). En effet, pour le
portefeuille SUE_L, nous avons des coefficients tous significatifs avec un coefficient
de corrélation R²-ajusté de 72,00% (respectivement 68,20%) lorsque l’indice SBF 250
(respectivement CAC 40) est utilisé comme le portefeuille de marché. Ce résultat
confirme les résultats précédents sur les rentabilités anormales moyennes cumulées des
titres à surprise de bénéfices négative26. Les performances du portefeuille de titres à
surprise de bénéfices négative ne sont pas globalement significatives. L’impact des
surprises négatives sur l’évolution des cours boursiers serait donc négligeable. Ce
résultat démontre que le modèle de Fama et French (1993) serait un modèle explicatif
des rentabilités des titres à surprise de bénéfices négative sur le marché financier
français.
Par contre, pour le portefeuille extrême SUE_H, c’est-à-dire pour les titres à
surprises de bénéfices positive, les coefficients estimés montrent que le modèle de
Fama et French (1993) capture partiellement certaines anomalies du marché financier,
26
Voir la section 2.1.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 4 – Le comportement des cours boursiers suite aux annonces des bénéfices
186
en l’occurrence l’anomalie de « surprise de bénéfices positive ». Ce résultat est
conforme aux résultats précédents où les rentabilités anormales moyennes cumulées
des titres à surprise positive sont significatives dans l’ensemble. En effet, pour le
portefeuille à surprise de bénéfices positive (SUE_H), les coefficients de corrélation
« R²-ajusté » sont faibles. Il est de 10,20% (respectivement 12,50%) lorsque l’indice
SBF 250 (respectivement CAC 40) est le portefeuille de marché.
4 CONCLUSION
Ce premier travail empirique a eu pour objectif d’explorer l’évolution des cours
boursiers aux annonces de bénéfices sur le marché financier français. Les résultats ont
permis de mettre en évidence un contenu informationnel de la publication des
bénéfices. Cette étude basée sur la surprise de bénéfices, montre un ajustement
progressif des cours boursiers aux annonces des bénéfices. Il semblerait également que
les surprises de bénéfices positives et les surprises de bénéfices négatives ne suscitent
pas les mêmes réactions chez les investisseurs. Dans le cas des titres à bonne nouvelle,
c’est-à-dire à surprise de bénéfices positive, l’ajustement progressif des cours
boursiers suivant l’annonce serait important. Par contre, dans le cas des titres à
mauvaise nouvelle, c’est-à-dire à surprise de bénéfices négative, l’ajustement est
faible.
Les résultats sont globalement cohérents avec ceux de l’hypothèse de
l’efficience des marchés, à savoir un ajustement progressif des cours boursiers à la
divulagation des bénéfices financiers. Cependant, la réaction des investisseurs aux
titres à bonne nouvelle laisse planer un doute sur une supposée réaction rationnelle ou
rationnellement limitée des investisseurs. Dans l’étude qui suivra, les résultats des
modèles comportementaux récents, précisément, ceux du modèle de Barberis, Shleifer
et Vishny (1998) sont testés. Les tests des hypothèses des modèles comportementaux
infirment ou confirment-ils les résultats empiriques du présent chapitre?
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
187
CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE
BARBERIS, SHLEIFER ET VISHNY (1998) AUX ANNONCES
DE BENEFICES SUR LE MARCHE FINANCIER FRANÇAIS
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
188
1 INTRODUCTION
Nous avons examiné, dans le chapitre précédent, l’impact de l’annonce des
bénéfices sur les cours boursiers sur le marché financier français en combinant les
méthodologies de Bernard et Thomas (1989, 1990), Fama et French (1992, 1993,
1995, 1996a) et Jegadeesh, Titman et Lakonishok (1996). Ce travail a montré que la
publication des résultats suscite une réaction des investisseurs sur les prix des titres,
mais cette réaction observée sur le marché boursier français résulterait d’une
différence de risque des portefeuilles extrêmes constitués selon le sens des surprises de
bénéfices. Toutefois, compte tenu de l’ambiguïté de la réaction des investisseurs aux
bonnes nouvelles, nous proposons dans ce chapitre, une méthodologie qui permet de
distinguer et de tester de manière explicite les phénomènes de sous- et sur-réaction des
investisseurs, à l’annonce des résultats antérieurs et récents, afin de valider ou
d’invalider nos résultats empiriques précédents.
La finance comportementale propose deux phénomènes opposés mais liés au
comportement de l’investisseur : le premier phénomène est celui de la sur-réaction des
investisseurs à l’information [De Bondt et thaler (1985, 1987)] et le second est la
sous-réaction des investisseurs à l’information (Bernard et Thomas, 1989). Ces auteurs
montrent que le cours n’intègre pas immédiatement la bonne ou la mauvaise nouvelle
annoncée mesurée par le degré de surprise des résultats créé lors des plus récentes
annonces des résultats, par rapport aux attentes des analystes : soit il s’ajuste à cette
information récente résultant de la sous-réaction des investisseurs [Bernard et Thomas
(1990), Jegadeesh et Titman (1993, 2001), Chan, Jegadeesh et Titman (1996)], soit il
s’inverse dû à une sur-réaction des investisseurs [De Bondt et Thaler (1987)]. Des
modèles comportementaux récents [Barberis, Shleifer et Vishny (1998), Daniel,
Hirshleifer et Subrahmanyam (1998) et Hong et Stein (1999)] réconcilient les
hypothèses de la sous- et sur-réaction des investisseurs. Ces modèles diffèrent dans
leurs hypothèses du comportement des investisseurs mais tous prédisent une sousréaction à l’information publique récente et une sur-réaction aux informations
historiques. Les prétentions et implications fondamentales de comportement
demeurent en grande partie non testées empiriquement. D’une part, Fama (1998)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
189
constate la difficulté à concilier les résultats des études empiriques et des modèles
comportementaux théoriques. Il note l’absence des facteurs explicatifs des
phénomènes de la sous-réaction et sur-réaction (Fama, 1998). D’autre part, les études
de Jegadeesh et Titman (2001), Lee et Swaminathan (2000, 2001) valident les résultats
des modèles comportementaux. Il serait intéressant de tester ces modèles
comportementaux sur le marché financier français, afin de confirmer ou d’infirmer nos
résultats précédents, à savoir, la non explication de l’effet d’annonce de bénéfice par la
sous- et sur-réaction des investisseurs.
Ainsi, nous nous proposons d’étudier le comportement des rentabilités du titre à
court terme et long terme, sur le marché français, en utilisant les méthodes calendaires
de Fama et French (1993) et Carhart (1997) suite à l’annonce récente et aux annonces
antérieures des résultats. Nous étudions quelques implications testables des modèles
comportementaux. Précisément, nous nous concentrons sur le modèle de Barberis,
Shleifer et Vishny (1998).
Le chapitre est organisé de la manière suivante :
Nous présentons la théorie et nos hypothèses de recherche. Ensuite, nous
abordons la méthodologie spécifique de recherche retenue pour notre travail. Puis,
nous discutons les résultats principaux. Enfin, nous analysons la robustesse de nos
résultats par les méthodes de régression. Finalement, nous tirons nos conclusions.
2 THEORIE ET HYPOTHESES DE RECHERCHE
L’étude de Barberis, Shleifer et Vishny (1998) [désormais BSV (1998)] apporte
des éléments d’explication sur les phénomènes de la sur-réaction [De Bondt et Thaler
(1985, 1987)] et sous-réaction (Bernard et Thomas, 1989 ; Jegadeesh et Titman (1993)
et Chan et al. (1996)]. Les auteurs proposent un modèle mathématique reposant sur
deux heuristiques comportementales mises en évidence entre autres par Tversky et
Kahneman (1974) et Edwards (1986). La première heuristique est l’heuristique de
représentativité. Elle se manifeste par la propension des individus à juger des
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
190
événements comme typiques ou représentatifs de certaines catégories de phénomènes
en ignorant la probabilité qu’ils appartiennent effectivement à ces catégories. Cette
heuristique serait à l’origine de la sur-réaction. La seconde heuristique s’appelle le
conservatisme ou l’heuristique d’ajustement-ancrage. Elle est caractérisée par la
lenteur des sujets à changer leurs croyances face à de nouvelles informations. Le
conservatisme serait à la base de la sous-réaction.
Outre le fait que les auteurs donnent des fondements psychologiques à la surréaction et à la sous-réaction, l’intérêt de l’article de BSV (1998) est aussi de montrer
comment cohabitent les deux phénomènes sur un même marché. Ce paradoxe est le
principal point faible de l’argumentation contre l’efficience de marché. Il permet à
Fama (1998) de rejeter les critiques faites à la théorie des marchés efficients. Fama
(1998) affirme que la finance comportementale et les recherches sur les anomalies ne
proposent pas une alternative concrète, c’est-à-dire une théorie générale permettant de
comprendre quand le marché est censé sur ou sous-réagir à l’information, notamment,
à l’annonce des résultats. Cette impossibilité pour la critique de l’efficience d’établir
les conditions de la sous-réaction ou sur-réaction permet à Fama (1998) de rejeter les
attaques contre l’efficience du marché. BSV (1998) sont parmi les premiers à proposer
une théorie qui réconcilie la sur-réaction et la sous-réaction (à la publication des
résultats) en proposant des conditions d’existence des deux phénomènes sur un même
marché.
Pour BSV (1998), la sous-réaction à la bonne nouvelle se traduit par une plus
lente incorporation de la nouvelle dans le prix par rapport à la vitesse d’intégration
dans le cours d’une mauvaise nouvelle, parce que l’investisseur est sujet au biais
d’ancrage. Il y aura donc à court terme une différence positive entre la valeur
fondamentale et la valeur de marché. Pour un investisseur, cela se traduira par le fait
d’avoir une rentabilité moyenne en valeur absolue plus élevée sur les périodes suivant
l’annonce d’une mauvaise nouvelle. En effet, si le marché sous-réagit, il y aura une
correction dans le futur qui amènera une corrélation entre les rentabilités successives
jusqu’à ce que le cours retrouve son niveau d’équilibre. On obtiendra donc des
rentabilités, en valeur absolue, plus importantes sur la durée de correction que lors de
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
191
l’annonce d’une mauvaise nouvelle, puisque dans ce cas le cours est ajusté plus
rapidement.
Selon BSV (1998), il est possible de donner une expression formelle de la sousréaction qui correspond à sa manifestation empirique. Si l’on appelle zt le type
d’information reçue par le marché à la période t, celle-ci peut être de deux types : zt =
B si la nouvelle est mauvaise, zt = G si la nouvelle est bonne alors la formulation de la
sous-réaction selon BSV (1998) sera :
E(rt+1/zt = G) > E(rt+1/zt = B)
(39)
Ce phénomène contredit évidemment la théorie de l’efficience car cette dernière
suppose que le jour de l’annonce, l’information est déjà intégrée dans le prix
puisqu’elle est disponible. Après l’annonce, il ne devrait pas y avoir de corrélations
entre les cours successifs. Or, la sous-réaction suggère le contraire. La sous-réaction
peut donc être décrite comme le fait que la rentabilité moyenne réalisée après un choc
positif (bonne nouvelle, zt = G) est supérieure à la rentabilité moyenne réalisée après
un choc négatif (mauvaise nouvelle, zt = B) selon BSV (1998). En d’autres termes,
cette sous-réaction existera tant que l’investisseur donne en moyenne plus de poids au
modèle 1. Rappelons que le modèle ou régime 1 correspond à l’heuristique de
conservatisme dans le modèle de BSV (1998). Un investisseur utilisant ce modèle
réagira peu à une nouvelle positive concernant les bénéfices car il pense que la période
suivante le choc sera négatif alors qu’en fait, il a autant de chance d’être négatif que
positif.
Si la période suivante, le choc est effectivement négatif, la rentabilité entre les
deux périodes est faible puisque l’investisseur l’avait prévu. Par contre, si le choc est
positif, la rentabilité sera importante et positive. Le raisonnement est le même après un
choc négatif, ce qui permet d’écrire la formule (39).
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
192
t
t+1
+y
E(rt+1/yt = +y) = 4%
Modèle 1
+y
E(rt+1/yt = -y) = 0,5%
-y
Où y représente le choc sur le résultat.
Si le choc en t est positif, un choc positif en t+1 amènera une rentabilité réalisée
moyenne de 4%. Au contraire, si le choc en t était négatif, la rentabilité réalisée
moyenne ne serait que de 0,5% car notre investisseur s’y attendait. La relation (39) est
bien vérifiée.
Reprenons le même schéma en remplaçant le choc positif en t+1 par un choc
négatif.
t
t+1
+y
E(rt+1/yt = +y) = -0,5%
-y
Modèle 1
-y
E(rt+1/yt = -y) = -4%
Dans ce cas, le raisonnement est le même : si en t, le choc était positif et qu’il
est négatif en t+1, la rentabilité est négative mais faible car notre investisseur avait
prévu cette situation. Par contre si en t le choc était négatif et qu’il est encore négatif
en t+1, la rentabilité va être négative et importante puisque notre investisseur est pris
par surprise.
D’où l’hypothèse de la sous-réaction au sens BSV (1998) suivante :
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
193
H1 : Si les investisseurs sujets au biais de conservatisme sous-réagissent à
l’annonce des résultats alors les titres pour lesquels la surprise de bénéfices est positive
(bonne nouvelle zt = G) ont des rentabilités qui excèdent celles des titres pour lesquels
la surprise de bénéfices est négative (mauvaise nouvelle zt = B).
Et l’hypothèse alternative est la suivante :
H0 : Si les investisseurs sont rationnels [ou le marché est efficient au sens de
Fama (1991)] alors l’annonce des résultats sera instantanément incorporée dans le
cours du titre. En d’autres termes, la différence de rentabilité entre les titres à bonne
nouvelle et les titres à mauvaise nouvelle sera statistiquement non significative.
Nous abordons la sur-réaction selon la définition de BSV (1998). BSV
(1998) considèrent la sur-réaction comme un phénomène à plus long terme que la
sous-réaction, dans la mesure où elle se manifeste après une chaîne plus ou moins
longue de bonnes (mauvaises) nouvelles, et non pas après une seule nouvelle. Par
exemple après une suite de bonnes nouvelles, la valeur de marché deviendra largement
supérieure à sa valeur fondamentale. L’investisseur très optimiste anticipe que les
nouvelles des périodes futures seront aussi bonnes, font augmenter la valeur de marché
de l’action qui devient largement supérieure à sa valeur intrinsèque. BSV (1998)
décrivent les manifestations empiriques de ce phénomène en termes d’espérances de
rentabilité. En reprenant les notations introduites pour la sous-réaction, nous rappelons
la formulation de la sur-réaction selon BSV (1998):
E(rt+1/zt = G, zt-1 = G, …, zt-j = G) < E(rt+1/zt = B, zt-1 = B,…, zt-j = B)
(40)
L’espérance de rentabilité suivant une chaîne de bonnes nouvelles est donc
inférieure à l’espérance de rentabilité suivant une chaîne de mauvaises nouvelles. En
effet, en anticipant que les nouvelles suivant une chaîne de bonnes nouvelles seront
aussi bonnes, l’investisseur sous biais de représentativité a fait grimper le cours de
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
194
l’action de manière exagérée : elle se retrouve donc largement surévaluée. Dès qu’une
mauvaise nouvelle viendra perturber ses croyances, il révisera à la baisse ses
anticipations d’où un retour vers la valeur fondamentale. Inversement et par le même
phénomène, une entreprise ayant enregistré des mauvaises nouvelles successives est
sous-évaluée, une bonne nouvelle entraînera une révision à la hausse. Dans ce cas,
nous nous trouvons dans le régime 2 du modèle informel de BSV (1998). Il correspond
à la représentativité. En utilisant ce régime 2, l’investisseur va surévaluer l’action car
après avoir observé une suite de chocs positifs sur les revenus, il pensera que cela
continuera, alors qu’en fait cette suite est le fruit du hasard et a une probabilité très
faible de se reproduire.
D’où l’hypothèse de la sur-réaction selon BSV (1998) suivante :
H2 : Si les investisseurs sur-réagissent aux annonces des bénéfices alors les
firmes avec des chaînes de mauvaises nouvelles passées auront ultérieurement des
rentabilités plus élevées que les firmes avec des chaînes de bonnes nouvelles passées.
Et l’hypothèse alternative est la suivante :
H’0 : Si les investisseurs sont rationnels et le marché est efficient, alors la
différence de rentabilité entre les firmes avec des chaînes de mauvaises nouvelles
passées, et les firmes avec des chaînes de bonnes nouvelles passées sera
statistiquement nulle.
Pour valider leur modèle, BSV (1998) font une simulation. Ils vont vérifier
que le modèle produit bien les manifestations empiriques de la sur-réaction et sousréaction. Ces auteurs vont donc constituer pour 2000 entreprises un prix d’équilibre
correspondant à une réalisation de revenu sur les cinq dernières années. Ils obtiennent
cinq cours d’équilibre pour chaque entreprise. Il leur est donc possible de calculer les
rentabilités des 2000 titres sur une période de quatre ans.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
195
Pour répliquer aux manifestations empiriques de la sur et sous-réaction dans
leur modèle final c’est-à-dire Pt = Nt/δ + yt(p1 – p2qt)27, BSV (1998) vont constituer
deux portefeuilles au début de chacune des quatre dernières années. Ils choisissent un
niveau initial de revenu N1 et grâce à une marche aléatoire, ils simulent 2000
séquences indépendantes de revenus commençant toutes par N1. Ils ne peuvent
commencer le calcul la première année car il leur faut des données passées pour
utiliser la formule des prix donnée par leur modèle. Au début de la troisième année,
après avoir observé N2, ils constituent un portefeuille d’entreprises ayant subi un choc
positif la deuxième année et un portefeuille d’entreprises ayant subi un choc négatif
sur la même période. Au début de la quatrième année, après avoir observé N3, ils
constituent un portefeuille d’entreprises n’ayant eu que des chocs positifs sur les deux
années précédentes et un portefeuille n’ayant eu que des chocs négatifs sur la même
période. Ils procèdent ainsi de suite en constituant deux portefeuilles, l’un regroupant
les firmes avec une suite de chocs positifs sur les périodes précédentes et l’autre
regroupant les firmes avec une suite de chocs négatifs sur les périodes précédentes. Ils
obtiennent donc huit portefeuilles dont quatre regroupent des entreprises enregistrant
des chocs négatifs sur toutes les périodes précédentes et quatre avec des chocs positifs
sur ces mêmes périodes.
Pour chaque portefeuille, BSV (1998) calculent une rentabilité moyenne entre
l’année précédant la constitution et la fin de l’année de constitution. Une fois les
rentabilités moyennes calculées pour chaque paire de portefeuille d’une année, les
auteurs calculent les différences de rentabilité moyenne entre le portefeuille à chocs
positifs et le portefeuille à chocs négatifs :
Rn + - Rn -
(41)
Où Rn+ est la rentabilité moyenne des entreprises à chocs positifs sur n années et Rnest la rentabilité moyenne du portefeuille à chocs négatifs sur n années.
27
Voir l’annexe 3.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
196
On constate que cette différence, selon la valeur de n, peut représenter les
formules définissant la sous-réaction et la sur-réaction selon BSV (1998). Le nombre n
est le nombre d’années
passées de chocs positifs et négatifs par lequel l’on
conditionne les espérances des expressions de la sur-réaction et sous-réaction. Si n =
1, la différence de performance exprimée par l’expression (41) est équivalente à la
formule (42) :
E(rt+1/zt = G) – E(rt+1/zt = B)
(42)
Les espérances sont conditionnées par rapport au choc de l’année précédente ce
qui est bien le cas de Rn+ - Rn- lorsque n = 1.
L’équation (42) n’est autre que l’équation (39) déterminée sans le signe.
Rappelons que l’équation (39) dit que la rentabilité moyenne après un choc positif
(bonne nouvelle) est supérieure à la rentabilité moyenne suivant un choc négatif.
Si le modèle génère de la sous-réaction, l’expression (39) doit être vérifiée et
par conséquent, la simulation devrait donner : Rn+ - Rn- > 0.
Au fur et à mesure que n augmente, l’expression Rn+ - Rn- se rapproche de
l’équation (43) qui n’est autre que l’équation (40) dont le signe est indéterminé :
E(rt+1/zt = G, zt-1 = G,…,zt-j = G) – E(rt+1/zt = B, zt-1 = B,…,zt-j = B)
(43)
Si le modèle génère également de la sur-réaction, on devrait observer une
décroissance de l’expression Rn+ - Rn- puisque quand n augmente, elle tend vers (43) et
que la sur-réaction implique que (43) soit négative. Par conséquent, on devrait
constater un glissement de la sous-réaction vers la sur-réaction selon BSV (1998).
D’où l’hypothèse suivante de réconciliation des phénomènes de sous-réaction et
sur-réaction aux annonces de bénéfices selon BSV (1998):
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
197
H3 : Si les phénomènes de sous-réaction et de sur-réaction aux annonces de
bénéfices sont compatibles, alors il y a une décroissance de la différence entre la
rentabilité annuelle du portefeuille haussier, c’est-à-dire le portefeuille de titres ayant
obtenu des bénéfices successifs à la hausse sur les n années, et celle du portefeuille
baissier, c’est-à-dire le portefeuille de titres ayant obtenu des bénéfices successifs à la
baisse sur les n années.
Et l’hypothèse alternative est la suivante :
H’’0 : Si les investisseurs sont rationnels, voire rationnellement limités, ce qui
est cohérent avec un marché efficient alors la différence de performance entre les titres
à bonnes nouvelles et les titres à mauvaises nouvelles sera statistiquement nulle.
3 LA METHODOLOGIE SPECIFIQUE DE RECHERCHE
La méthodologie de recherche est similaire aux méthodologies de recherche
précédentes, mais certaines précisions sont à apporter.
Le portefeuille de référence du marché est l’indice CAC40. Les travaux
précédents ont montré que l’utilisation des indices CAC 40 et SBF 250 fournissent les
mêmes résultats. De ce fait, notre choix se porte sur l’indice CAC 40 à cause de la
disponibilité des valeurs de celui-ci en 1988, vu que la période d’étude est de janvier
1988 à décembre 1999.
La surprise des résultats (SUE) est adaptée de Derrien et Degeorges (2001) de la
manière suivante :
SUE = (EPS réalisé – EPS prévisionnel agrégé des analystes financiers) / Cours (44)
Une valeur de SUE positive [G] (respectivement négative [B]) traduit une bonne
(respectivement mauvaise) nouvelle, mais elle traduit un pessimisme (respectivement
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
198
optimisme) des analystes. Plus précisément, nous nous intéressons aux portefeuilles à
bonnes (respectivement mauvaises) nouvelles extrêmes, c’est-à-dire les portefeuilles à
SUE positives (respectivement négatives) comprises entre 0,010 et 12 (respectivement
–10 et –0,020). En effet, L’étude du phénomène d’annonce de bénéfices suivant la
variable surprise de bénéfice SUE sous les hypothèses de sous-réaction et sousréaction, est menée en examinant les rentabilités anormales moyennes cumulées. A cet
effet, deux portefeuilles sont constitués préalablement selon la variable SUE : un
portefeuille à SUE positive et un portefeuille à SUE négative. Une deuxième
classification des portefeuilles de titres à bonnes et mauvaises nouvelles est effectuée
en éliminant les surprises de bénéfices à valeurs aberrantes (très élevées ou très faibles
par rapport à la variance calculée des surprises de bénéfices) et nulles. L’intérêt de la
classification de tels portefeuilles est qu’il permet de définir des portefeuilles
comportant suffisamment des titres de tout type de nouvelles antérieures et récentes.
En effet, les prévisions de bénéfices des analystes sont en majorité surestimées et le
portefeuille de titres à bonnes nouvelles se trouvent en nombre inférieur à celui du
portefeuille de titres à mauvaises nouvelles.
Les performances des titres sont évaluées par les rentabilités anormales
cumulées (CAR). Celles-ci sont estimées par les modèles à facteurs de Fama et French
(1993) et Carhart (1997).
La composition des portefeuilles titres sera décrite dans chaque partie de la
présentation des résultats.
4 RESULTATS ET INTERPRETATIONS
Afin d’analyser le comportement des investisseurs suite aux annonces des
bénéfices, plusieurs tests sont définis. Précisément, nous examinons les rentabilités
anormales cumulées moyennes selon les annonces de résultats récentes et antérieures.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
199
4.1 Les investisseurs sous-réagissent-ils à l’annonce récente ou
antérieure des résultats ?
La sous-réaction est traduite comme une incorporation lente de la nouvelle dans
le cours du titre [Bernard et Thomas (1989, 1990), Jegadeesh et Titman (1993), Chan,
Jegadeesh et Lakonishok (1996)]. Il y aura donc à court terme une différence positive
entre la valeur intrinsèque et la valeur de marché de l’action. Pour BSV (1998), la
sous-réaction des investisseurs à l’annonce du bénéfice s’interprètera par le fait que la
rentabilité moyenne réalisée après un choc positif (bonne nouvelle, [G]) est supérieure
à la rentabilité moyenne réalisée après un choc négatif (mauvaise nouvelle, [B]). Ces
impacts seuls sont considérés par BSV(1998) comme des annonces de bénéfices
« isolées ». Ainsi, pour étudier l’hypothèse de la sous-réaction des investisseurs à
l’annonce des bénéfices au sens de BSV (1998), divers portefeuilles sont composés sur
la base du signe des surprises de résultat à l’annonce des résultats. Ces différents
portefeuilles tiennent compte des états antérieurs et récents des publications des
bénéfices afin de mieux tester l’hypothèse de la sous-réaction selon BSV (1998). Les
rentabilités anormales cumulées sont estimées pour chacune des séries de surprise de
bénéfices, et ensuite des rentabilités anormales cumulées à court terme des différentes
séries sont comparées entre elles. Il s’agit des rentabilités anormales cumulées autour
de la date d’annonce du bénéfice [CAR(-1,+1)], des rentabilités anormales cumulées
sur six mois [CARP6] et sur douze mois [CARP12]. L’évaluation des rentabilités
anormales cumulées ([CARP6] et [CARP12]) a été décalée d’un jour de la date
d’annonce de bénéfice en vue de réduire les biais de microstructure souligné par
Conrad et Kaul (1993). Les rentabilités cumulées anormales ([CARP6] et [CARP12])
sont calculées selon les modèles à facteurs de Fama et French (1993) et Carhart (1997)
sauf celles cumulées autour de la date d’annonce du bénéfice [CAR(-1,+1)],
déterminées par le modèle de marché. Les tests statistiques, le T de Student et le Z de
Mann-Whitney (M.W.) sont utilisés pour la comparaison des rentabilités anormales
cumulées à court terme des portefeuilles à mauvaise nouvelle et à bonne nouvelle. Ces
tests nous permettent de valider ou d’invalider les hypothèses H1 et H0. Les tableaux
5.1 à 5.4 présentent les rentabilités anormales cumulées et les tests statistiques de
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
200
comparaison des rentabilités anormales cumulées des portefeuilles de titres à
l’annonce des bénéfices.
Tableau 5.1 - Rentabilités anormales cumulées autour de la date d’annonce des bénéfices en % des titres à
surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats.
SUE
TYPE D'ANNONCE / CAR(-1,+1)
SUE_B
SUE_G
DIFF. SUE_G-B
Tous titres
-0,19
0,33
0,52 (0,60)
aB
0,06
0,20
0,14 (1,05)
aBB
-0,06
0,39
0,45 (1,29)
aBBB
-0,38
0,30
0,68 (0,91)
aGB
0,17
0,37
0,20 (1,12)
aBG
-1,50
0,64
2,14 (1,34)
aG
-1,60
0,02
1,62 (1,32)
aGG
0,34
-3,30
-3,64* (-1,59)
aGGG
-1,50
0,42
1,92 (1,20)
Note : Les rentabilités anormales cumulées autour de la date d’annonce du bénéfice [CAR(-1,+1)] ont été évaluées par le
modèle de marché. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des
portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les
parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou T respectivement aux seuils de 1% à
4,99%, 5% à 9,99% et 10% à 14,99%.
aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises
surprises de bénéfices antérieures à l’annonce de bénéfices.
aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de
bénéfice antérieures à l’annonce de bénéfices.
aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de
bénéfices antérieures à l’annonce de bénéfices.
Tableau 5.2 - Rentabilités anormales cumulées sur 6 mois après l’annonce des résultats (CARP6) en % des
titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des résultats
TYPE D’ANNONCE /
TITRES CARP6
Tous les Titres
NOMBRE
SUE_B
SUE_G
DIFF.G-B
B
G
F&F
CARH
F&F
CARH
F&F
CARH
1594
151
-0,07
0,05
2,68
4,89
2,75 (0,95)
4,84 (1,20)
aB
558
34
-1,15
-0,53
2,1
3,99
3,25 (0,82)
4,52 (1,16)
aBB
515
32
-0,84
-0,02
2,24
4,09
3,08 (0,76)
4,11 (1,02)
aBBB
445
29
0,77
1,95
1,28
3,13
0,51 (0,90)
1,20 (0,96)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
aBG
12
5
-0,53
201
2,77
-2,39
0,93
-1,86 (-0,10)
-1,84 (0,11)
aG
32
23
-2,69
-0,49
1,43
4,98
4,12 (0,54)
5,47 (0,76)
aGG
6
13
14,93
19,29
1,96
5,81
-12,97 (-0,58)
-13,48 (-0,59)
aGGG
1
5
nv
nv
nv
nv
nv
nv
aGB
26
12
13,56
-3,45
3,51
-9,72
-10,05 (-0,49)
-6,27 (-0,26)
Note : Les rentabilités cumulées anormales ex-post sur six mois sont évaluées selon les modèles à facteurs de Fama et French
(1993) [F&F] et Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des
rentabilités anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont
indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou T respectivement
aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%.
aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises
surprises de bénéfices antérieures à l’annonce de bénéfices.
aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de
bénéfices antérieures à l’annonce de bénéfices.
aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de
bénéfices antérieures à l’annonce de bénéfices.
Tableau 5.3 - Rentabilités anormales cumulées sur 12 mois après l’annonce des résultats (CARP12) en %
des titres à surprise positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des
résultats.
TYPE D’ANNONCE /
TITRES CARP12
NOMBRE (N)
SUE_B
SUE_G
DIFF.G-B
B
G
F&F
CARH
F&F
CARH
F&F
CARH
Tous les Titres
1594
151
7,57
8,53
12,56
16,74
4,99 (1,49)
8,21* (1,69)
aB
558
34
6,75
8,4
9,61
11,84
2,86 (0,49)
3,44 (0,57)
aBB
515
32
7,8
10,01
8,02
10,03
0,22 (0,40)
0,02 (0,83)
aBBB
445
29
10,41
12,94
5,47
7,33
-4,94 (-0,79)
-5,61 (-0,90)
aBG
12
5
0,42
7,08
57,37
64,34
aG
32
23
8,87
11,98
9,02
18,54
0,15 (0,47)
6,56 (1,08)
57,05** (2,02) 57,26** (2,18)
aGG
6
13
50,89
56,94
6,89
17,68
71,28
-39,26 (-1,28)
aGGG
1
5
nv
nv
60,4
70,29
nv
nv
aGB
26
12
1,16
4,55
-4,59
-1,41
-5,75 (-0,33)
-5,96 (-0,14)
Note : Les rentabilités cumulées anormales ex-post sur douze mois (CARP12) sont évaluées selon les modèles à facteurs de
Fama et French (1993) [F&F] et Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la
comparaison des rentabilités anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney
ou T Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou
T respectivement aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%.
aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises
surprises de bénéfices antérieures à l’annonce de bénéfices.
aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de
bénéfices antérieures à l’annonce de bénéfices.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
202
aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de
bénéfices antérieures à l’annonces de bénéfices.
Tableau 5.4 - Différences (sans tests statistiques) des rentabilités anormales cumulées en valeur absolue
sur 12 et 6 mois après l’annonce des résultats en % des titres à surprise positive (G) et négative (B) suivant
le type d’annonces antérieures et récentes des résultats.
TYPE D’ANNONCE /
TITRES
SUE_B
SUE_G
F&F
CARH
F&F
CARH
7,64
8,48
9,88
11,85
aB
7,90
8,93
7,51
7,85
aBB
8,64
10,03
5,78
5,94
aBBB
9,64
10,99
4,19
4,20
aBG
0,95
4,31
59,76
63,41
aG
11,56
12,47
7,59
13,56
aGG
35,96
37,65
4,93
11,87
aGGG
nv
nv
58,71
59,77
aGB
-12,40
8,00
-8,10
8,31
DIFF. CARP6 & CARP12
Tous les Titres
Note : Les rentabilités cumulées anormales sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et
Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités
anormales des portefeuilles à SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées
entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z ou T respectivement aux seuils
de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%.
aB, aBB et aBBB désignent respectivement les titres à une mauvaise surprise, deux mauvaises surprises et trois mauvaises
surprises de bénéfices antérieures à l’annonce de bénéfics.
aG, aGG et aGGG désignent respectivement les titres à une bonne surprise, deux bonnes surprises et trois bonnes surprises de
bénéfices antérieures à l’annonce de bénéfices.
aBG et aGB désignent respectivement les titres à une mauvaise et bonne surprise, une bonne et mauvaise surprise de
bénéfices antérieures à l’annonce de bénéfices.
Les tableaux 5.1 à 5.4 montrent que la différence de rentabilités anormales entre
les deux portefeuilles (G et B) constitués sur le critère des surprises de bénéfices n’est
pas statistiquement significative.
Selon le tableau 5.1, autour de la date de publication de l’information (annonce
du bénéfice), on observe des variations non importantes de cours, se traduisant par des
rentabilités anormales non significativement différentes de zéro quelque soit le type de
portefeuilles considérés. Les observations du tableau 5.1 montrent que pour chacun
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
203
des portefeuilles envisagés, les titres à bonne nouvelle sur-performent les titres à
mauvaise nouvelle autour de la date d’annonce du bénéfice numériquement. Toutefois,
les résultats du test de comparaison de Mann-Whitney et Student présentés dans le
tableau 5.1 indiquent que cette différence positive dans l’ensemble n’est pas
statistiquement significative et ceci quelque soit l’état antérieur du portefeuille
d’actions. Par exemple, pour l’échantillon global, nous avons une différence de
rentabilité anormale 0,52% avec une statistique T de Student de 0,60. De même, pour
les titres ayant eu une bonne (mauvaise) nouvelle antérieure avant l’annonce du récent,
nous avons une différence positive de rentabilité anormale de 1,62% (respectivement
0,14%) évaluée suivant le modèle de marché avec une statistique de Mann-Whitney ou
Student de 1,32 (respectivement de 1,05). Ces résultats, similaires pour les titres à une
bonne et une mauvaise [aGB] (respectivement à une mauvaise et une bonne nouvelle
[aBG]) antérieures à l’annonce du bénéfice, traduisent une non validation de
l’hypothèse H1 de la sous-réaction du marché et/ou des investisseurs selon BSV (1998)
autour de la date d’annonce du bénéfice. Au vu de nos travaux empiriques, les
investisseurs ne sous-réagissent pas à l’annonce récente de la bonne ou mauvaise
nouvelle.
Les tableaux 5.2 et 5.3 récapitulent les résultats des rentabilités anormales
cumulées sur six et douze mois suivant les types de nouvelles antérieures et récentes à
l’annonce de bénéfices. Les conclusions sont similaires à ceux du tableau 5.1. Les
titres à surprise de bénéfices positive sur-performent les titres à surprise de bénéfices
négative. Toutefois, les tests de Student ou de Mann-Whitney indiquent que la
différence positive des rentabilités anormales cumulées sur six et douze mois, entre les
titres à bonne nouvelle et celles des titres à mauvaise nouvelle, n’est pas
statistiquement significative. Par exemple, pour tout l’échantillon, nous avons une
différence positive de rentabilité anormale cumulée de 2,75% estimée selon le modèle
à trois facteurs de Fama et French (1993) avec une statistique T de Student de 0,95 non
statistiquement significative. Par ailleurs, pour les titres ayant eu une bonne nouvelle
antérieure (respectivement une mauvaise nouvelle), nous avons une différence de
rentabilité anormale cumulée de 4,12% (respectivement 3,25%) évaluée suivant le
modèle à trois facteurs de Fama et French (1993) avec une statistique de Mann-
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
204
Whitney ou Student de 0,54 (respectivement 0,82). De même, nous avons une
différence positive pour les titres à deux mauvaises nouvelles, trois mauvaises
nouvelles et trois bonnes nouvelles avant l’annonce du bénéfice. Ces résultats sont
analogues pour les rentabilités anormales cumulées évaluées selon le modèle à quatre
facteurs de Carhart (1997). Ces nouveaux résultats montrent que les investisseurs ne
sous-réagissent pas à l’annonce récente de bénéfices. Ils contredisent les
enseignements théoriques des modèles comportementaux, en l’occurrence ceux de
BSV (1998) sur la sous-réaction des investisseurs. Ils corroborent les résultats récents
de Kothari, Lewellen et Warner (2003), où les rentabilités anormales mises en
évidence à l’annonce du bénéfice sur le marché américain, ne sont pas expliquées par
la sous-réaction des investisseurs.
L’observation du tableau 5.4 fait apparaître une incorporation progressive de
l’annonce de bénéfice dans le cours du titre sur le court terme. Un contrôle robuste des
résultats par les modèles de régression est fait dans la section 5 de ce chapitre, afin de
valider ou d’invalider l’hypothèse comportementale, ou celle de l’efficience des
marchés financiers de l’ajustement progressif des nouvelles du bénéfice dans le prix du
titre.
Les graphiques 5.1 et 5.2 suivant illustrent quelques uns de nos résultats. Ces
graphiques montrent que les différences de performances des titres à bonne nouvelle et
celles des titres à mauvaise nouvelle ne sont pas nettement distinctes. Ce résultat
réaffirme que les investisseurs ne sous-réagissent pas à l’annonce des bénéfices sur le
marché financier français. Il est donc juste de considérer qu’en moyenne, le marché
boursier français réagit correctement à l’information.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
205
Graphique 5.1 - Graphique comparatif des rentabilités cumulées anormales moyennes des titres à surprise
de bénéfices positive (G) et négatives (B) antérieure à une mauvaise nouvelle l'annonce des résultats
Rentabilités anormales cumulées
15,00%
10,00%
5,00%
0,00%
-5,00%
-10,00%
aB_1
-15,00%
cara12
cara9
cara6
aB_0
cara3
ARBITRAGE
carp6
carp9
carp12
Note : Le portefeuille aB_0 (respectivement aB_1) est composé des titres à surprise de bénéfices négative ou « mauvaise
nouvelle » (respectivement positive ou « bonne nouvellle ») à une mauvaise nouvelle antérieure à l’annonce de bénéfices.
Quant au portefeuille ARBITRAGE, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre
aB_0 et aB_1. Les variables Carak (Carpk) sur k mois [k = 1, 3, 6, 9 et 12] représentent les rentabilités anormales cumulées
ex-ante (ex-post) évaluées suivant les modèles de Fama et French (1993).
Graphique 5.2 - Graphique comparatif des rentabilités anormales cumulées des titres à surprise de
bénéfices positive (G) et négative (B) antérieure à une bonne nouvelle l'annonce des résultats
20,00%
Rentabilités anormales cumulées
15,00%
10,00%
5,00%
0,00%
-5,00%
-10,00%
cara12
aG_0
cara9
cara6
cara3
aG_1
car0
Arbitrage
carp6
carp9
carp12
Note : Le portefeuille aG_0 (respectivement aG_1) est composé des titres à surprise de bénéfices négative ou « mauvaise
nouvelle » (respectivement positive ou « bonne nouvellle ») à une bonne nouvelle antérieure à l’annonce de bénéfices. Quant
au portefeuille ARBITRAGE, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu de la différence entre aG_0 et
aG_1. Les variables Carak (Carpk) sur k mois [k = 1, 3, 6, 9 et 12] représentent les rentabilités anormales cumulées ex-ante
(ex-post) évaluées suivant les modèles de Fama et French (1993).
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
206
4.2 Les investisseurs sur-réagissent-ils à une chaîne de résultats
(bonnes ou mauvaises) allant dans la même direction?
Dans la section précédente, nous avons testé l’hypothèse de la sous-réaction au
sens de BSV (1998). Les résultats ont montré que les investisseurs ne sous-réagissent
pas à l’annonce du bénéfice sur le marché financier français. Nous analysons
maintenant le phénomène de la sur-réaction des investisseurs à l’annonce des résultats
suivant les enseignements de BSV (1998).
D’après BSV (1998), la sur-réaction est décrite par le fait que l’espérance de
rentabilités suivant une chaîne de bonnes nouvelles est inférieure à l’espérance de
rentabilités suivant une chaîne de mauvaises nouvelles. Ce résultat théorique de BSV
(1998) s’inspire des travaux empiriques de De Bondt et Thaler (1985, 1987) sur la surréaction où les perdants par le passé (long terme) connaîtraient ultérieurement à
l’annonce des résultats des performances supérieures à la moyenne et vice versa pour
les gagnants passés (long terme). En effet, pour BSV (1998), les investisseurs croient
que les firmes avec des chaînes de mauvaises nouvelles passées supposées sousévaluées, vont être plus performantes dans le futur que les firmes à une chaîne de
bonnes nouvelles passées supposées sur-évaluées, compte tenu du phénomène de
retour à la moyenne des rentabilités mis en évidence par De Bondt et Thaler (1985).
Afin de tester cette hypothèse de sur-réaction, des portefeuilles sont constitués
suivant une chaîne de bonnes et mauvaises nouvelles. Les rentabilités cumulées en
excès au taux sans risque ex-post, sont estimées pour chacune des séries de surprise de
bénéfices, et ensuite des rentabilités anormales cumulées des différentes séries sont
comparées entre elles. Il s’agit des rentabilités anormales cumulées sur trois mois
[CARP3], six mois [CARP6], neuf mois [CARP9] et douze mois [CARP12]. Les tests
statistiques non paramétriques Z de Mann-Whitney (M.W.) sont utilisés pour la
comparaison des rentabilités anormales cumulées à court terme des portefeuilles à une
chaîne de mauvaises nouvelles et bonnes nouvelles. Ces tests nous permettent de
vérifier nos hypothèses H2 et H’0, à savoir, si les investisseurs sur-réagissent aux
annonces des bénéfices, alors les firmes avec des chaînes de mauvaises nouvelles
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
207
passées seront plus performantes ultérieurement que les firmes avec des chaînes de
bonnes nouvelles passées. Les tableaux 5.5 et 5.6 présentent les rentabilités anormales
cumulées et les tests statistiques de comparaison des rentabilités anormales cumulées
des portefeuilles à une chaîne de bonnes et mauvaises nouvelles.
Tableau 5.5 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois (CARP6), 9 mois
(CARP9), 12 mois (CARP12) en % des titres à 2 annonces antérieures positive (aGG) et négative (aBB)
aBB [X]
NOMBRE
PERFORMANCES
F&F
CARH
aGG [Y]
DIFF. [Y] - [X]
CARP3
aBB
515
aGG
32
CARP6
515
32
CARP9
515
32
1,53% 2,79% -5,16% 2,88% -6,69% (-0,72)
515
32
F&F
CARH
F&F
CARH
-0,21% 0,27% 4,73% 7,20%
4,94% (0,89)
6,93%* (1,67)
-0,84% -0,02% 1,96% 5,81%
2,80% (0,40)
5,83% (0,84)
0,09% (0,01)
CARP12
7,80% 10,01% 6,89% 17,68% -0,91% (-0,05) 7,67% (0,65)
Note : Les rentabilités cumulées anormales sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et
Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités
anormales des portefeuilles à une chaîne de SUE positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student
sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z respectivement
aux seuils de 1% à 4,99%, 5% à 9,99% et 10% à 14,99%.
aBB et aGG désignent respectivement les titres à deux mauvaises et deux bonnes surprises de bénéfices antérieures à
l’annonce de bénéfices.
Tableau 5.6 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois (CARP6), 9 mois
(CARP9), 12 mois (CARP12) en % des titres à 3 annonces antérieures positive (aGGG) et négative (aBBB)
aBBB [X]
NOMBRE
aGGG [Y]
DIFF. [Y] - [X]
PERFORMANCES
aBBB
aGGG
CARP3
445
5
1,59% 3,31% 12,66% 11,72% 11,07% (0,98)
CARP6
445
5
0,77% 1,92% 10,69% 10,52% 9,92%*** (3,02) 8,60%* (1,70)
CARP9
445
5
3,97% 5,68% 8,19% 10,69% 4,22% (0,23)
F&F
CARH
F&F
CARH
F&F
CARH
8,41% (0,74)
5,01% (0,27)
CARP12
445
5
10,41% 13,13% 60,40% 70,29% 49,99%* (1,72) 57,16%** (1,82)
Note : Les rentabilités cumulées anormales sont évaluées selon les modèles à facteurs de Fama et French (1993) [F&F] et
Carhart (1997) [CARH]. Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités
anormales des portefeuilles à une chaîne de SUE positive et négative. Les valeurs du test Z de Mann-Whitney sont indiquées
entre les parenthèses et les symboles ***, ** et * indiquent la signification des statistiques Z respectivement aux seuils de 1%
à 4,99%, 5% à 9,99% et 10% à 14,99%.
aBBB et aGGG désignent respectivement les titres à trois mauvaises et trois bonnes surprises de bénéfices antérieures à
l’annonce de bénéfices.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
208
L’analyse des tableaux 5.5 et 5.6 ci-dessus montre que les titres aux bonnes
nouvelles antérieures ont des rentabilités anormales supérieures à celles des titres aux
mauvaises antérieures. Néanmoins, ce différentiel de rentabilité n’est pas
statistiquement significatif. L’analyse d’une succession de nouvelles allant dans le
même sens n’implique pas immédiatement un revirement des rentabilités. En effet,
nous avons une différence de rentabilité anormale cumulée positive calculée selon le
modèle de Fama et French (1993) de 4,93% (respectivement 11,07%) sur trois mois
avec une statistique Z de Mann-Whitney de 0,89 (respectivement 0,98) entre les titres
à une chaîne de deux (respectivement trois) bonnes et mauvaises nouvelles passées.
Ces résultats sont semblables pour les différences de rentabilités anormales cumulées
sur trois mois estimées suivant le modèle de Carhart (1997) pour les titres à une chaîne
de deux et trois bonnes et mauvaises nouvelles passées. Nous observons également des
résultats similaires pour les rentabilités en excès au taux sans risque sur 6, 9 et 12 mois
évaluées par les modèles à facteurs de Fama et French (1993) et Carhart (1997) (voir
tableaux 5.5 et 5.6). L’hypothèse H2 n’est pas validée, à savoir, il n’y a pas un retour à
la moyenne des rentabilités suite à une chaîne de nouvelles bonnes ou mauvaises allant
dans la même direction. Toutefois, nous remarquons que c’est la bonne nouvelle
récente qui détermine le signe de la différence de rentabilités anormales cumulées des
titres même si cette différence ne s’avère pas significative dans l’ensemble. Ces
résultats viennent confirmer les précédents : les investisseurs se comportent de
manière normale et les enseignements théoriques du modèle de BSV (1998) ne sont
pas vérifiables sur le marché financier français.
4.3 La réconciliation des phénomènes de la sous-réaction et surréaction
Dans les études précédentes de ce chapitre, nous avons testé les hypothèses de
la sous-réaction et sur-réaction au sens de BSV (1998). Nos observations ont récusé les
hypothèses de la sous-réaction et sur-réaction.
La présente étude teste la réconciliation des phénomènes de sous-réaction et
sur-réaction selon BSV (1998). L’idée principale est la constatation d’une sous-
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
209
réaction due à un ajustement graduel significatif des cours sur le court terme, puis une
sur-réaction due à un retour à la moyenne des rentabilités sur le long terme, suite à
l’annonce des bénéfices.
Pour tester cette hypothèse, la simulation de BSV (1998) est dupliquée. Les
titres sont constitués suivant les surprises de bénéfices sur la période d’étude de 1988 à
1999. Nous nous focalisons sur les quatre dernières années. Nous obtenons donc au
maximum quatre résultats annuels annoncés. Il est alors possible d’estimer les
rentabilités anormales sur une période de trois années. Deux portefeuilles sont
constitués au début de chacune des quatre dernières années. Au début de la quatrième
année, deux portefeuilles de firmes n’ayant subi que des chocs de même nature sur les
années 1, 2 et 3 sont formés: l’un avec des chocs positifs et l’autre avec des chocs
négatifs. Au début de la troisième année, nous constituons deux portefeuilles de firmes
n’ayant eu que des chocs positifs et négatifs sur les années 1 et 2. Au début de la
deuxième année, nous composons deux portefeuilles n’ayant eu que des chocs positifs
et négatifs sur l’année 1. Enfin, au début de la première année, nous constituons deux
portefeuilles n’ayant eu que des chocs positifs et négatifs à l’année 0. Ainsi, huit
portefeuilles sont obtenus dont quatre regroupent des titres enregistrant des chocs
négatifs sur les périodes précédentes et récentes, et quatre avec des chocs positifs sur
les mêmes périodes. Pour chaque portefeuille, des rentabilités anormales cumulées
sont calculées entre l’année précédant la constitution et la fin de l’année de
constitution. Une fois les rentabilités anormales moyennes évaluées pour chaque paire
de portefeuille d’une année, les différences de rentabilités moyennes entre le
portefeuille à chocs positifs et celles du portefeuilles à chocs négatifs sont estimées:
CARPkn+ - CARPkn-
(45)
où CARPkn+ est la rentabilité anormale cumulée moyenne ex-post sur k mois
des sociétés à n chocs positifs et CARPkn- est la rentabilité anormale cumulée moyenne
ex-post sur k mois des sociétés à n chocs négatifs.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
210
Si le modèle génère de la sous-réaction alors nous devrions statistiquement
avoir CARPkn+ - CARPkn- > 0
(46)
Si le modèle génère aussi de la sur-réaction alors nous devrions statistiquement
avoir CARPkn+ - CARPkn- < 0
(47)
BSV (1998) font l’hypothèse d’une sous-réaction à court terme puis une surréaction à long terme. Donc, si les phénomènes de la sous-réaction et de la sur-réaction
(aux résultats) sont réconciliés, alors on devrait noter une décroissance statistiquement
significative de la différence de performances entre les titres à surprises positives et
celles des titres à surprises négatives au fur et mesure que n croît (H3). Les tests
statistiques paramétriques T de Student et non paramétriques Z de Mann-Whitney
(M.W.) sont utilisés pour la comparaison des rentabilités anormales cumulées
moyennes ex-post des firmes à chocs positifs et négatifs. Ces tests nous permettent de
vérifier nos hypothèses H3 et H’’0. Les résultats sont présentés dans les tableaux 5.7,
5.8, 5.9 et 5.10.
Tableau 5.7 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3) en % des titres à surprise de
bénéfices positive et négative
CARP3N-
NOMBRE
ANNEES\PERFORMANCES CARP3n-
CARP3n+
151
CARP3N+
F&F CARH F&F
CARH
CARP3N+ - CARP3NF&F
CARH
0
1594
0,15% 0,05% -0,92% 0,33% -1,07% (-0,43)
0,28% (0,11)
1
558
23
-0,19% 0,22% -0,19% 2,26%
0,00% (0,00)
2,04% (0,57)
2
515
13
-0,21% 0,27% 4,73% 7,20%
4,94% (0,89)
6,93%* (1,67)
3
445
5
1,59% 3,31% 12,66% 11,72% 11,07% (0,98)
8,41% (0,74)
Tableau 5.8 - Rentabilités anormales cumulées ex-post sur 6 mois (CARP6) en % des titres à surprise de
bénéfices positive et négative
NOMBRE
CHOCS\PERFORMANCES CARP6n0
1594
1
558
CARP6n+
151
23
CARP6N-
CARP6N+
F&F CARH F&F
CARH
CARP6N+ - CARP6NF&F
CARH
-0,07% -0,05% 2,68% 4,89%
2,75% (0,93)
4,94%* (1,69)
-1,15% -0,53% 1,43% 4,98%
2,58% (0,55)
5,51% (1,18)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
211
2
515
13
-0,84% -0,02% 1,96% 5,81%
3
445
5
0,77% 1,92% 10,69% 10,52% 9,92%*** (3,02) 8,60%* (1,70)
2,80% (0,40)
5,83% (0,84)
Tableau 5.9 - Rentabilités anormales cumulées ex-post sur 9 mois (CARP9) en % des titres à surprise de
bénéfices positive et négative.
CARP9N-
NOMBRE
ANNEES\PERFORMANCES CARP9n-
CARP9n+
151
CARP9N+
F&F CARH F&F
CARH
CARP9N+ - CARP9NF&F
CARH
1,98% (0,52)
6,07%* (1,69)
0
1594
1
558
23
0,82% 1,64% -0,43% 6,54% -1,25% (-0,21)
2
515
13
1,53% 2,79% -5,16% 2,88% -6,69% (-0,72)
0,09% (0,01)
3
445
5
3,97% 5,68% 8,19% 10,69%
5,01% (0,27)
3,11% 3,03% 5,09% 9,10%
4,22% (0,23)
4,90% (0,80)
Tableau 5.10 - Rentabilités anormales cumulées ex-post sur 12 mois (CARP12) en % des titres à surprise
de bénéfices positive et négative
CARP12N-
NOMBRE
ANNEES\PERFORMANCES CARP12n- CARP12n+
1594
151
0
CARP12N+
F&F CARH F&F
CARH
CARP12N+ - CARP12NF&F
CARH
7,57% 8,53% 12,56% 16,74% 4,99%* (1,69)
8,21%* (1,79)
1
558
23
6,69% 8,40% 8,27% 18,54% 1,58% (0,22)
10,14% (1,23)
2
515
13
7,80% 10,01% 6,89% 17,68% -0,91% (-0,05)
7,67% (0,65)
3
445
5
10,41% 13,13% 60,40% 70,29% 49,99%* (1,72) 57,16%** (1,82)
Notes sur les tableaux 5.6 à 5.10 :
Les variables CARP3n+ (respectivement CARP3n-) indiquent respectivement les rentabilités anormales cumulées moyennes
ex-post sur 3 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfices (n = 0, 1, 2 et 3).
Les variables CARP6n+ (respectivement CARP6n-) indiquent respectivement les rentabilités anormales cumulées moyennes
ex-post sur 6 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfices (n = 0, 1, 2 et 3).
Les variables CARP9n+ (respectivement CARP9n-) indiquent respectivement les rentabilités anormales cumulées moyennes
ex-post sur 9 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfices (n = 0, 1, 2 et 3).
Les variables CARP12n+ (respectivement CARP12n-) indiquent respectivement les rentabilités anormales cumulées moyennes
ex-post sur 12 mois des sociétés à n chocs positifs (respectivement négatifs) passés à l’annonce de bénéfice (n = 0, 1, 2 et 3).
Le test non paramétrique de Mann-Whitney est utilisé pour la comparaison des rentabilités anormales des portefeuilles à SUE
positive et négative. Les valeurs du test Z de Mann-Whitney ou T Student sont indiquées entre les parenthèses et les
symboles ***, ** et * indiquent la signification des statistiques Z resp. aux seuils 1% à 4,99%, 5% à 9,99% et 10% à 14,99%.
L’analyse des tableaux 5.7 à 5.10 ci-dessus montrent que les hypothèses du
modèle de BSV (1998) concernant les phénomènes de sous-réaction et sur-réaction ne
sont pas vérifiées empiriquement. En effet, une décroissance statistiquement
significative des performances des titres à chocs positifs sur celles des titres à chocs
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
212
négatifs n’est pas constatée. Nous observons que les portefeuilles d’actions à chocs
positifs sur-performent les portefeuilles d’actions à chocs négatifs dans l’ensemble
même si cette sur-performance n’est pas statistiquement significative. Par exemple, les
différences de rentabilités anormales cumulées moyennes ex-post sur six mois entre
les titres à chocs positifs et négatifs évaluées selon le modèle de Fama et French
(1993) sont :
CARP60+ - CARP60- = 2,75%
CARP61+ - CARP61- = 2,58%
CARP62+ - CARP62- = 2,80%
CARP63+ - CARP63- = 9,92%
On devrait remarquer un glissement de la sous-réaction vers la sur-réaction, ce
qui n’est pas le cas empiriquement. Donc, l’hypothèse H3 d’une réconciliation du
phénomène de la sous-réaction et de la sur-réaction au sens de BSV (1998) n’est pas
validée sur le marché financier français..
5 LE CONTROLE DES RESULTATS PAR LES METHODES DE
REGRESSION
Dans les sections précédentes, nous avons testé les hypothèses de sous-réaction,
sur-réaction et combinaison des phénomènes de sous-réaction et sur-réaction par
comparaison des rentabilités anormales cumulées ex-post suite aux annonces des
bénéfices. Les résultats montrent que le marché financier ne sous-réagit, ni ne surréagit à l’annonce des bénéfices.
Les stratégies de sous-réaction (respectivement sur-réaction) exploitent la
dépendance positive (respectivement négative) des rentabilités. D’après Fama et
French (1988), on observe une autocorrélation positive (respectivement négative) à
court (respectivement moyen et long) terme sur le marché américain. De Bondt et
Thaler (1985) ont mis en évidence un retour à la moyenne des rentabilités ou un effet
gagnant-perdant sur le long terme. De même, Jegadeesh et Titman (1993) ont souligné
un effet de persistance des rentabilités sur une période de trois à six mois.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
213
Dans cette section, un contrôle robuste des résultats précédents est effectué par
les modèles de régression 1 ; 1’ ; 2 et 2’. Ces modèles permettent de tester les
phénomènes de persistance et/ou de retour à la moyenne des rentabilités.
Les tests de la sous-réaction et/ou sur-réaction sont vérifiés par les modèles de
régression 1 ; 1’ ; 2 et 2’. De même, des tests complémentaires sont réalisés afin de
tester les effets « bonne nouvelle » et « mauvaise nouvelle ». En effet, nous
remplaçons la variable SUE par la variable « SUE’ » dans les modèles de régression 1
et 2 pour générer les modèles 1’ et 2’ où « SUE_TRON » est la variable tronquée de
SUE obtenue par la multiplication de la variable SUE à la variable muette D qui vaut 1
dans l’hypothèse d’un portefeuille à bonne nouvelle et 0 sinon.
Ainsi, nous avons les modèles de régression suivant :
• Modèle 1 :
CARP12 = α + βRMRFt0 + φSMBt0 + γHMLt0 + µPR1YRt0 + ϕSUEt0 + χ CAR(-1,+1)
+ε
(48)
• Modèle 1’:
CARP12 = α’ + β’RMRFt0 + φ’SMBt0 + γ’HMLt0 + µ’PR1YRt0 + ϕ’SUE_TRONt0 +
χ’CAR(1,+1) + ε’
(48’)
• Modèle 2 :
CARP12 = α + βRMRFt0 + φSMBt0 + γHMLt0 + µPR1YRt0 + ϕ SUEt0 + χCARP6 + ε
(49)
• Modèle 2’:
CARP12 = α’ + β’RMRFt0 + φ’SMBt0 + γ’HMLt0 + µ’PR1YRt0 + ϕ’SUE_TRONt0 +
χ’CARP6 + ε
(49’)
Où
• t0 est la date d’annonce du résultat.
• CARP12 correspond à la rentabilité cumulée anormale ex-post sur douze mois.
• CARP6 se refère à la rentabilité cumulée anormale ex-post sur six mois.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
214
• CAR(-1,+1) se rapporte à la rentabilité anormale cumulée entre un jour
précédent et un jour suivant l’annonce de bénéfices.
• RMRF représente la rentabilité du marché
• SMB se refère au facteur relié à la taille
• HML est le facteur joint au ratio « book-to-market »
• PR1YR répond au facteur attaché au « momentum »
• SUE correspond à la surprise du portefeuille
• RMRF est relatif au facteur de marché
• Les coefficients α et α’, β et β’, φ et φ’ , γ et γ’, µ et µ’, ϕ et ϕ’ , – et - χ.et χ’
sont respectivement les constantes et les coefficients liés au facteur de marché,
à la taille, au ratio « book-to-market », au « momentum », à la surprise de
bénéfices et aux rentabilités anormales cumulées.
Si (α = 0) ou (α’ = 0) c’est-à-dire si le « α » ou « α’» n’est pas significatif alors
les annonces de bénéfices ne suscitent pas une réaction des investisseurs sur le marché
financier français.
Si (α ≠ 0) ou (α ≠ 0) c’est-à-dire si le «α » ou « α’» est significatif alors les
annonces de bénéfices suscitent une réaction des investisseurs sur le marché financier
français.
Cela signifie donc que, même en contrôlant pour les facteurs de risque, il reste
une rentabilité anormale non prise en compte par les facteurs de risque pré-spécifiés. Il
n’y a alors que deux possibilités. Soit on accepte l’hypothèse de sur- / sous-réaction,
soit on réfute l’hypothèse de sur- / sous-réaction.
Si les coefficients des trois facteurs de risque de Fama et French sont tous
nuls (β = φ = γ = µ = 0) ou (β’ = φ’ = γ’= µ’ = 0) statistiquement, c’est-à-dire non
significatifs, alors les investisseurs sur- / sous-réagissent à l’annonce de bénéfices
sur le marché financier français.
-
Les investisseurs sous-réagissent à l’annonce de bénéfices dans le cas d’une
persistance des rentabilités.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
-
215
Les investisseurs sur-réagissent aux annonces de bénéfices dans le cas d’un
retour à la moyenne des rentabilités.
Sinon si l’un au moins des coefficients est significatif c’est-à-dire (β ≠ 0 ou φ
≠ 0 ou γ ≠ 0 ou µ ≠ 0) ou (β’ ≠ 0 ou φ’ ≠ 0 ou γ’ ≠ 0 ou µ’ ≠ 0) alors les
investisseurs ne sous- et/ou sur-réagissent pas aux annonces de bénéfices.
Le non effet « bonne nouvelle » ou « mauvaise nouvelle » est validé par des
valeurs quasiment identiques significativement des coefficients α et α’; β et β’; χ et
χ’ ; φ et φ’ ; µ et µ’, γ et γ’ – et - ϕ et ϕ’ .
L’effet « bonne nouvelle » ou « mauvaise nouvelle » est validé par des valeurs
quasiment différentes ϕ et ϕ’ de manière significative.
Les tableaux 6.13 à 6.14 présentent les résultats des régressions des modèles 1,
1’, 2 et 2’ pour l’ensemble de l’échantillon.
Tableau 5.11 - Résultats des modèles 1 et 1’ pour l’ensemble de l’échantillon
VARIABLE DEPENDANTE
CARP12
Variables explicatives
COEFFICIENTS ESTIMES
Ech_TT_Titres_SUE
F&F
Constante (α)
CARH
Ech_TT_Titres_SUE_Tronquée
F&F
8,29e-02*** (4,60) 9,23e-02*** (5,12) 7,88e-02*** (4,66)
CARH
8,28e-02*** (4,87)
RMRF
-0,70*** (-2,68)
-0,37 (-1,41)
-0,71*** (-2,70)
-0,38 (-1,44)
SMB
2,28*** (4,24)
2,55*** (4,64)
2,27*** (4,22)
2,52*** (4,59)
HML
0,24 (0,45)
0,61 (1,13)
0,24 (0,45)
0,61 (1,12)
PR1YR
-0,52 (-1,15)
-7,50e-02 (-0,16)
-0,51 (-1,14)
-5,22e-02 (-0,11)
SUE
2,87e-03 (0,64)
5,70e-03 (1,24)
-1,67e-03 (-0,08)
9,84e-03 (0,45)
CAR(-1,+1)
-2,82e-02 (-0,32)
-4,55e-02 (-0,58)
-2,52e-02 (-0,29)
-4,78e-02 (-0,56)
R²
3,9%
3,7%
3,8%
3,5%
F
4,42***
4,37***
4,38***
4,14***
N
1577
1585
1577
1585
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date
d’annonce du bénéfice (un jour avant et après l’annonce de bénéfices) [CARP(-1,+1)] sont les variables explicatives. Les
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
216
valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des
statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.12 - Résultats des modèles 2 et 2’ pour l’ensemble de l’échantillon
VARIABLE DEPENDANTE
COEFFICIENTS ESTIMES
CARP12
Variables explicatives
Ech_TT_Titres_SUE
Ech_TT_Titres_SUE_Tronquée
F&F
CARH
F&F
CARH
Constante (α)
-1,80e-02* (-1,55)
-1,00e-02 (-0,91)
-2,07e-02** (-1,95)
-1,42e-02 (-1,38)
RMRF
0,71*** (4,04)
0,62*** (3,70)
0,72*** (4,06)
0,62*** (3,70)
SMB
0,68*** (2,08)
0,88*** (2,81)
0,67*** (2,05)
0,86*** (2,76)
HML
1,23*** (3,47)
1,02*** (3,02)
1,23*** (3,47)
1,02*** (3,01)
PR1YR
-0,22 (-0,76)
-0,16 (-0,58)
-0,21 (-0,72)
-0,15 (-0,53)
SUE
1,05e-03 (0,34)
2,06e-03 (0,68)
8,10e-03 (0,69)
9,71e-03 (0,86)
CARP6
0,18*** (3,35)
0,28*** (5,55)
0,18*** (3,36)
0,28*** (5,57)
R²
7,1%
9,0%
7,1%
9,1%
F
9,58***
13,07***
9,84***
13,12***
N
1577
1585
1577
1585
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post
(CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles
***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Les résultats des tableaux 5.11 et 5.12 n’indiquent pas un effet de continuité
et/ou de revirement des rentabilités sur une période de six à douze mois suivant
l’annonce de bénéfices sur le marché financier français. En fait, les chiffres du tableau
5.11 laisseraient croire à un effet de revirement sur une période plus ou moins de
douze mois, puisqu’on observe des constantes non nulles significatives au seuil de 1%,
et des valeurs négatives des coefficients liés à la variable CAR(-1,+1), se rapportant à
la rentabilité anormale cumulée entre un moisprécédent et un mois suivant l’annonce
du bénéfices. Toutefois, les coefficients liés à la variable CAR(-1,+1) ne sont pas
significatifs. Par exemple, nous obtenons un (α) d’environ 0,083 avec une statistique
très significative t de Student de 4,60, et une valeur approximative de –0,03 du
coefficient de la rentabilité anormale CAR(-1,+1), avec une statistique t de Student
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
217
insignifiante de –0,32, pour les rentabilités anormales évaluées à l’aide du modèle de
Fama et French (1993) (voir tableau 5.11). De même, les résultats du tableau 5.12
pourraient aller dans le sens d’une validation du phénomène de persistance des
rentabilités sur six mois pour l’ensemble de l’échantillon, mais leur observation ne
permet pas cette affirmation. En effet, nous avons une constante (α) de –0,01 avec une
statistique t de Student de –0,91 non significative au seuil de 10% pour les rentabilités
anormales cumulées évaluées avec le modèle de Carhart (1997) (voir tableau 5.12).
Ensuite, nous constatons que certains facteurs de risque expliquent les rentabilités
anormales. Par exemple, nous avons une valeur du coefficient de la taille de 2,28
(respectivement 2,55), statistiquement significative au seuil de 1%, pour les
rentabilités anormales évaluées par le modèle de Fama et French (1993)
(respectivement Carhart (1997)) [voir tableau 5.11]. De même, nous avons pour le
tableau 5.12, des valeurs statistiquement significatives au seuil de 1% des coefficients
liés aux facteurs de marché, de la taille et du ratio « book-to-market » respectives de
0,71 ; 0,68 et 1,23, pour les rentabilités anormales calculées selon le modèle de Fama
et French (1993). Les résultats sont analogues pour les rentabilités estimées par le
modèle de Carhart (1997). Enfin, les hypothèses de « bonne nouvelle » et/ou
« mauvaise nouvelle » ne sont pas validées pour l’échantillon global. Les tableaux
5.11 et 5.12 donnent des résultats quasi-égaux des modèles 1 et 1’ – et – 2 et 2’
quelque que soit le type d’avaluation des rentabilités anormales utilisées. Nous avons
des résultats similaires pour les rentabilités anormales cumulées selon le modèle de
Carhart (1997). De plus, les coefficients à la variable nouvelle ou surprise de bénéfices
(SUE) ne sont pas statistiquement significatifs. Les tableaux 5.11 et 5.12 nous donnent
des valeurs respectivement non significatives de 0,0028 et 0,0010 si le modèle de
Fama et French (1993) est utilisé pour les rentabilités en excès du taux sans risque.
Pour confirmer nos résultats, il est possible de considérer les portefeuilles
suivant la typologie des annonces de bénéfices antérieures et récentes. Nous
considérons les portefeuilles de titres à une bonne et mauvaise nouvelle récente, une
mauvaise et bonne nouvelle antérieure - et - à deux mauvaises et bonnes nouvelles
antérieures à l’annonce de bénéfices. Les tableaux 5.13 à 6.26 présentent les résultats.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
218
Tableau 5.13 - Résultats du modèle 1 pour les titres à bonne (resp. mauvaise) nouvelle récente
VARIABLE DEPENDANTE
COEFFICIENTS ESTIMES
CARP12
Variables explicatives
Ech_B
Ech_G
F&F
CARH
F&F
CARH
Constante (α)
8,40e-02*** (3,93)
9,32e-02*** (5,04)
0,12 (1,31)
0,14 (1,42)
RMRF
-0,83*** (-3,13)
-0,46** (-1,75)
0,53 (0,41)
0,59 (0,47)
SMB
2,37*** (4,38)
2,68*** (4,98)
8,15e-02 (0,03)
-0,89 (-0,29)
HML
0,27 (0,52)
0,74 (1,39)
-1,04 (-0,33)
-2,16 (-0,67)
PR1YR
-0,73 (-1,60)
-0,33 (-0,73)
1,59 (0,77)
2,41 (1,15)
SUE
2,54e-03 (0,56)
4,54e-03 (0,99)
-2,50e-02 (-63,)
-2,61e-02 (-0,61)
CAR(-1,+1)
-2,68e-02 (-0,29)
-2,15e-04 (-0,00)
0,15 (0,45)
0,47 (1,41)
R²
4,9%
4,5%
3,5%
8,7%
F
5,22***
5,02***
0,28
0,77
N
613
644
53
56
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date
d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les
valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des
statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.14 - Résultats du modèle 1’ pour les titres à bonne (resp. mauvaise) nouvelle récente
VARIABLE DEPENDANTE
COEFFICIENTS ESTIMES
CARP12
Variables explicatives
Ech_B
F&F
Constante (α)
Ech_G
CARH
7,95e-02*** (4,70) 8,53e-02*** (5,12)
F&F
CARH
0,12 (1,31)
0,14 (1,42)
RMRF
-0,83*** (-3,14)
-0,47** (-1,78)
0,53 (0,41)
0,59 (0,47)
SMB
2,35*** (4,36)
2,66*** (4,94)
8,15e-02 (0,03)
-0,89 (-0,29)
HML
0,27 (0,51)
0,73 (1,39)
-1,04 (-0,33)
-2,16 (-0,67)
PR1YR
-0,72* (-1,58)
-0,31 (-0,69)
1,59 (0,77)
2,41 (1,15)
-2,50e-02 (-0,63)
-2,61e-02 (-0,61)
SUE_TRON
CAR(-1,+1)
-2,60e-02 (-0,42)
2,25e-03 (0,02)
0,15 (0,45)
0,47 (1,41)
R²
4,9%
4,4%
3,5%
8,7%
F
6,21***
5,83***
0,28
0,77
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
N
613
644
219
53
56
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et rentabilité anormale cumulée autour de
la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives.
Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification
des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.15 - Résultats du modèle 1 pour les titres à une bonne (resp. mauvaise) nouvelle antérieure
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Ech_aB
Ech_aG
F&F
CARH
F&F
CARH
Constante (α)
7,65e-02*** (3,93)
9,04e-02*** (4,73)
0,10 (1,41)
0,13* (1,59)
RMRF
-0,82*** (-3,02)
-0,56*** (-2,11)
-0,80 (-0,58)
-0,80 (-0,51)
SMB
2,11*** (3,71)
2,45*** (4,30)
3,72 (1,40)
2,04 (0,68)
HML
0,17 (0,30)
0,68 (1,22)
-0,74 (-0,25)
-0,49 (-0,14)
PR1YR
-0,56 (0,42)
-0,23 (-0,49)
-1,01 (-0,43)
-0,58 (-0,21)
SUE
1,99e-03 (0,42)
4,41e-03 (0,92)
2,08e-02 (0,56)
1,25e-02 (0,30)
CAR(-1,+1)
-4,60e-02 (0,42)
1,70e-04 (0,00)
-0,21 (-0,56)
0,27 (0,67)
R²
4,3%
4,1%
6,3%
3,8%
F
4,16***
4,23***
0,50
0,29
N
569
598
52
52
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date
d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les
valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des
statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.16 - Résultats du modèle 1’ pour les titres à une bonne (resp. mauvaise) nouvelle antérieure
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Ech_aB
F&F
Constante (α)
RMRF
Ech_aG
CARH
7,77e-02*** (4,30) 8,71e-02*** (4,84)
-0,84*** (-3,09)
-0,58*** (-2,17)
F&F
CARH
9,46e-02 (1,21)
0,12 (1,45)
-0,79 (-0,57)
-0,79 (-0,50)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
220
SMB
2,13*** (3,77)
2,44*** (4,29)
3,76 (1,42)
2,06 (0,69)
HML
0,21 (0,69)
0,71 (1,29)
-0,66 (-0,22)
-0,44 (-0,13)
PR1YR
-0,57 (-1,21)
-0,23 (-0,48)
-1,03 (-0,44)
-0,59 (-0,22)
SUE_TRON
-5,98e-02** (-1,74)
-4,60e-02 (-1,34)
2,48e-02 (-0,58)
1,52e-02 (0,31)
CAR(-1,+1)
-3,98e-02 (-0,42)
2,71e-03 (0,03)
-0,20 (-0,54)
0,28 (0,48)
R²
4,7%
4,3%
6,3%
3,8%
F
4,66***
4,39***
0,50
0,29
N
569
598
52
52
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et rentabilité anormale cumulée autour de
la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives.
Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification
des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.17 - Résultats du modèle 1 pour les titres à deux bonnes (resp. mauvaise) nouvelles antérieures
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Ech_aBB
Ech_aGG
F&F
CARH
F&F
CARH
Constante (α)
8,94e-02*** (4,07)
0,10*** (4,81)
0,39** (2,18)
0,45** (2,17)
RMRF
-0,71*** (-2,38)
-0,46* (-1,54)
5,57 (1,20)
6,75 (1,18)
SMB
1,85*** (2,97)
2,18*** (3,47)
-0,48 (-0,06)
-4,96 (-0,53)
HML
-0,23 (-0,36)
0,30 (0,48)
2,01 (0,18)
0,48 (0,03)
PR1YR
-0,77 (-1,42)
-0,35 (-0,65)
8,67 (1,14)
11,95 (1,22)
SUE
1,34e-03 (0,25)
3,76e-03 (0,48)
-6,08e-02 (-0,45)
-6,19e-02 (-0,38)
CAR(-1,+1)
-8,80e-02 (-0,85)
-1,97e-02 (-0,20)
-1,84** (-1,93)
-1,50 (-1,35)
R²
3,3%
2,9%
36,6 %
27,2 %
F
2,65
2,46***
0,67
0,43
N
476
503
14
14
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et rentabilité anormale cumulée autour de la date
d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives. Les
valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification des
statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
221
Tableau 5.18 - Résultats du modèle 1’ pour les titres à deux bonnes (resp. mauvaise) nouvelles antérieures
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Ech_aBB
Ech_aGG
F&F
CARH
F&F
CARH
Constante (α)
9,29*** (4,57)
0,10*** (5,11)
0,44* (1,83)
0,54* (1,84)
RMRF
-0,73 (-2,44)
-0,47* (-1,59)
5,83 (1,18)
7,74 (1,23)
SMB
1,88*** (3,04)
2,16*** (3,46)
-0,73 (-0,09)
-5,23 (-0,57)
HML
-0,17* (-0,27)
0,35 (0,56)
2,31 (0,21)
1,87 (0,14)
PR1YR
-0,79 (-1,46)
-0,34 (-,64)
9,17 (1,12)
13,67 (1,26)
SUE_TRON
-6,33e-02** (-1,80)
-5,18e-02 (-1,47)
-8,63e-02 (-0,47)
-0,11 (-0,52)
CAR(-1,+1)
-8,05e-02 (-0,78)
-1,64e-02 (-0,16)
-1,93* (-1,83)
-1,70 (-1,39)
R²
3,90%
3,2%
36,8 %
28,4 %
F
3,20**
2,75***
0,67
0,46
N
477
503
14
14
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et rentabilité anormale cumulée autour de
la date d’annonce du bénéfice (un mois avant et après l’annonce du bénéfice) [CAR(-1,+1)] sont les variables explicatives.
Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles ***, ** et * indiquent la signification
des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.19 - Résultats du modèle 2 pour les titres à bonne (resp. mauvaise) nouvelle récente
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Ech_B
Ech_G
F&F
CARH
F&F
CARH
Constante (α)
-1,88e-02 (-1,49)
-1,11e-02 (-0,94)
-2,59e-02 (-0,58)
-5,01e-03 (-0,09)
RMRF
0,70*** (3,82)
0,63*** (3,65)
1,12* (1,55)
0,86 (1,28)
SMB
0,58** (1,70)
0,82*** (2,56)
0,94 (0,67)
0,21 (0,14)
HML
1,15*** (3,18)
0,98*** (2,84)
1,94 (1,17)
1,19 (0,71)
PR1YR
-0,31 (-0,99)
-0,29 (-0,98)
0,62 (0,57)
1,27 (1,19)
SUE
7,81e-05 (0,02)
7,60e-04 (0,24)
6,19e-03 (0,37)
3,73e-03 (0,21)
CARP6
0,15*** (2,61)
0,23*** (4,33)
0,33** (1,98)
0,58*** (3,40)
R²
6,50%
8,00%
15,80%
23,40%
F
8,02***
10,60***
1,56
2,69***
N
704
736
57
60
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
222
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post
(CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles
***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.20 - Résultats du modèle 2’ pour les titres à bonne (resp. mauvaise) nouvelle récente
VARIABLE DEPENDANTE
COEFFICIENTS ESTIMES
CARP12
Variables explicatives
Ech_B
Ech_G
F&F
CARH
F&F
CARH
Constante (α)
-1,89e-02* (-1,68)
-1,23e-02 (-1,17)
-2,59e-02 (-0,58)
-5,01e-03 (-0,09)
RMRF
0,70*** (3,82)
0,63*** (3,65)
1,12* (1,55)
0,86 (1,28)
SMB
0,58** (1,70)
0,82*** (2,56)
0,94 (0,67)
0,21 (0,14)
HML
1,15*** (3,18)
0,98*** (2,85)
1,94 (1,17)
1,19 (0,71)
PR1YR
-0,30 (-0,99)
-0,29 (-0,97)
0,62 (0,57)
1,27 (1,19)
6,19e-03 (0,37)
3,73e-03 (0,21)
SUE_TRON
CARP6
0,15*** (2,65)
0,23*** (4,34)
0,33** (1,98)
0,58*** (3,40)
R²
6,5%
8,0%
15,8%
23,4%
F
9,64***
12,73***
1,56
2,69***
N
704
736
57
60
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et la rentabilité anormale cumulée sur six
mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et
les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.21 - Résultats du modèle 2 pour les titres à une bonne (resp. mauvaise) nouvelle antérieure
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Constante (α)
Ech_aB
Ech_aG
F&F
CARH
F&F
CARH
-2,57e-02*** (-2,01)
-1,58e-02 (-1,34)
1,46e-02 (0,21)
4,45e-02 (0,91)
E
RMRF
0,73*** (3,90)
0,64*** (3,68)
3,04 -02 (0,03)
-0,24 (-0,26)
SMB
0,49 (1,41)
0,81*** (2,46)
2,34 (1,46)
1,39 (0,85)
HML
1,09*** (2,92)
1,02*** (2,90)
0,10 (0,07)
0,34 (0,18)
PR1YR
-0,28*** (-0,89)
-0,22*** (-0,75)
-0,74 (-0,52)
-0,89 (-0,62)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
223
SUE
1,74e-04 (-0,05)
8,23e-04 (0,25)
6,03e-03 (0,36)
1,77e-03 (0,10)
CARP6
0,13*** (2,19)
0,20*** (3,60)
0,33 (1,53)
0,62*** (2,81)
R²
6,10%
7,30%
13,60%
20,20%
F
6,98***
8,81***
1,31
2,11**
N
649
680
57
57
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post
(CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles
***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.22 - Résultats du modèle 2’ pour les titres à une bonne (resp. mauvaise) nouvelle antérieure
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Ech_aB
Ech_aG
F&F
CARH
F&F
CARH
Constante (α)
-2,39e-02* (-1,67)
-1,35e-02 (-1,01)
1,06e-02 (0,21)
4,22e-02 (0,82)
RMRF
0,76*** (3,72)
0,67*** (3,51)
2,98e-02 (0,03)
-0,24 (-0,26)
SMB
0,38 (1,03)
0,71** (1,99)
2,32 (1,46)
1,38 (0,84)
HML
0,89*** (2,13)
0,84*** (2,12)
0,13 (0,07)
0,35 (0,18)
PR1YR
-0,29 (-0,83)
-0,21 (-0,62)
-0,72 (-0,52)
-0,88 (-0,61)
SUE_TRON
6,78e-04 (0,18)
1,69e-03 (0,47)
6,93e-03 (0,36)
3,31e-03 (0,16)
CARP6
0,13** (1,96)
0,21*** (3,45)
0,34* (1,55)
0,67*** (2,81)
R²
5,90%
7,10%
13,60%
20,20%
F
5,65***
7,29***
1,31
2,11**
N
550
578
57
57
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et la rentabilité anormale cumulée sur six
mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et
les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.23 - Résultats du modèle 2 pour les titres à deux bonne (resp. mauvaise) nouvelles antérieures
VARIABLE DEPENDANTE
COEFFICIENTS ESTIMES
CARP12
Variables explicatives
Ech_aBB
F&F
Ech_aGG
CARH
F&F
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
CARH
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
224
Constante (α)
-2,20* (-1,65)
-1,38e-02 (-1,07)
0,12 (0,94)
0,15 (1,11)
RMRF
0,33** (1,73)
0,23 (1,28)
-0,24 (-0,07)
-0,57 (-0,17)
SMB
0,14 (0,40)
0,35 (1,03)
3,27 (-0,59)
1,94 (0,33)
HML
0,63* (1,60)
0,64* (1,66)
-3,37 (-0,45)
-3,84 (-0,47)
PR1YR
1,00*** (3,05)
1,07*** (3,32)
-1,39 (-0,38)
-1,33 (-0,33)
SUE
1,42 (0,41)
2,52e-03 (0,73)
7,61e-02 (0,74)
7,18e-02 (0,66)
CARP6
-0,13*** (-2,13)
-7,41e-02 (-1,26)
-0,14 (-0,21)
0,18 (0,27)
R²
2,90%
2,40%
16,20 %
15,70 %
F
2,65***
2,32***
0,29
0,27
N
547
575
16
16
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise des résultats (SUE) et la rentabilité anormale cumulée sur six mois ex-post
(CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et les symboles
***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
Tableau 5.24 - Résultats du modèle 2’ pour les titres à deux bonnes (resp. mauvaises) nouvelles
antérieures
VARIABLE DEPENDANTE
CARP12
COEFFICIENTS ESTIMES
Variables explicatives
Ech_aBB
Ech_aGG
F&F
CARH
F&F
CARH
Constante (α)
-2,52e-02** (-1,92)
-1,68e-02 (-1,37)
8,28e-02 (0,51)
0,10 (0,64)
RMRF
0,76*** (3,72)
0,67*** (3,52)
-3,09e-02 (-0,01)
-0,55 (-0,17)
SMB
0,37 (1,01)
0,69** (1,95)
3,37 (0,60)
1,77 (0,30)
HML
0,89*** (2,13)
0,84* (2,12)
-2,61 (-0,36)
-3,35 (-1,04)
PR1YR
-0,29 (-0,82)
-0,20 (-0,60)
-1,04 (-0,29)
-1,16 (-0,30)
SUE_TRON
2,13e-03 (-0,08)
9,44e-03 (0,39)
8,48e-02 (0,67)
9,04e-02 (0,67)
CARP6
0,13** (1,96)
0,21*** (3,46)
-0,11 (-0,16)
0,23 (0,73)
R²
5,90%
7,10%
15,20 %
15,90 %
F
5,64***
7,28***
0,27
0,28
N
550
578
16
16
Note : La variable rentabilité anormale cumulée sur douze mois ex-post (CARP12) est la variable dépendante et les variables
facteur Taille (SMB), facteur ratio « book-to-market » ou facteur de détresse financière (HML), facteur « momentum » prix
(PR1YR), facteur de Marché (RMRF), surprise de bénéfices tronquée (SUE_TRON) et la rentabilité anormale cumulée sur six
mois ex-post (CARP6) sont les variables explicatives. Les valeurs du test T de Student sont indiquées entre les parenthèses et
les symboles ***, ** et * indiquent la signification des statistiques T resp. aux seuils 1 à 4,99% ; 5 à 9,99% et 10 à 12%.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 5 – Tests empiriques du modèle de Barberis, Shleifer et Visny (1998)
225
Les observations des tableaux 5.13 à 5.24 confirment et renforcent les résultats
précédents, à savoir, l’absence de persistance et/ou du retour à la moyenne des
rentabilités suite à l’annonce des bénéfices, l’absence d’un effet « bonne nouvelle » et
« mauvaise nouvelle » et une explication possible des rentabilités anormales par les
facteurs de risque.
6 CONCLUSION
Dans ce chapitre, nous avons étudié l’hypothèse d’une sous- et/ou sur-réaction
des investisseurs à l’annonce des bénéfices sur le marché boursier français.
Précisément, nous avons testé les résultats théoriques des modèles comportementaux,
en l’occurrence ceux de Barberis, Shleifer et Vishny (1998). Au total, cette illustration
empirique a montré que dans l’ensemble, les investisseurs ne sous-réagissent pas selon
l’approche comportementale de Barberis, Shleifer et Vishny (1998), abstraction faite
de la nature des résultats (bonne ou mauvaise). De même, les investisseurs ne surréagissent pas à une chaîne de bonnes ou mauvaise nouvelles. Les conclusions du
modèle comportemental de Barberis, Shleifer et Vishny (1998) ne sont donc pas
validées sur le marché financier français, à savoir, la sous-réaction à court terme, la
sur-réaction à une chaîne de nouvelles allant dans le même sens et la réconciliation des
phénomènes de sous- et sur-réaction. De plus, cette étude empirique confirme les
travaux du chapitre précédent. Les rentabilités anormales cumulées suivant l’annonce
des bénéfices ne sont pas expliquées par les biais cognitifs des investisseurs.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
226
CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES
LORS DE L’ANNONCE DES BENEFICES
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
227
1 INTRODUCTION
Les résultats précédents ont montré une persistance des rentabilités lors de
l’annonce des bénéfices sur le marché financier français sur la période 1988 à 1999.
Ces études démontrent que la persistance des rentabilités lors des publications des
résultats ne résultent pas de la sous-réaction des investisseurs. Les investisseurs
ajusteraient progressivement les cours boursiers à l’annonce des bénéfices sur le
marché boursier français. Néanmoins, ces résultats ébauchent une possible explication
du phénomène de persistance des rentabilités à l’annonce des bénéfices par les
prévisions des analystes jugées trop élevées par rapport aux bénéfices réels. Un
optimisme général des analystes est mis en évidence. Des études françaises ont
également mis en évidence l’existence d’un biais d’optimisme dans les prévisions des
analystes financiers [Grandin (1995) et Fontowicz (1999)].
Le questionnement sur le comportement des analystes financiers n’est donc pas
nouveau et il connaît un regain d’intérêt grâce aux études récentes portant sur la
finance comportementale.
De Bondt et Thaler (1990) soulignent une sur-réaction des analystes financiers à
l’information des résultats tandis que Abarbanell et Thomas (1992) soulignent une
sous-réaction des analystes financiers à l’information des résultats. Par ailleurs,
Easterwood et Nutt (1999) révèlent une sous-réaction (sur-réaction) des analystes aux
bonnes (mauvaises) nouvelles. Ces résultats sont en accord avec ceux de Amir et
Ganzach (1998) qui montrent que les analystes sont sujets à des biais cognitifs.
Le travail des analystes financiers consiste à produire des recommandations
financières et boursières. L’analyse de leurs prévisions de bénéfices peut contribuer à
expliquer l’ajustement lent des cours boursiers lors des annonces de bénéfices. La
recherche financière s'est habituellement concentrée sur l'étude d'une seule heuristique.
Cependant, les développements récents de la théorie comportementale de décision
indiquent que les prévisions sont souvent influencées par les diverses heuristiques qui
fonctionnent concurremment.
Le but du présent chapitre est d'étudier l'influence combinée des diverses
heuristiques sur la prévision des bénéfices des analystes en s’inspirant des travaux de
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
228
Amir et Ganzach (1998). En particulier, ce travail examine l'influence de trois
heuristiques: représentativité, ancrage – ajustement et disponibilité.
La suite du chapitre est organisé comme suit.
La section 2 est consacrée à la théorie et aux hypothèses de recherche. La section 3
aborde la méthodologie. La section 4 présente les résultats et discussions.
2 THEORIE ET HYPOTHESES DE RECHERCHE
A la suite des travaux fondateurs de psychologie sociale de Kahneman et Tversky
(1973, 1974, 1982), de très nombreuses études [par exemple, Kahnemann, Slovic et
Tversky (1982), Lichtenstein et Fischoff (1980)] ont montré que les décideurs, loin
d’appliquer la rationalité type du modèle classique d’utilité espérée de Von NeumanMorgenstern, avaient tendance de manière systématique à suivre d’autres formes de
rationalité, que Kahnemann et Tversky ont dénommées « heuristiques ». Les
prévisions sont ainsi déviées systématiquement des règles statistiques normatives. Ces
études ont inspiré la recherche financière à étudier si de telles heuristiques biaisent les
prévisions des variables financières telles que les résultats [De Bondt et Thaler (1990),
Abarbanell et Bernard (1992) et Klein (1990)]. Les heuristiques de représentativité et
d’ancrage–ajustement influenceraient la précision des prévisions, et l’heuristique de
disponibilité conduirait à un optimisme des analystes. Selon Amir et Ganzach (1998),
l’effet conjoint de l’heuristique de représentativité et de celle de la disponibilité
conduirait à un optimisme et à sur-réaction des analystes financiers, tandis que l’effet
conjoint de l’heuristique d’ancrage-ajustement et de celle de la disponibilité conduirait
à un optimisme et à sous-réaction des analystes financiers.
En effet, pour Amir et Ganzach (1998), dans la prévision de bénéfices futures, les
analystes sont susceptibles d'utiliser une valeur saillante telles que les prévisions de
bénéfices passées ou les résultats antérieurement annoncés qu’ils modifient sur la base
de la nouvelle information. Deux types de modification de prévisions sont considérées:
les révisions de bénéfices prévues et les changements de bénéfices.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
-
229
La « révision de prévision de bénéfices » est définie comme la différence entre
la prévision de bénéfices courante (à l’annonce du bénéfice) et le bénéfice
prévisionnel passé.
-
Le « changement de bénéfices » est défini comme la différence entre le résultat
courant (lors de l’annonce du bénéfice) et le bénéfice passé.
Dans ce cas, l'erreur prévue de bénéfices ou la surprise de bénéfices définie
comme la différence entre les bénéfices réels et les bénéfices prévisionnels, dépendrait
d’abord du signe de la modification de prévision de bénéfices (positive ou négative) et
en second lieu, du type de modification de prévision de bénéfices considérée (révision
de prévision ou changement de bénéfices). Cette dépendance est alors retrouvée par les
processus psychologiques sous-jacents aux diverses modifications de prévision.
Les graphiques 6.1 et 6.2 adaptés de Amir et Ganzach (1998) illustrent la
théorie.
L'effet conjoint des heuristiques de représentativité (sur-réaction) et de
disponibilité (optimisme) [respectivement d’ancrage-ajustement (sous-réaction) et de
disponibilité (optimisme)] suivant une modification de prévision est présenté par le
graphique 6.1 [respectivement graphique 6.2]. Dans cette analyse, une distinction est
faite entre les modifications positive et négative. Toutefois, la distinction entre les
types de modification de prévision de bénéfices, c’est-à-dire la révision de prévision
de bénéfices et le changement de bénéfices, n’est pas prise en compte.
Graphique 6.1 : L’effet conjoint des heuristiques de disponibilité et de représentativité sur l’erreur de
prévision (ou surprise de prévision) suite à des modifications négatives et positives
Prévisionst-n
Sur-réaction Résultats sur les titres
Optimisme à modifications
Prévisiont
positives
Optimisme Résultats sur les titres
Prévisiont
à modifications
Sur-réaction négatives
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
230
Graphique 6.2 : L’effet conjugué des heuristiques de disponibilité et d’ancrage-ajustement sur l’erreur de
prévision (ou surprise de prévision) suite à des modifications négatives et positives
Optimisme Résultats sur les titres
Prévisiont
à modifications
Sous-réaction positives
Prévisionst-n
Sous-réaction Résultats sur les titres
Optimisme à modifications
Prévisiont
négatives
Quand la modification est positive (voir la partie supérieure du graphique 6.1),
l’effet conjoint de la disponibilité (dénotée ) et la représentativité (dénotée )
conduit à une prévision qui est au-dessus des résultats réels, causant une erreur de
prévision négative élevée. Quand la modification est négative (voir la partie inférieure
du graphique 6.1), la disponibilité conduit à une prévision qui est au-dessus des
résultats réels, alors que la représentativité conduit à une prévision qui est au-dessous
des revenus réels, causant une petite erreur de prévision (dénotée ). En conséquence,
on devrait observer une asymétrie: les erreurs de prévision seraient plus négatives
quand la modification de prévision est positive que quand elle est négative (voir le
graphique 6.1).
Si l'extrémité de la prévision est régie par l’heuristique d’ancrage-ajustement
(sous-réaction, dénoté ), on devrait observer le modèle opposé des erreurs prévues
(voir le graphique 6.2). D’une part, quand la modification de prévision est négative,
l’effet conjugué des heuristiques de disponibilité et d’ancrage-ajustement conduit à
une prévision qui est au-dessus des résultats réels. D'autre part, quand la modification
est positive, la disponibilité conduit à une prévision qui est au-dessus des bénéfices
réels, alors que l’ancrage-ajustement conduit à une prévision qui est au-dessous des
bénéfices réels. En conséquence, on devrait observer une asymétrie: les erreurs de
prévision seraient plus négatives quand les modifications de prévision sont positives
que quand les modifications de prévision sont négatives (voir le graphique 6.2).
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
231
Suivant la théorie de Amir et Ganzach (1998), l’on se demande si l’on peut faire
une prévision a priori au sujet des conditions dans lesquelles la représentativité et
l’ancrage-ajustement régissent les prévisions de bénéfices sur le marché financier
français?
Amir et Ganzach (1998) suggèrent que la représentativité gouverne souvent la
prévision. Quand une ancre potentielle existe, l’ancrage-ajustement devient plus
probable. Une expérience entreprise par Czaczkes et Ganzach (1996) montrent ce
point. Dans cette expérience, les sujets prédisent l'impact d'une série de changements
de bénéfices sur des cours d'actions simulés. Après chaque prévision, les sujets
reçoivent une rétroaction reflétant un rapport linéaire (r = 0,701) entre les changements
de bénéfices et les changements de prix. Dans une première expérience, les sujets sont
invités à prévoir le niveau de prix suivant les changements des bénéfices, alors que
dans la seconde expérience, ils doivent prévoir les changements de prix suivant les
mêmes changements de bénéfices. Dans les deux expériences, les sujets sont informés
de l’efficience du marché c’est-à-dire les cours boursiers reflètent les bénéfices et les
prix conduisent aux changements des bénéfices. Les résultats des expériences
montrent que les prévisions sont moins extrêmes dans l’expérience qui concerne le
niveau des cours boursiers que dans celle concernant les changements de prix. Ces
résultats valident l’hypothèse selon laquelle l’utilisation de l’ancrage-ajustement est
plus probable dans l’état d’un nivellement de prix que dans l’état d’un changement de
prix dès lors que le prix précédent sert de point de référence aux prévisions.
La présente étude examine trois hypothèses.
D’abord en adoptant les approches de Amir et Ganzach (1998), les bénéfices
réels passés et les bénéfices prévisionnels passés servent d’ancres aux prévisions des
analystes. De plus, l’utilisation des bénéfices prévisionnels passés comme ancres
semble plus significative que celle des bénéfices réels passés. En effet, selon Staw
(1981), les individus ont tendance à avoir un engagement fort à une ligne de conduite
dès que le choix est fait ou le jugement est exprimé ou la prévision est communiquée.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
232
Ainsi, la première hypothèse est :
H1 : Il y aura une plus grande tendance à l’ancrage-ajustement (sous-réaction)
en ce qui concerne les révisions prévues qu'en ce qui concerne les changements de
prévision.
Un cas strict de cette hypothèse est un cas dans lequel les révisions de prévision
conduisent à la sous-réaction et les changements de prévision conduisent à la surréaction, d’où l’hypothèse H’1.
En second lieu, la disponibilité affecte également l'ancre en la rendant plus
efficace quand la prévision est négative que quand elle est positive. Ceci étant, quand
l'information positive est traitée, les analystes sont disposés à partir d'un point de
référence précédent à modifier franchement leur prévision d’une part. D’autre part,
quand l'information négative est traitée, les analystes dévient moins du point de
référence établi et font une prévision pessimiste.
Ainsi, la deuxième hypothèse est :
H2 : Il y aura moins de sur-réaction (ou plus de sous-réaction) pour une
modification négative que pour une modification positive de prévision.
Un cas strict de cette hypothèse est un cas dans lequel la modification négative
conduit à la sous-réaction et la modification positive conduit à la sur-réaction, d’où
l’hypothèse H’2.
De Bondt et Thaler (1990) arguent que l'ampleur de la sur-réaction des
analystes à l’information des résultats croît avec la longueur de l'horizon de prévision
parce que la sur-réaction augmente avec l'incertitude et cette dernière est plus
importante sur des horizons lointains. Une forme plus générale de cette hypothèse est
que plus l'horizon de prévision est long, plus le biais de prévision est grand.
Ainsi, la troisième hypothèse (H3) est que la sur-réaction, la sous-réaction et
l’optimisme augmentent avec l'horizon de prévision.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
233
3 PRESENTATIONS DES VARIABLES
Les variables sont définies de la manière suivante :
-
t correspond à la date d’annonce du bénéfice courant;
-
n est le mois antérieur à l’annonce du bénéfice courant à la date t;
-
EPSt ou (EPS0) fait référence au bénéfice par action à l’instant t. Par abus de
langage, on nomme le bénéfice par action, le bénéfice réalisé ;
-
EPSt-1 est relatif au bénéfice par action précédent à la date d’annonce t du
bénéfice courant ;
-
FEPSt ou (FEPS0) correspond au bénéfice prévisionnel mensuel réalisé à
l’instant t;
-
FEPSt-1 est le bénéfice prévisionnel mensuel réalisé précédent à la date
d’annonce t du bénéfice courant ;
-
FEPSt-n (n = 36, 24, 12, 9, 6, 3 et 1) correspond au bénéfice prévisionnel au
mois n avant la date t;
-
EPSt-n (n = 36, 24, 12, 9, 6, 3 et 1) fait référence au bénéfice par action au mois
t-n;
-
-
SERRn est l’erreur de prévisions de bénéfices réalisé au mois n :
SERRn = EPSt-n – FEPSt-n
(50)
FERAn = EPSt – FEPSt-n
(51)
Une valeur positive (négative) de FERAn est une bonne (mauvaise) nouvelle
pour le marché, mais elle indique le pessimisme (l’optimisme) des analystes.
-
FERRn = EPSt-n – FEPSt
(52)
Une valeur positive (négative) de FERRn correspond à une bonne (mauvaise)
nouvelle pour le marché, mais elle désigne le pessimisme (l’optimisme) des
analystes.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
-
234
S_FRn est la révision de prévisions de bénéfices non standardisée au mois n
avant l’annonce du bénéfice courant.
S_FRn = FEPSt-n-1 – FEPSt-n
(53)
FRn est le cumul des révisions de prévisions non standardisées de bénéfices sur n
mois:
FRn = ∑(FEPSt-k-1 – FEPSt-k) = FEPSt – FEPSt-n
(54)
Une valeur positive (négative) de FRn correspond à une modification de
prévision positive (négative).
-
S_FCn est le changement de bénéfices non standardisée au mois n.
S_FCn = EPSt-n-1 – EPSt-n
(55)
FCn est le cumul des changements de bénéfices non standardisés sur n mois à
l’annonce du bénéfice courant:
FCn = ∑(EPSt-k-1 – EPSt-k) = EPSt – EPSt-n
(56)
Une valeur positive (négative) de FCn correspond comme une modification de
prévision positive (négative).
4 RESULTATS ET INTERPRETATIONS
4.1 Le contenu informationnel des prévisions de bénéfices des
analystes lors de l’annonce des bénéfices
Pour mettre en évidence la persistance des rentabilités à l’annonce des bénéfices
sur le marché financier français, deux portefeuilles de titres sont constitués suivant les
signes positifs et négatifs des erreurs de prévisions de bénéfices non standardisées des
analystes les plus récentes (FERA1). La variable (FERA1) correspond à l’erreur de
prévisions de bénéfices du résultat annoncé à la date t de la prévision à l’instant t-1,
c’est-à-dire une surprise de bénéfices. Elle est l’erreur de prévision non standardisée
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
235
associée à la modification de prévision, c’est-à-dire la révision de prévisions de
bénéfices à la date 1. Pour chaque portefeuille, les rentabilités anormales cumulées exante et ex-post ajustées à la taille et au ratio « book-to-market » selon le modèle à
facteur de Fama et French (1993) sont évaluées.
La même méthodologie est adoptée pour établir une relation entre les
rentabilités anormales cumulées ajustées à la taille et au ratio « book-to-market », et
l’autre variable « erreur de prévisions de bénéfices » non standardisée FERR1. Cette
dernière (FERR1) représente également une erreur de prévisions de bénéfices du
résultat annoncé à la date t-1 de la prévision à l’instant t, c’est-à-dire une surprise de
bénéfices. Elle est l’erreur de prévisions non standardisée associée à la modification de
prévisions, le « changement de bénéfices » à la date 1.
Notons que les variables FERA0 et FERR0 sont égales et elles correspondent à
l’erreur de prévisions de bénéfices du résultat annoncé de la prévision à la date t, la
date d’annonce du bénéfice courant. C’est l’erreur de prévision non standardisée
associée à la modification de prévision à la date 0. Celle-ci a été largement analysée
dans les chapitres précédents où elle avait été standardisée au cours boursier selon
l’évaluation de Derrien et Degeorges (2001).
Les graphiques 6.3 et 6.4 présentent les rentabilités anormales cumulées
observées suivant les erreurs de prévisions de bénéfice FERA1 et FERR1
respectivement.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
236
Graphique 6.3 - Rentabilités anormales cumulées ex-ante et ex-post observées des portefeuilles composés
selon le sens de la variable FERA1, pour tout l'échantillon
Rentabilités anormales cumulées
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
-20,00%
FERA_N
-40,00%
FERA_P
#Diff FERA_P&N
-60,00%
FCP1_60
FCP1_54
FCP1_48
FCP1_42
FCP1_36
FCP1_30
FCP1_24
FCP1_18
FCP1_12
FCP1_9
FCP1_6
FCP1_3
FCA1_3
FCA1_6
FCA1_9
FCA1_12
FCA1_18
FCA1_24
FCA1_30
FCA1_36
FCA1_42
FCA1_48
FCA1_54
FCA1_60
Note : Le portefeuille FERA_N (respectivement FERA_P) est composé des titres à surprise de bénéfices négative
(respectivement positive). Quant au portefeuille #Diff FERA_P&N, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille
issu de la différence entre FERA_N et FERA_P. Les variables FCA1_k (FCP1_k) sur k mois représentent les rentabilités
anormales cumulées ex-ante (ex-post) ajustées à la taille et au ratio « book-to-market » [Fama et French (1993)].
Graphique 6.4 - Rentabilités anormales cumulées ex-ante et ex-post observées des portefeuilles composés
selon le sens de la variable FERR1, pour tout l'échantillon
Rentabilités anormales cumulées
80,00%
60,00%
40,00%
20,00%
0,00%
-20,00%
-40,00%
FERR_N
FERR_P
FERR_N&P
-60,00%
FCP1_60
FCP1_54
FCP1_48
FCP1_42
FCP1_36
FCP1_30
FCP1_24
FCP1_18
FCP1_12
FCP1_9
FCP1_6
FCP1_3
FCA1_3
FCA1_6
FCA1_9
FCA1_12
FCA1_18
FCA1_24
FCA1_30
FCA1_36
FCA1_42
FCA1_48
FCA1_54
FCA1_60
Note : Le portefeuille FERR_N (respectivement FERR_P) est composé des titres à surprise de bénéfices négative
(respectivement positive). Quant au portefeuille FERR_P&N, il est le portefeuille d’arbitrage c’est-à-dire le portefeuille issu
de la différence entre FERR_N et FERR_P. Les variables FCA1_k (FCP1_k) sur k mois représentent les rentabilités
anormales cumulées ex-ante (ex-post) ajustées à la taille et au ratio « book-to-market » [Fama et French (1993)].
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
237
Les graphiques 6.3 et 6.4 montrent une association positive entre les rentabilités
anormales cumulées et les variables « erreurs de prévisions de bénéfice » FERA1 et
FERR1. Ils attestent la persistance des rentabilités anormales à l’annonce des bénéfices
suivant les variables FERA1 et FERR1. Les erreurs de prévisions de bénéfice (non
standardisées) des analystes financiers apparaissent avoir un contenu informationnel
sur le marché financier français. Ce résultat corrobore les résultats de Fontowicz
(1999) et nos résultats précédents sur le marché financier français.
Afin de mieux mettre en évidence le comportement des analystes financiers, les
performances des titres sont régressées sur les erreurs de prévisions de bénéfice non
standardisées les plus récentes (FERA1).
Le modèle de régression suivant est considéré.
CARPp,t+n = an + bnFERA1 + en
(57)
Où
• la variable FERA1 représente l’erreur de prévisions de bénéfice non standardisées
la plus récente (au mois 1);
• n est le mois avant l’annonce du bénéfice courant;
• CARPp,t+n est la rentabilité cumulée anormale du portefeuille p composé suivant la
variable FERA1 et détenue sur n mois après l’annonce du bénéfice courant;
• t est la date d’annonce du résultat;
• an est le terme constant de la régression (57) et;
• bn est la pente de la régression (57).
Les hypothèses à tester sont les suivantes :
• Si les coefficients an et bn du modèle de régression (57) sont simultanement nuls
alors les prévisions de bénéfices passées ne suscitent pas une réaction des analystes sur
les prévisions de bénéfices futures lors de l’annonce de bénéfices. En d’autres termes,
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
238
les prévisions de bénéfices passées n’ont pas un impact sur les performances futures à
l’annonce de bénéfices.
• Si les coefficients an sont significativement différents de zéro alors les prévisions
de bénéfices des analystes financiers ont certainement un impact sur les performances
futures lors de l’annonce de bénéfices.
• Si les coefficients bn des erreurs de prévisions de bénéfice non standardisées
précédant l’annonce des bénéfices (FERA1) sont significativement positifs (négatifs)
alors il y a une relation directe (inverse) entre les prévisions de bénéfices des analystes
financiers et les performances futures.
Les résultats sont résumés dans le tableau 6.1.
Tableau 6.1 - Estimation des paramètres des régressions (57) des performances ex-post (CARPp,n) sur les
erreurs de prévisions de bénéfice non standardisées les plus récentes (FERA1)
Modèle: CARPp,t+n = an + bnFERA1 + en (pour tout l’échantillon)
mois(n)
an
bn
R² (%)
R²_Adj. (%)
F
N
3
0,01300* (1,74)
0,00011 (1,36)
1,6
0,2
1,2
767
6
-0,01325 (-1,23)
0,00018* (1,60)
2,0
0,7
1,54
765
9
0,02571** (1,96)
0,00029*** (2,05)
3,6
2,2
2,63*
732
12
0,08921*** (5,56)
0,00048*** (2,79)
7,8
6,4
5,37***
678
18
0,05741*** (2,72)
0,00066*** (2,96)
9,2
7,7
6,17***
663
24
0,16839*** (6,94)
0,00086*** (3,55)
13,2
11,6
8,01***
599
30
0,16338*** (5,62)
0,00092*** (3,03)
11,3
9,6
6,77***
592
36
0,27530*** (7,78)
0,00121*** (3,05)
15,4
13,6
8,26***
528
Note : La variable CARPp,n+t la rentabilité cumulée anormale du portefeuille p composé suivant la variable FERAn et détenue
sur n mois, après l’annonce du bénéfice courant est la variable dépendante et la variable erreur de prévision de bénéfice sur n
mois à l’annonce de bénéfice précédemment à l’annonce du bénéfice (FERAn), est la variable explicative. Le modèle de
régression est une régression avec correction de l’hétéroscédasticité à MCO robuste par le test de White (1980). Les valeurs
du test t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t
respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%.
Les résultats du tableau 6.1 valident nos hypothèses, à savoir, l’existence des
rentabilités anormales et l’impact probable des prévisions de bénéfice des analystes sur
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
239
les performances futures constaté sur le marché boursier français à l’annonce des
bénéfices. De plus, il existe une relation directe entre les performances futures et les
erreurs de prévisions de bénéfices (non standardisées). Les informations du tableau 6.1
confirment les résultats précédents. Par exemple, le coefficient an (respectivement bn)
pour le mois 9 est 0,02571 significatif au seuil de 5% avec une statistique de Student t
de 1,96 (respectivement 0,00029 significatif au seuil de 1% avec une statistique de
Student t de 2,05).
4.2 La prévision des bénéfices à l’annonce du bénéfice courant : les
bénéfices prévisionnels passés comme ancres psychologiques des
analystes
4.2.1 Le positionnement du problème
Les premières analyses sont concentrées sur le rapport entre les révisions
(FRn).et les erreurs de prévision de bénéfice (FERAn). L’idée intuitive a été de
considérer les bénéfices prévisionnels passés (FEPSt-n) comme point de référence des
analystes pour prévoir les bénéfices prévisionnels futurs correspondant au bénéfice
annoncé (FEPSt). Ainsi, en considérant les prévisions de bénéfice passées (FEPSt-n)
pour engendrer la théorie (les graphiques 6.1 et 6.2), on obtient la relation (58) :
FEPSt-n – FEPSt = -FRn = (FEPSt-n - EPSt) + (EPSt – FEPSt)
= -FERAn + (EPSt - FEPSt) +
(58)
L’examen des bénéfices prévisionnels passés comme une ancre psychologique
dans l’évaluation des bénéfices prévisionnels (futurs) des analystes s’effectue donc, à
partir de la relation entre les variables FERAn et FRn. Puisque la théorie (les schémas
6.1 et 6.2) prévoit un modèle différent des erreurs prévues selon le signe positif ou
négatif des révisions de prévisions de bénéfice, l'échantillon est divisé en deux
groupes: un groupe « positif » pour lequel les révisions de prévision sont positives et
un groupe « négatif » pour lequel les révisions de prévision sont négatives. Les
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
240
révisions de prévision pour l’ensemble de l’échantillon sont également analysées. Les
mesures dépendantes sont les valeurs des erreurs de prévisions de bénéfices.
Les méthodes d’analyse des portefeuilles et de régressions sont utilisées pour
examiner les prévisions de bénéfices passées comme une ancre pour les analystes.
4.2.2 Les résultats de l’analyse des portefeuilles
Deux portefeuilles de titres sont constitués suivant les signes positifs et négatifs des
révisions de prévisions sur n mois. Pour chaque portefeuille, le nombre et le
pourcentage d’erreur de prévision de bénéfice négatives sont évalués selon le sens des
révisions de bénéfices prévisionnels. Les révisions de bénéfices prévisionnels nulles
sont exclues de l’échantillon d’étude.
Il y a un biais d’optimisme (respectivement de pessimisme) des analystes, si le
pourcentage d’erreurs de prévisions de bénéfices négatives, est supérieur
(respectivement inférieur) au pourcentage d’erreurs de prévisions de bénéfices
positives des portefeuilles composés selon le sens de modification des bénéfices, c’està-dire les révisions de prévisions de bénéfice).
Les tableaux 6.2, 6.3 et 6.4 présentent les résultats.
Tableau 6.2 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn)
négatives de l’échantillon total suivant les mois n.
#Obs. Tout Echantillon
Mois (n)
#Obs. total
#Obs. FERAn < 0
#Obs. FERAn > 0
% FERAn < 0
% FERAn > 0
z de M.W.
1
890
831
59
93,37%
6,63%
-12,84***
3
888
829
59
93,36%
6,64%
-12,84***
6
884
825
59
93,33%
6,67%
-12,84***
9
878
819
59
93,28%
6,72%
-12,84***
12
858
797
61
93,28%
7,11%
-13,03***
15
830
767
63
92,41%
7,59%
-13,20***
18
797
737
60
92,47%
7,53%
-12,89***
21
766
709
57
92,56%
7,44%
-12,57***
24
748
687
61
92,56%
8,16%
-12,95***
30
687
629
58
91,56%
8,44%
-12,61***
36
647
590
57
91,19%
8,81%
-12,47***
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
241
Tableau 6.3 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn)
négatives du portefeuille à FRn positives (FRn > 0) suivant les mois n.
#Obs. FRn > 0
Mois (n)
#Obs. total
#Obs. FERAn < 0
#Obs. FERAn > 0
% FERAn < 0
% FERAn > 0
z de M.W.
1
596
561
35
94,13%
5,87%
-10,06***
3
595
560
35
94,12%
5,88%
-9,93***
6
594
558
36
93,94%
6,06%
-10,06***
9
589
553
36
93,89%
6,11%
-10,06***
12
558
519
39
93,01%
6,99%
-10,56***
15
575
526
49
91,48%
8,52%
-11,58***
18
548
502
46
91,61%
8,39%
-11,23***
21
518
473
45
91,31%
8,69%
-11,09***
24
523
470
53
89,87%
10,13%
-11,94***
30
471
423
48
89,81%
10,19%
-11,46***
36
452
400
52
88,50%
11,50%
-11,73***
Tableau 6.4 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERAn)
négatives du portefeuille à FRn négative (FRn < 0) suivant les mois n.
#Obs. FRn < 0
Mois (n)
#Obs. total
#Obs. FERAn < 0
#Obs. FERAn > 0
% FERAn < 0
% FERAn > 0
z de M.W.
1
291
268
23
92,10%
8,58%
-7,95***
3
290
266
24
91,72%
9,02%
-8,11***
6
288
265
23
92,01%
8,68%
-7,95***
9
288
265
23
92,01%
8,68%
-7,95***
12
278
257
21
92,45%
8,17%
-7,61***
15
253
239
14
94,47%
5,86%
-6,28***
18
249
235
14
94,38%
5,96%
-6,28***
21
245
234
11
95,51%
4,70%
-5,84***
24
225
217
8
96,44%
96,44%
-4,80***
30
215
206
9
95,81%
4,37%
-5,07***
36
195
190
5
97,44%
2,63%
-3,99***
Notes pour les tableaux 6.2, 6.3 et 6.4 : Le test non paramétrique de Mann-Withney est utilisé pour la comparaison
d’homogénéité des portefeuilles à FERAn postive et négative. La valeur du test z de Mann-Withney est indiquée et les
symboles ***, ** et * indiquent la signification de la statistique z respectivement aux seuils de 0% à 4,99% ; 5% à 7,49% et
7,5% à 10%.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
242
Les résultats montrent que le pourcentage d’erreurs de prévisions de bénéfices
négatives (FERAn < 0) est plus important que celui d’erreurs de prévisions de
bénéfices positives (FERAn > 0). Par exemple, le tableau 6.2 indique un pourcentage
d’erreurs de prévisions (FERA1) négatives de 93,15% pour l’ensemble des
observations. De même, les portefeuilles considérés suivant le sens de la variable
FERAn sont significativement hétérogènes à l’ordre de 1%. Les valeurs z du test non
paramétrique de Mann-Withney indiquées vont de 12,47% à 13,20% en valeur
absolue. Ces résultats confirment un biais d’optimisme des analystes sur le marché
boursier français. Ils corroborent les études de Fontowicz (1999) sur le marché
financier français, de Constantinou, Forbes et Skerratt (2003) et Forbes et Skerratt
(2003) sur le marché financier anglais et de Amir et Ganzach (1998), Karamanou
(2001), Easterwood et Nutt (1999) et Easterwood, Easterwood et Nutt (1999) sur le
marché financier américain.
Afin de mieux appréhender ce biais d’optimisme des analystes financiers et les
hypothèses de sous- et sur-réaction des analystes, les portefeuilles constitués selon le
sens du cumul des révisions de prévisions de bénéfices sur n mois (FRn) sont
examinés. Les résultats sont présentés dans les tableaux 6.3 et 6.4.
Le biais d’optimisme est également présent quel que soit le type de portefeuilles
de titres considérés. Par exemple, les tableaux 6.3 (respectivement 6.4) indiquent un
pourcentage d’erreurs de prévisions de bénéfices (FERA1) négatives de l’ordre de
94,13% (respectivement 92,10%) pour les observations à FRn positive (respectivement
négative). De même, les portefeuilles considérés suivant le sens de la variable FERAn à
l’intérieur
du
portefeuille
à
FRn
positive
(respectivement
négative)
sont
significativement hétérogènes au seuil de 1%. Les valeurs z du test non paramétrique
de Mann-Withney indiquées sont de l’ordre de 9,93% à 11,73% (respectivement de
3,99% à 8,11%) en valeur absolue.
L’ensemble des résultats valide un biais d’optimisme chez les analystes sur le
marché financier français, lorsque les bénéfices prévisionnels passés sont utilisés
comme des ancres psychologiques.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
243
L’analyse de portefeuille par l’observation des pourcentages des erreurs de
prévisions de bénéfices, pour l’ensemble de l’échantillon et des portefeuilles,
composés selon la modification de prévisions de bénéfices, ne livrent pas toutes les
réponses à nos hypothèses posées. Pour cela, les modèles de régression sont estimés.
4.2.3 L’analyse par les modèles de régression
La présente partie utilise la méthode de régression linéaire. A la différence de
l’analyse des portefeuilles, une analyse de régression tient compte de l'importance de
l'erreur de prévision aussi bien que sa direction. Elle permet de mettre davantage en
évidence les effets d’optimisme, sous- et sur-réaction des analystes financiers. Cette
méthodologie de recherche consiste à régresser les erreurs de prévisions de bénéfices
(FERA) sur les révisions de prévisions de bénéfice (FR).
Le biais d’optimisme, de sur- et/ou sous-réaction des analystes sont testés par le
modèle de régression suivant.
FERAn = an + bn FRn + en
(59)
Où
• n est le mois avant l’annonce du bénéfice courant ;
• an est le terme constant de la régression (59) et;
• bn est la pente de la régression (59).
• FERAn est l’erreur de prévision de bénéfice relative aux révisions de prévisions
de bénéfice (FRn) du mois n antérieure à la date d’annonce du bénéfices t.
Les hypothèses à tester sont les suivantes :
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
244
• L’absence de biais dans la prévision des analystes (lors de l’annonce des
bénéfices) implique la nullité simultanée des coefficients an et bn de l’équation
(59) ;
• L’optimisme de l’analyste est confirmé par une valeur négative de an ;
• Le pessimisme de l’ analyste est confirmé par une valeur positive de an ;
• L’hypothèse de la sous-réaction est confirmée par une valeur positive de bn et ;
• L’hypothèse de la sur-réaction est confirmée par une valeur négative de bn .
Les résultats sont présentés dans les tableaux 6.5 et 6.6.
Tableau 6.5 - Estimation des paramètres des régressions (59) des erreurs de prévisions de bénéfices
(FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) pour tout l’échantillon.
#Observation totale
Modèle: FERAn = an + bnFRn + en
mois(n)
an
bn
R² (%)
F
N
1
-45,243*** (-22,78)
0,267** (2,10)
1,2
11,23***
890
2
-45,266*** (-22,76)
0,268** (2,11)
1,3
11,29***
889
3
-45,245*** (-22,72)
0,262** (2,04)
1,2
10,68***
888
5
-44,789*** (-22,96)
0,299*** (2,41)
1,6
14,75***
887
6
-44,891*** (-22,95)
0,297*** (2,40)
1,6
14,58***
884
7
-44,919*** (-22,96)
0,298*** (2,40)
1,6
14,60***
883
9
-44,980*** (-22,84)
0,305*** (2,50)
1,7
15,43***
878
11
-45,159*** (-22,60)
0,403*** (3,54)
3,6
31,90***
868
12
-44,849*** (-22,53)
0,370*** (3,33)
3,5
30,61***
858
15
--44,285*** (-21,65)
0,360*** (3,21)
4,3
37,25***
830
18
-44,939*** (-21,40)
0,399*** (3,71)
5,6
46,87***
797
21
-44,872*** (-21,01)
0,422*** (3,94)
6,3
51,74***
766
24
-44,577*** (-20,69)
0,417*** (4,39)
7,9
64,06***
748
27
-44,061*** (-20,48)
0,386*** (3,92)
7,3
57,40***
731
30
-44,395*** (-20,14)
0,419*** (4,33)
8,8
65,91***
687
36
-44,561*** (-19,18)
0,412*** (4,33)
9,6
68,26***
647
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
245
Tableau 6.6 - Estimation des paramètres des régressions (59) des erreurs de prévisions de bénéfice
(FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) des portefeuilles à révision
de prévisions de bénéfices positive (FRn > 0) et négative (FRn < 0)
Modèle: FERAn = an + bnFRn + en
Cas FRn > 0
Cas FRn < 0
mois(n)
an
bn
R² (%)
N
an
bn
R² (%)
N
1
-36,802*** (-15,12)
-0,342** (-1,93)
1,4
596
-39,715*** (-11,51)
0,845*** (4,99)
11,2
291
2
-36,886*** (-15,13)
-0,340** (-1,92)
1,4
596
-39,578*** (-11,46)
0,850*** (5,00)
11,3
291
3
-36,822*** (-15,15)
-0,342** (-1,93)
1,4
598
-39,735*** (-11,51)
0,844*** (4,89)
11,0
290
5
-36,519*** (-15,62)
-0,281** (-1,85)
1,1
599
-40,015*** (-11,53)
0,846*** (4,88)
11,1
288
6
-36,656*** (-15,62)
-0,282** (-1,85)
1,1
596
-40,014*** (-11,53)
0,846*** (4,88)
11,1
288
7
-36,753*** (-15,59)
-0,28* (-1,74)
1,0
593
-40,040*** (-11,54)
0,845*** (4,89)
11,1
288
9
-36,758*** (-15,64)
-0,26* (-1,69)
0,9
590
-40,072*** (-11,51)
0,846*** (4,89)
11,1
288
11
-38,857*** (-15,48)
-0,012 (-0,06)
0,2
579
-39,510*** (-11,67)
0,867*** (5,04)
13,2
288
12
-36,553*** (-13,36)
-0,100 (-0,48)
0,3
580
-40,986*** (-11,28)
0,783*** (5,19)
12,9
278
15
-31,002*** (-10,07)
-0,235 (-1,16)
1,2
575
-39,973*** (-9,72)
0,824*** (5,76)
18,1
255
18
-33,591*** (-10,27)
-0,083 (-0,40)
0,2
548
-40,569*** (-9,64)
0,824*** (5,77)
18,2
249
21
-32,582*** (-9,57)
-0,078 (-0,37)
0,2
518
-41,295*** (-9,68)
0,825*** (5,80)
18,3
248
24
-32,603*** (-9,37)
-0,042 (-0,22)
0,1
523
-40,486*** (-9,65)
0,763*** (7,39)
22,2
225
30
-30,049*** (-7,96)
-0,073 (-0,37)
0,3
472
-42,551*** (-9,05)
0,720*** (7,63)
20,5
215
36
-28,017*** (-7,38)
-0,112 (-0,61)
0,1
452
-43,018*** (-7,82)
0,709*** (8,40)
20,3
195
Notes pour les tableaux 6.5 et 6.6 : La variable erreur de prévision de bénéfice sur n mois à l’annonce de bénéfices (FERAn)
est la variable dépendante, et la variable cumul de révision de prévision de bénéfices sur n mois non standardisée (FRn)
précédant l’annonce de bénéfices, est la variable explicative. Le modèle de régression est une régression avec correction de
l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les
symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%.
Les résultats des tableaux 6.5 et 6.6 confirment le biais d’optimisme des
analystes mis en évidence précédemment sur le marché financier français. Nous avons
des valeurs négatives des constantes an très significatives de l’ordre de 1% suivant les
mois n pour l’ensemble de l’échantillon (voir tableau 6.5). Les valeurs sont de –45,243
à –44,061 avec des statistiques t de Student de –22,95 à –19,18 pour les observations
totales. De même, en considérant les portefeuilles constitués selon le sens des révisions
cumulées c’est-à-dire les portefeuilles de titres à FRn positive et FRn négative, les
constantes des régressions (59) sont négatives et très significatives de l’ordre de 1%
(voir tableau 6.6). Les valeurs des constantes du portefeuille de titres à cumul de
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
246
révision de prévisions de bénéfices sur n mois (FRn) positif (respectivement négatif)
vont de –36,802 à –28,017 (respectivement –43,018 à –39,510). Les constantes du
portefeuille de titres à cumul de révision de prévisions de bénéfices sur n mois
précédant l’annonce de bénéfice positif croissent avec l’horizon de prévision de
bénéfice. Ce résultat valide partiellement l’hypothèse d’un biais d’optimisme des
analystes croissant avec l’horizon (H3). Toutefois, pour le portefeuille d’actions à
cumul de révision de prévisions de bénéfice sur n mois négatif, les constantes sont
stables au cours des mois.
L’analyse des coefficients bn montre une sous-réaction globale des analystes
financiers. Le tableau 6.5 indique que les coefficients bn sont positifs et significatifs.
Ils sont de l’ordre de 0,262 à 0,422, statistiquement significatifs au seuil de 1% dans
l’ensemble et ceci quel que soit le mois n. Ce résultat valide les hypothèses H1 et H’1 :
il y a une plus grande tendance à l’ancrage - ajustement (sous-réaction) en ce qui
concerne les révisions prévues, qu'en ce qui concerne des changements de bénéfice et
les révisions de prévision conduisent à la sous-réaction.
Une analyse approfondie est effectuée en examinant les coefficients bn en coupe
transversale suivant le cumul de révision de prévision de bénéfices sur n mois (FRn).
Les résultats du tableau 6.6 montrent que les coefficients bn du portefeuille à
FRn positive (respectivement négative) sont négatifs (respectivement positifs).
Néanmoins, les coefficients bn sont non significatifs (respectivement significatifs) pour
le portefeuille d’actions à cumul de révision de prévisions de bénéfices positif (négatif)
sur n mois dans l’ensemble. Les valeurs des coefficients bn sont pour le portefeuille de
titres à cumul de révision de prévision de bénéfices sur n mois précédant l’annonce de
bénéfices (FRn) positif (respectivement négatif) de l’ordre de –0,342 à –0,012
(respectivement 0,867 à 0,709 très significatifs). Ces résultats indiquent que les
analystes sous-réagissent aux titres à FRn négatifs et ils sur-réagissent faiblement aux
titres à FRn positifs. Les résultats valident les hypothèses H2 et H’2 : il y a moins de
sur-réaction (ou plus de sous-réaction) pour une modification négative que pour une
modification positive de prévision. La modification négative conduit à la sous-réaction
et la modification positive mène à la sur-réaction.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
247
La méthode de régression confirme donc les hypothèses. Elles sont conformes
aux études effectuées sur d’autres marchés internationaux. Les analystes sousréagissent globalement sur le marché boursier français suite aux révisions de
prévisions de bénéfices. Ces résultats corroborent ceux de Amir et Ganzach (1998) et
Constantinou, Forbes et Skerratt (2003). Les analystes sous-évaluent, dans l’ensemble,
leur prévision même s’ils demeurent optimistes sur les perspectives d’avenir. Est-ce un
comportement de prudence ou un comportement intentionnel comme s’est interrogée
Karamanou (2001). Les observations suggèrent également que les analystes sousréagissent (sur-réagissent) aux titres à faible (haute) révision de prévision de bénéfice,
considérés comme des titres à mauvaise (bonne) nouvelle. Ces résultats sont cohérents
avec ceux de Constantinou, Forbes et Skerratt (2003), Easterwood et Nutt (1999),
Easterwood et al. (1999), Amir et Ganzach (1998), Abarbanell et Bernard (1991), Ali,
Klein et Rosenfeld (1992) et Abarbanell (1991). Les prévisions des analystes sont
biaisées lorsque les bénéfices prévisionnels passés servent de points de référence
(Amir et ganzach, 1998). Les analystes seraient sujets à l’effet combiné des
heuristiques d’ancrage - ajustement et de disponibilité lorsque les prévisions de
bénéfice passées sont utilisées comme ancres psychologiques.
4.3 L’évaluation des bénéfices prévisionnels (futurs) : les bénéfices
réalisés passés comme des ancres psychologiques
Dans le travail précédent, les bénéfices prévisionnels ont été analysés comme
ancres psychologiques des analystes. La disponibilité de cette ancre forte conduit à
l'ajustement insuffisant des croyances des analystes, d’où la sous-réaction constatée.
Cependant, la classification en groupes positifs et négatifs, fondée sur l'hypothèse que
les analystes emploient leur prévision passée comme point de référence pour leurs
prévisions, montre une asymétrie de réaction des analystes. Dans la présente étude, un
examen est effectué sur les changements de bénéfice comme ancres psychologiques
des analystes.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
248
4.3.1 Positionnement du problème
Dans ce travail, les bénéfices réels passés (EPSt-n) sont utilisés comme un point
de référence des analystes pour prévoir le bénéfice prévisionnel futur correspondant au
bénéfice annoncé (FEPSt). Ainsi, la relation (65) qui engendre la théorie (les
graphiques 6.1 et 6.2) est:
FERRn = EPSt-n – FEPSt = (EPSt-n – EPSt) + (EPSt - FEPSt)
= -FCn + (EPSt - FEPSt)
(60)
L’ancre psychologique des bénéfices réalisés passés dans l’évaluation des
bénéfices prévisionnels s’effectue à partir de la relation entre les variables FERRn et
FCn.
4.3.2 Les résultats de l’analyse des portefeuilles
L’analyse par les portefeuilles consiste à constituer des portefeuilles suivant le
signe de changement de bénéfice (non standardisé) (FCn), puis à reporter pour chaque
portefeuille, le pourcentage d’erreurs de prévisions de bénéfices négatives et positives
(FERRn). Si le pourcentage d’erreurs de prévisions négatives excède le pourcentage
d’erreurs de prévisions positives, alors les analystes sont optimistes sinon ils sont
pessimistes. Les tableaux 6.7, 6.8 et 6.9 présentent les résultats.
Tableau 6.7 - Nombre d’observations et du pourcentage d’erreurs de prévisions de bénéfices (FERRn)
négatives de l’échantillon total suivant les mois n.
#Obs. Tout Echantillon
Mois (n)
#Obs. total
#Obs. FERRn < 0
#Obs. FERRn > 0
% FERRn < 0
% FERRn > 0
z de M.W.
1
940
870
70
92,55%
7,45%
-13,93***
3
937
867
70
92,53%
7,47%
-13,92***
5
937
867
70
92,53%
7,47%
-13,92***
6
935
866
69
92,62%
7,38%
-13,83***
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
249
9
930
861
69
92,58%
7,42%
-13,83***
11
928
859
69
92,56%
7,44%
-13,83***
12
927
858
69
92,56%
7,44%
-13,83***
15
923
854
69
92,52%
7,48%
-13,28***
18
894
825
69
92,28%
7,72%
-13,79***
21
868
799
69
92,05%
7,95%
-13,78***
24
866
797
69
92,03%
7,97%
-13,78***
30
823
754
69
91,62%
8,38%
-13,72***
36
803
734
69
91,41%
8,59%
-13,71***
Tableau 6.8 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de prévisions de
bénéfices (FERRn) négatives du portefeuille à changement de bénéfices positif (FCn > 0) suivant les mois n.
#Obs. FCn > 0
Mois (n)
#Obs. total
#Obs. FERRn < 0
#Obs. FERRn > 0
% FERRn < 0
% FERRn > 0
z de M.W.
1
142
136
6
95,77%
4,23%
-4,13***
3
288
273
15
94,79%
5,21%
-6,62***
6
370
352
18
95,14%
4,86%
-7,15***
9
402
380
22
94,53%
5,47%
-7,88***
12
536
514
22
95,90%
4,10%
-7,94***
15
576
554
22
96,18%
3,82%
-7,96***
18
538
519
19
96,47%
3,53%
-7,21***
21
527
508
19
96,39%
3,61%
-7,40***
24
565
545
20
96,46%
3,54%
-7,60***
30
549
530
19
96,54%
3,46%
-7,41***
36
563
544
19
96,63%
3,37%
-7,39***
Tableau 6.9 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de prévisions de
bénéfices (FERRn) négatives du portefeuille à changement de bénéfice négatif (FCn < 0) suivant les mois n.
#Obs. FCn < 0
Mois (n)
#Obs. total
#Obs. FERRn < 0
#Obs. FERRn > 0
% FERRn < 0
% FERRn > 0
z de M.W.
1
100
95
5
95,00%
5,00%
-3,75***
3
214
203
11
94,86%
5,14%
-5,57***
6
311
291
20
93,57%
6,43%
-7,48***
9
339
316
23
93,22%
6,78%
-5,25***
12
284
259
25
91,20%
8,80%
-8,25***
15
270
244
26
90,37%
9,63%
-8,38***
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
250
18
292
261
31
89,38%
10,62%
-9,08***
21
281
250
31
88,97%
11,03%
-9,06***
24
247
215
32
87,04%
12,96%
-9,10***
30
236
200
36
84,75%
15,25%
-9,48***
36
209
170
39
81,34%
18,66%
-9,47***
Notes sur les tableaux 6.7, 6.8 et 6.9 : Le test non paramétrique de Mann-Withney est utilisé pour la comparaison
d’homogénéité des portefeuilles à FERRn postive et négative. La valeur du test z de Mann-Withney est indiquée et les
symboles ***, ** et * indiquent la signification de la statistique z respectivement aux seuil de 0% à 4,99% ; 5% à 7,49% et
7,5% à 10%.
Les résultats du tableau 6.7 confirment le biais d’optimisme global des
analystes sur le marché financier français. Le pourcentage d’erreurs de prévisions de
bénéfices (FERRn) négatives excède largement celui des erreurs de prévisions
positives pour l’ensemble de l’échantillon. En effet, le pourcentage d’erreurs de
FERRn négatives (positives) varient de 91,41% à 92,58% (7,38% à 8,59%). Les
valeurs des statistiques non paramétriques de Mann-Whitney très significatives en
valeur absolue, varient de 13,71 à 13,93. L’approfondissement de l’analyse est effectué
en considérant des groupes positifs et négatifs, fondés sur l'hypothèse que les analystes
utilisent les bénéfices réels passés comme un point de référence pour leurs prévisions.
Les résultats des portefeuilles classés en groupes positifs et négatifs, suivant la
variable de changement de bénéfices (FCn), confirment l’optimisme général des
analystes sur le marché financier français (voit les tableaux 6.8 et 6.9). Toutefois, ces
résultats ne font pas ressortir clairement les hypothèses d’une sous-réaction et/ou
d’une sur-réaction aux changements de bénéfices négatifs et positifs.
4.3.3 Le contrôle des résultats par les méthodes de régression
La méthode de régression linéaire permet de mieux mettre en évidence les effets
d’optimisme, sous- et sur-réaction des analystes financiers. Comme dans les travaux
précédents, les erreurs de prévisions (FERRn) sont régressées sur les changements de
bénéfices (FCn).
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
251
Les biais d’optimisme, de sur- et/ou sous-réaction des analystes sont testés par le
modèle de régression suivante.
FERRn = an + bn FCn + en
(61)
Où
• n est le mois avant l’d’annonce du bénéfice courant ;
• an est le terme constant de la régression (61);
• bn est la pente de la régression (61) ;
• FERRn est l’erreur de prévision relative aux changements de bénéfices (FCn) du
mois n antérieure à la date d’annonce du bénéfice t.
Les hypothèses à tester par le modèle de régression sont les suivantes :
• L’absence de biais dans la prévision des analystes (lors de l’annonce des
bénéfices) implique la nullité simultanée des coefficients an et bn de l’équation
(61) ;
• L’optimisme de l’ analyste est validé par une valeur négative de an ;
• Le pessimisme de l’ analyste est validé par une valeur positive de an ;
• L’hypothèse de la sous-réaction est validée par une valeur positive de bn et ;
• L’hypothèse de la sur-réaction est validée par une valeur négative de bn .
Les résultats sont présentés dans le tableau 6.10.
Tableau 6.10 - Estimation des paramètres des régressions (61) des erreurs de prévisions de bénéfices
(FERRn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FCn) pour toutes les
observations.
Modèle: FERRn = an + bnFCn + en
mois(n)
an
bn
R² (%)
R² Adj. (%)
F
N
1
-46,589*** (-23,05)
-13,529*** (-3,51)
1,3
1,2
12,37***
889
2
-46,941*** (-23,08)
-2,685 (-1,25)
0,2
0,1
1,57
888
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
252
3
-46,974*** (-23,07)
-2,099 (-1,14)
0,1
0,0
1,29
887
5
-46,893*** (-23,10)
-4,300*** (-3,15)
1,1
0,9
9,97***
886
6
-47,114*** (-23,17)
-3,69*** (-2,75)
0,8
0,7
7,56***
883
7
-47,134*** (-23,16)
-3,819*** (-2,86)
0,9
0,8
8,20***
881
9
-47,149*** (-23,06)
-3,065*** (-2,61)
0,7
0,6
6,82***
876
11
-46,858*** (-22,88)
-3,636*** (-3,42)
1,2
1,1
11,69***
866
12
-46,752*** (-22,77)
-3,596*** (-3,41)
1,2
1,1
11,68***
927
15
-46,355*** (-22,47)
-3,566*** (-3,80)
1,6
1,4
14,50***
923
18
-46,496*** (-22,17)
-4,699*** (-5,55)
3,3
3,2
27,12***
793
21
-45,634*** (-21,62)
-5,813*** (-7,10)
5,5
5,4
50,52***
764
24
-45,041*** (-21,22)
-5,682*** (-7,46)
6,1
6,0
55,77***
746
27
-44,355*** (-20,79)
-5,78*** (-8,01)
7,0
6,8
64,29***
728
30
-44,812*** (-20,56)
-4,705*** (-6,43)
4,8
4,7
41,44***
685
36
-44,829*** (-19,97)
-4,069*** (-3,92)
3,2
3,1
26,81***
645
Note : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfices (FERRn) est la variable dépendante et
la variable cumul de variation de bénéfices sur n mois (FCn) suivant l’annonce de bénéfices est la variable explicative. Le
modèle de régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test
t de Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement
aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%.
Les résultats du tableau 6.10 confirment encore l’optimisme des analystes sur le
marché boursier français. Les valeurs des constantes an sont de l’ordre de –47,134 à –
44,829 et elles sont très significatives. Les statistiques t de Student varient de –23,17 à
-19,97. les coefficients bn de la variable FCn sont négatifs et significatifs. Ceci conforte
l’hypothèse d’une sur-réaction des analystes aux bénéfices passés. Ces résultats
valident l’hypothèse H1. Ils vont dans le sens de ceux de Amir et Ganzach (1998) et
DeBondt et Thaler (1990) où les analystes sur-réagissent aux bénéfices annoncés
antérieurs. Les résultats valident également l’hypothèse H3 d’un accroissement du
biais d’optimisme des analystes avec l’horizon de prévisions de bénéfice. En effet, les
constantes an sont d’autant plus importantes que l’horizon de prévision est lointain.
Nous approfondissons les résultats précédents en considérant les portefeuilles de
titres à FCn positive et négative. Les résultats des régressions sont présentés dans le
tableau 6.11.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
253
Tableau 6.11 - Estimation des paramètres des régressions (61) des erreurs de prévisions de bénéfices
(FERRn) sur les changements de bénéfices cumulées sur n mois (FCn) des portefeuilles à changement de
bénéfices positif (FCn > 0) et négatif (FCn < 0).
Modèle: FERRn = an + bnFCn + en
Cas FCn > 0
Cas FCn < 0
mois(n)
an
bn
R² (%)
1
-40,403*** (-6,64)
-28,168*** (-5,13)
15,8
3
-41,219*** (-10,89)
-11,118*** (-4,05)
6
-39,028*** (-11,28)
9
N
an
bn
R² (%)
N
142 -50,678*** (-7,99)
9,824 (1,42)
2
100
5,4
288 -51,737*** (-10,51)
3,560 (1,20)
0,7
214
-13,463*** (-6,44)
10,1
347 -54,333*** (-12,43)
1,647 (0,72)
0,2
311
-39,171*** (-11,70)
-12,548*** (-6,46)
9,5
402 -53,336*** (-12,80)
1,267 (0,67)
0,1
339
12
-44,291*** (-14,27)
-8,650*** (-5,17)
4,8
536 -47,748*** (-11,47)
1,090 (0,64)
0,1
284
15
-42,660*** (-15,24)
-7,324*** (-5,49)
5,0
576 -50,218*** (-10,44)
-0,370 (-0,20)
0
270
18
-39,097*** (-14,46)
-9,619*** (-8,46)
11,8
537 -51,906*** (-10,79)
-1,20 (-0,72)
0,2
282
21
-36,619*** (-13,87)
-10,980*** (-10,53)
17,5
527 -52,223*** (-10,60)
-1,778 (-1,05)
0,4
281
24
-38,947*** (-13,98)
-9,194*** (-9,08)
12,8
565 -47,735*** (-10,12)
-1,674 (-1,12)
0,5
247
30
-39,329*** (-14,55)
-7,536*** (-7,584)
9,5
549 -50,548*** (-9,10) -3,095*** (-2,07)
1,8
236
36
-45,841*** (-15,58)
-3,919*** (-3,29)
1,9
563 -43,685*** (-9,00) -3,859*** (-2,82)
3,7
188
Note : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfices (FERRn) est la variable dépendante et
la variable variation de bénéfices sur n mois à l’annonce de bénéfices (FCn) est la variable explicative. Le modèle de
régression est une régression avec correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de
Student sont indiquées entre les parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux
seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%.
Les résultats du tableau 6.11 confirment de nouveau les précédents. Les
coefficients an sont négatifs et très significatifs statistiquement, ce qui met en évidence
le biais d’optimisme des analystes. Les coefficients bn diffèrent suivant les
portefeuilles considérés. Pour le portefeuille de titres à variation de bénéfices (FCn)
positive, les coefficients bn sont négatifs et très significatifs. Par contre, pour le
portefeuille de titres à variation de bénéfices (FCn) négative, les coefficients bn sont
positifs et non significatifs jusqu’au mois 12, puis négatifs et significatifs après le mois
12. Ces observations suggèrent dans l’ensemble que les analystes sous-réagissent
faiblement aux bénéfices annoncés antérieurs dans les mois proches de l’annonce du
bénéfice courant. Encore, conforme à l’hypothèse H2, les résultats indiquent la surréaction pour des changements de prévision positifs et la sous-réaction pour des
changements de prévision négatifs. L’on note, cependant, que cette dernière sousréaction est bien plus faible que la sous-réaction observée pour les révisions prévues,
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
254
une conclusion conforme à H1. Ces résultats montrent une prudence des analystes à
l’approche de l’annonce du résultat vu leur sur-réaction observée dans un horizon
lointain.
Après avoir analysé les ancres psychologiques des analystes (les bénéfices
prévisionnels et les bénéfices réalisés antérieurs), l’étude suivante s’interroge sur la
prédominance de chacune des ancres dans la prévision des bénéfices.
4.4 La relation entre les erreurs de prévisions de bénéfices (FERA ou
FERR), les changements de bénéfices passés (FC) et les révisions
de prévisions de bénéfices (FR) à l’annonce de bénéfices
4.4.1 La relation entre les erreurs de prévisions de bénéfice
(FERA), les changements de bénéfices passés (FC) et les
révisions de prévisions de bénéfice (FR) à l’annonce de
bénéfices
Une régression des erreurs de prévision de bénéfices sur les changements des
bénéfices passés, et les révisions de prévisions de bénéfices lors de l’annonce de
bénéfice va déterminée l’importance de chaque ancre. D’abord, l’échantillon total est
analysé, puis le travail est approfondi, en considérant des portefeuilles en coupe
transversale suivant les erreurs des bénéfices prévisionnels et annoncés antérieurs,
précisément, les groupes positifs et négatifs des ancres psychologiques données.
Le modèle de régression est le suivant :
FERAn = an + bnFRn + cnFCn + εn
Où
• n est le mois avant l’annonce du bénéfice courant ;
• an est le terme constant de la régression (62) et;
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
(62)
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
255
• bn est la pente de la régression (62) ou le coefficient de régression lié à la variable
FRn ;
• cn est le coefficient de régression lié à la variable FCn.
• FERAn est l’erreur de prévision relative aux révisions de prévisions de bénéfices
(FRn) du mois n antérieure à la date d’annonce du bénéfice t.
Les hypothèses à tester sont les suivantes :
• L’absence de biais des analystes est validé par la nullité simultanée des
coefficients an, bn et cn des modèles de régression (62).
• L’optimisme de l’ analyste est confirmé par une valeur négative de an ;
• Le pessimisme de l’ analyste est confirmé par une valeur positive de an ;
• La signification statistique du coefficient bn exprime une relation entre le biais de
prévisions et les révisions de bénéfice passés à l’annonce des bénéfices ;
• La signification statistique du coefficient cn exprime une relation entre le biais de
prévisions et les variations de bénéfices passés à l’annonce de bénéfices.
Les résultats sont présentés dans le tableau 6.12.
Tableau 6.12 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices
(FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de
bénéfices cumulés sur n mois (FCn) pour toutes les observations.
Modèle: FERAn = an + bnFRn + cnFCn + en
Tout l'échantillon
mois(n)
an
bn
cn
R² (%)
N
1
-45,305*** (-22,63) 0,267*** (3,34)
0,842 (0,19)
1,3
889
3
-45,294*** (-22,62) 0,257*** (3,21)
2,838 (1,49)
1,4
887
6
-44,861*** (-22,96) 0,290*** (3,71)
1,561 (0,24)
1,8
883
9
-44,848*** (-22,77) 0,285*** (3,63)
1,964* (1,67)
2,0
876
12
-44,964*** (-22,53) 0,347*** (5,05)
1,555 (1,45)
3,7
856
15
-44,365*** (-21,89) 0,340*** (5,60)
1,616* (1,70)
4,5
825
18
-44,934*** (-21,39) 0,370*** (6,04)
1,580* (1,71)
6,0
793
24
-44,682*** (-20,74) 0,381*** (6,88)
1,670** (1,88)
8,3
746
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
256
30
-44,326*** (-19,87) 0,412*** (7,57)
0,443 (0,53)
8,9
685
36
-44,632*** (-19,24) 0,398*** (7,26)
0,553 (0,62)
9,6
645
Note : La variable erreur de prévisions de bénéfices sur n mois suivant l’annonce de bénéfices est la variable dépendante
(FERAn) - et - les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n mois (FCn) suivant
l’annonce de bénéfices sont les variables explicatives. Le modèle de régression est une régression avec correction de
l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les parenthèses. Les
symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à 7,49% et 7,5% à 10%.
Les résultats du tableau 6.12 confirment les précédents, à savoir, le biais
d’optimisme des analystes et la sous-réaction des analystes, et leur accroissement avec
l’horizon lorsque les bénéfices prévisionnels sont des ancres psychologiques pour les
analystes.
Des valeurs positives des coefficients cn sont observées, mais elles sont non
significatives. Ce résultat montre une faible influence des points de référence
« bénéfices réalisés passés » sur ceux des « prévisions de bénéfices passées » et que les
analystes accordent plus d’importance aux bénéfices prévisionnels antérieurs qu’aux
bénéfices annoncés passés même s’ils occasionnent une sous-réaction. Ce résultat
concorde avec l’hypothèse de Amir et Ganzach (1998) : les bénéfices antérieurement
annoncés sont des ancres psychologiques de moindre importance que celles des
prévisions de bénéfices antérieures.
Des analyses approfondies sont faites en examinant les portefeuilles formés
suivant le cumul des révisions de prévisions de bénéfices lors de l’annonce du bénéfice
(FRn). Les résultats sont présentés dans les tableaux 6.13 et 6.14.
Tableau 6.13 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices
(FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois (FRn) et les changements de
bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à révision de prévisions de bénéfices
positive (FRn > 0).
Modèle: FERAn = an + bnFRn + cnFCn + en
FRn > 0
mois(n)
an
bn
cn
R² (%)
N
1
-36,856*** (-13,76)
-0,341*** (-2,88)
-0,554 (-0,11)
1,4
596
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
257
3
-36,991*** (-13,83)
-0,339*** (-2,86)
0,635 (0,31)
1,4
595
6
-36,749*** (-14,35)
-0,279*** (-2,46)
-0,803 (-0,57)
1,1
593
9
-36,881*** (-14,20)
-0,259*** (-2,28)
-0,102 (-0,08)
0,9
587
12
-36,537*** (-13,70)
-0,119 (-1,17)
1,131 (0,89)
0,3
578
15
-31,137*** (-11,50)
-0,231*** (-2,62)
0,317 (0,28)
1,2
570
18
-33,614*** (-11,87)
-7,35e-02 (--0,84)
-0,379 (-0,34)
0,2
544
24
-32,77*** (-11,34)
-5,30e-02 (-0,65)
0,638 (0,59)
0,1
521
30
-29,731*** (-9,93)
-6,47e-02 (-0,82)
-0,673 (-0,76)
0,3
470
36
-27,827*** (-9,42)
-0,107 (-1,46)
-0,471 (-0,49)
0,1
450
Tableau 6.14 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices
(FERAn) sur les révisions de prévisions de bénéfice cumulées sur n mois (FRn) et les changements de
bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à révision de prévisions de bénéfices
négative (FRn < 0).
Modèle: FERAn = an + bnFRn + cnFCn + en
FRn < 0
Mois (n)
an
bn
cn
R² (%)
N
1
-39,674*** (-9,50)
0,847*** (6,02)
2,060 (0,81)
11,2
291
3
-39,958*** (-9,60)
0,810*** (5,68)
7,143* (1,64)
11,8
290
6
-38,720*** (-9,28)
0,799*** (5,65)
8,269*** (2,69)
13,3
288
9
-37,951*** (-9,08)
0,783*** (5,57)
8,246*** (3,23)
14,2
288
12
-40,106*** (-9,26)
0,763*** (6,22)
3,226** (1,71)
13,8
278
15
-39,521*** (-8,65)
0,790*** (7,03)
2,326 (1,41)
18,8
255
18
-40,020*** (-8,56)
0,762*** (6,52)
2,566* (1,65)
19,1
249
24
-39,829*** (-8,15)
0,713*** (7,16)
2,610** (1,74)
23,2
225
30
-42,544*** (-8,22)
0,719*** (6,67)
4,75e-02 (0,02)
20,5
215
36
-43,150*** (-7,26)
0,743*** (6,37)
-1,083 (-0,59)
20,4
195
Notes pour les tableaux 6.13 et 6.14 : La variable erreur de prévisions de bénéfice sur n mois à l’annonce de bénéfices
(FERAn) est la variable dépendante et les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n
mois (FCn) suivant l’annonce de bénéfices sont les variables explicatives. Le modèle de régression est une régression avec
correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les
parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à
7,49% et 7,5% à 10%.
L’étude des portefeuilles en coupe transversale suivant la variable FRn confirme
les résultats précédents : un optimisme général des analystes, une sur-réaction des
analystes aux titres à bonne nouvelle même si cette sur-réaction s’avère faible (voir
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
258
tableau 6.13), une sous-réaction des analystes aux titres à mauvaise nouvelle (voir
tableau 6.14). Ces résultats valident les hypothèses H1 et H2, et ils corroborent ceux de
Forbes et Skerratt (2003), Nutt et Eastwood (1999), Nutt et al. (1999) et Amir et
Ganzach (1998). La sous-réaction des analystes croît avec l’horizon de prévision des
bénéfices par l’analyse des coefficients de corrélation (R²). Le tableau 6.14 montre des
R² variant de 11,2 à 23,2 du mois 1 à 36, à l’exception du 24ème mois, ce qui corrobore
les travaux de DeBondt et Thaler (1990). Néanmoins, cette observation n’est pas
vérifiée dans le cas de la sur-réaction aux révisions de prévisions de bénéfices
positives (voir le tableau 6.13).
Les résultats 6.15 et 6.16 ci-dessus constitués suivant la variable FCn appuient
et précisent les observations antérieures. D’une part, il y a une sous-réaction globale
des analystes par les valeurs positives des coefficients bn. D’autre part, il y a une
asymétrie du comportement des analystes suivant les signes des modifications de
bénéfices (FCn). Une modification positive (négative) engendre une sur-réaction (sousréaction) par la constatation des coefficients cn.
Tableau 6.15 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices
(FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de
bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à changement de bénéfices positif (FCn>0)
Modèle: FERAn = an + bnFRn + cnFCn + en
FCn > 0
Mois (n)
an
bn
cn
R² (%)
N
1
-43,280*** (-7,14)
0,216 (0,77)
-4,419 (-0,61)
0,6
137
3
-41,917*** (-12,04)
0,150 (1,06)
-0,905 (-0,30)
0,4
274
6
-40,618*** (-13,12)
0,158 (1,21)
-2,201 (-1,02)
0,6
347
9
-41,372*** (-13,54)
0,313*** (2,72)
-2,045 (-1,00)
2,0
375
12
-42,798*** (-14,61)
0,233*** (2,54)
-0,464 (-0,26)
1,3
495
15
-38,610*** (-14,57)
0,122 (1,50)
-0,650 (-0,49)
0,1
510
18
-35,548*** (-13,66)
4,43e-02 (0,56)
-0,575 (-0,46)
0,1
466
24
-36,168*** (-12,68)
3,27e-02 (0,66)
1,142 (0,36)
0,3
476
30
-34,713*** (-13,45)
2,71e-02 (0,37)
1,171 (1,01)
0,4
443
36
-39,956*** (-13,78)
0,193*** (2,76)
1,623 (1,22)
2,8
441
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
259
Tableau 6.16 - Estimation des paramètres des régressions (62) des erreurs de prévisions de bénéfices
(FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de
bénéfices cumulés sur n mois (FCn) pour le portefeuille à changement de bénéfices négatif (FCn < 0).
Modèle: FERAn = an + bnFRn + cnFCn + en
FCn < 0
mois(n)
an
bn
cn
R² (%)
N
1
-52,032*** (-8,34)
0,366* (1,64)
3,883 (0,53)
2,6
98
3
-52,140*** (-11,01)
0,120 (0,66)
3,044 (1,07)
0,7
211
6
-54,854*** (-12,67)
0,384*** (2,47)
1,741 (0,75)
2,1
306
9
-53,186*** (-13,11)
0,163 (1,05)
2,026 (1,08)
0,7
333
12
-49,949*** (-11,83)
0,511*** (3,82)
2,363 (1,36)
6,0
272
15
-51,050*** (-10,64)
0,473*** (4,37)
2,133 (1,19)
8,4
257
18
-53,644*** (-10,99)
0,558*** (5,01)
1,202 (0,71)
8,8
278
24
-50,186*** (-10,49)
0,639*** (7,11)
0,757 (0,49)
19,5
234
30
-55,495*** (-9,75)
0,588*** (6,14)
-1,294 (-0,85)
14,8
221
36
-49,395*** (-9,00)
0,605*** (6,73)
-1,404 (-0,97)
20,1
188
Notes pour les tableaux 6.14 et 6.15 : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfices
(FERAn) est la variable dépendante - et - les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n
mois (FCn) suivant l’annonce de bénéfices sont les variables explicatives. Le modèle de régression est une régression avec
correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les
parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à
7,49% et 7,5% à 10%.
4.4.2 La relation entre les erreurs de prévisions de bénéfices
(FERR), les changements de bénéfices passés (FC) et les
révisions de prévisions de bénéfices (FR) à l’annonce de
bénéfices
Cette section étudie la prédominance ou non des ancres psychologiques
« bénéfices prévisionnels passés » sur celles des bénéfices réels passés. Le cas pris en
compte dans section est le cas où les bénéfices réels passés sont utilisés par les
analystes pour engendrer le bénéfice prévisionnel futur correspondant au bénéfice
courant. Ainsi, l’équation suivante est considérée :
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
FERRn = an + bnFRn + cnFCn + εn
260
(63)
Où
• n est le mois avant l’annonce du bénéfice courant ;
• an est le terme constant de la régression (63);
• bn est le coefficient de régression lié à la variable FRn ;
• cn est le coefficient de régression lié à la variable FCn.
• FERRn est l’erreur de prévision relative aux changements de bénéfices (FCn) du
mois n antérieure à la date d’annonce du bénéfice t.
Les hypothèses testées sont les suivantes.
• L’absence de biais des analystes est confirmée par la nullité simultanée des
coefficients an, bn et cn du modèle de régression (63) ;
• L’optimisme de l’ analyste est validé par une valeur négative de an ;
• Le pessimisme de l’ analyste est validé par une valeur positive de an ;
• La signification statistique du coefficient bn exprime une relation entre le biais de
prévisions et les révisions de bénéfices passés à l’annonce de bénéfices ;
• La signification statistique du coefficient cn exprime une relation entre le biais de
prévisions et les variations de bénéfices passés à l’annonce de bénéfices.
Les tableaux 6.17, 6.18 et 6.19 présentent respectivement les résultats des
régressions du modèle (63) de l’échantillon global, des portefeuilles à révision de
bénéfices prévisionnels positive et négative, et des portefeuilles à changement de
bénéfices positif et négatif.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
261
Tableau 6.17 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices
(FERRn) relatives aux changements de bénéfices sur les révisions de prévisions de bénéfices cumulées sur
n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de titres à
changement de bénéfices négatif (FCn < 0)
Modèle: FERRn = an + bnFRn + cnFCn + en
mois(n)
an
bn
cn
R² (%)
N
1
-36,856*** (-13,76)
-0,341*** (-2,88)
-0,554 (-0,11)
1,4
596
3
-36,991*** (-13,83)
-0,339*** (-2,86)
0,635 (0,31)
1,4
595
6
-36,749*** (-14,35)
-0,279*** (-2,46)
-0,803 (-0,57)
1,1
593
9
-36,881*** (-14,20)
-0,259*** (-2,28)
-0,102 (-0,08)
0,9
587
12
-36,537*** (-13,70)
-0,119 (-1,17)
1,131 (0,89)
0,3
578
15
-31,137*** (-11,50)
-0,231*** (-2,62)
0,317 (0,28)
1,2
570
18
-33,614*** (-11,87)
-7,35e-02 (--0,84)
-0,379 (-0,34)
0,2
544
24
-32,77*** (-11,34)
-5,30e-02 (-0,65)
0,638 (0,59)
0,1
521
30
-29,731*** (-9,93)
-6,47e-02 (-0,82)
-0,673 (-0,76)
0,3
470
36
-27,827*** (-9,42)
-0,107 (-1,46)
-0,471 (-0,49)
0,1
450
Tableau 6.18 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices
(FERRn) relatives aux changements de bénéfices sur les révisions de bénéfices prévisionnels cumulées sur
n mois (FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour les portefeuilles à révision de
bénéfices prévisionnels positive (FRn > 0) et négative (FRn < 0).
Modèle: FERRn = an + bnFRn + cnFCn + en
Cas FRn > 0
mois(n)
an
bn
cn
Cas FRn < 0
R² (%) N
-36,856*** -1,341*** -1,554 (1
(-13,76)
(-11,33)
0,31)
(-13,83)
(-11,30)
0,18)
(-14,35)
(-11,30)
1,28)
17,8 595
18,0 593
-36,881*** -1,259*** -1,102 (9
(-14,20)
(-11,10)
-36,537*** -1,119***
12
(-13,70)
(-11,03)
0,88)
17,8 587
18,1 578
(-11,50)
(-13,95)
0,61)
-33,614*** -1,074*** -1,379 (18
(-11,87)
(-12,38)
1,23)
-0,201
7,629***
(-9,28)
(1,42)
(2,38)
1,(4)
(-9,26)
(-1,93)
(-8,65)
(-1,86)
(-8,56)
(-2,03)
0,4
291
1,1
290
2,4
288
3,2
288
1,7
278
1,4
255
1,7
249
6,143
-38,720***
-40,010*** -0,238***
23,0 544
1,060
(1,41)
(-9,08)
R² (%) N
(0,12)
1,33)
-39,521*** -0,210**
26,0 570
cn
(-9,60)
-40,106*** -0,237**
-31,137*** -1,231*** -0,683 (15
1,09)
-37,951*** -0,217 (-
0,131
(0,10)
(-9,50)
-39,958*** -0,190 (-
-36,749*** -1,279*** -1,803 (6
bn
-39,674*** -0,153 (17,8 596
-36,991*** -1,339*** -0,365 (3
an
7,246***
(2,83)
2,226
(1,18)
1,326
(0,80)
1,566
(1,00)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
-32,766*** -1,088*** -0,182 (21
(-11,27)
(-12,29)
0,14)
-41,010*** -0,220**
23,4 516
-32,773*** -1,053*** -0,362 (24
(-11,34)
(-12,95)
0,33)
(-9,93)
(-13,52)
(-1,90)
25,7 521
(-9,42)
(-15,14)
1,55)
(-1,87)
(0,51)
(-8,14)
(-2,88)
1,4
248
3,6
225
4,6
215
5,6
195
1,610
(1,07)
-42,544*** -0,281*** -0,952 (29,0 470
(-8,22)
(-2,60)
0,55)
-43,150*** -0,257*** -2,083 (-
-27,827*** -1,107*** -1,471 (36
(-8,68)
0,777
-39,829*** -0,287***
-29,731*** -1,065*** -1,673**
30
262
35,1 450
(-7,26)
(-2,20)
1,14)
Tableau 6.19 - Estimation des paramètres des régressions (63) des erreurs de prévisions de bénéfices
(FERRn) relatives aux changements de bénéfices sur les révisions de bénéfices prévisionnels cumulées sur
n mois (FRn) et les changements de bénéfice cumulés sur n mois (FCn) pour les portefeuilles à
changements de bénéfices positive (FCn > 0) et négative (FCn < 0)
Modèle: FERRn = an + bnFRn + cnFCn + en
Cas FCn > 0
mois(n)
an
bn
cn
Cas FCn < 0
R² (%)
N
-43,280*** -0,784*** -5,419
1
(-7,14)
(-5,13)
(-0,75)
(-12,04)
(-6,03)
(-0,63)
6,9
137
(-13,12)
(-6,46)
(-1,49)
12,7
274
(-13,54)
(-6,00)
(-1,49)
13,2
347
(-14,61)
(-8,41)
(-0,85)
11,6
375
(-14,57)
(-10,81) (-1,25)
13,9
495
19,9
510
(-13,66)
(-12,16) (-1,27)
(-13,40)
(-11,98) (-0,50)
26,4
466
(-12,68)
(-12,74) (0,11)
25,8
454
(-13,45)
(-13,56) (0,14)
26,8
476
(-13,78)
(-11,51) (0,46)
(-11,01)
(-4,88)
(0,72)
10,9
211
(-12,67)
(-3,96)
(0,32)
5,1
306
(-13,11)
(-5,42)
(0,54)
8,3
333
(-11,83)
(-3,65)
(0,79)
4,8
272
(-10,64)
(-4,87)
(0,63)
8,6
257
(-10,98)
(-3,97)
(0,12)
5,6
278
(-10,81)
(-3,74)
0,11)
5,5
267
(-10,49)
(-4,02)
0,16)
7,1
234
9,5
221
13,6
188
-55,495*** -0,412*** -2,294 (31,7
443
-39,956*** -0,807*** 0,623
36
98
-50,186*** -0,361*** -0,243 (-
-34,713*** -0,973*** 0,171
30
9,4
-54,273*** -0,434*** -0,197 (-
-36,168*** -0,967*** 0,142
24
(0,40)
-53,644*** -0,442*** 0,202
-35,999*** -0,912*** -0,734
21
(-2,75)
-51,050*** -0,527*** 1,133
-35,548*** -0,956*** -1,575
18
(-8,34)
-49,949*** -0,489*** 1,363
-38,610*** -0,878*** -1,650
15
N
-53,186*** -0,837*** 1,026
-42,798*** -0,767*** -1,464
12
R² (%)
-54,854*** -0,616*** 0,741
-41,372*** -0,687*** -3,045
9
cn
-52,140*** -0,880*** 2,044
-40,618*** -0,842*** -3,201
6
bn
-52,032*** -0,634*** 2,883
-41,917*** -0,850*** -1,905
3
an
(-9,75)
(-4,31)
1,52)
-49,395*** -0,395*** -2,404*
24,8
441
(-9,00)
(-4,39)
(-1,66)
Notes pour les tableaux 6.17, 6.18 et 6.19 : La variable erreur de prévision de bénéfices sur n mois à l’annonce de bénéfice
(FERRn) est la variable dépendante - et - les variables révision de prévisions de bénéfices (FRn) et variation de bénéfices sur n
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
263
mois (FCn) suivant l’annonce de bénéfices sont les variables explicatives. Le modèles de régression est une régression avec
correction de l’hétéroscédasticité par le test de White (1980). Les valeurs du test t de Student sont indiquées entre les
parenthèses. Les symboles ***, ** et * indiquent la signification du test t respectivement aux seuils de 0% à 4,99% ; 5 à
7,49% et 7,5% à 10%.
Hormis les résultats précédemment exposés (un optimisme général des
analystes, une sur-réaction globale des analystes aux bénéfices passés), les résultats du
tableau 6.17 montrent une prédominance des ancres psychologiques « bénéfices
prévisionnels passés », sur celles des bénéfices réels passés, dans le cas où les
bénéfices réels passés servent de points de référence pour les analystes pour prévoir
leur bénéfice. En effet, les valeurs des constantes an sont négatives et très
significatives ; les valeurs des coefficients bn et cn sont négatives ; et les coefficients bn
liés aux révisions de prévisions de bénéfice sur n mois sont significatives, alors que les
coefficients cn liés aux révisions de prévisions de bénéfice sur n mois sont non
significatives dans l’ensemble.
Les tableaux 6.18 et 6.19 montrent que les informations sur les bénéfices
prévisionnels antérieurs sont plus pertinentes que celles des bénéfices réels passés pour
les analystes dans leurs prévisions.
5 CONCLUSION
Les études sur le marché américain ont montré une sur-réaction (De Bondt et
Thaler, 1990) et une sous-réaction (Abarbanell et Bernard, 1992) dans les prévisions
de bénéfices des analystes. L’objectif de cette étude est d'examiner des hypothèses
dérivant de la théorie comportementale de la décision au sujet des conditions qui
conduisent à la sur-réaction et/ou sous-réaction des analystes lors de l’annonce des
bénéfices. Ce travail est une réplique et une extension de l’étude de Amir et Ganzach
(1998) sur le marché financier français. Il y a trois heuristiques qui biaiseraient les
prévisions de bénéfices des analystes : la disponibilité, la représentativité et l’ancrageajustement. La disponibilité affecte le niveau de la prévision. De façon générale, elle
conduit à l’optimisme des prévisions. La disponibilité conduit également à un
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Chapitre 6 – Etude des prévisions des analystes lors de l’annonce des bénéfices
264
optimisme excessif quand la modification de prévision est positive, et à un optimisme
modéré quand la modification de prévision est négative. La représentativité et
l'ancrage-ajustement influencent seulement les précisions des prévisions. La
représentativité mène à la prévision excessivement extrême et l'ancrage-ajustement
mène à la prévision excessivement modérée. La dominance de la représentativité ou
l'ancrage-ajustement sur la prévision, dépend de la prépondérance de l'ancre utilisée
comme base pour la modification de prévision des bénéfices par les analystes. Il y a
deux facteurs importants qui influencent la prépondérance de l'ancre. En premier lieu,
elle dépend de l’ancre utilisée par les analystes pour leur prévision de bénéfice : les
prévisions de bénéfices passées et les bénéfices réels passés, et en second lieu, des
signes de la modification de prévision qui correspondent aux ancres utilisées. Les
prévisions de bénéfices passées sont plus explicatives que les bénéfices réels passés et
la modification de prévision négative est plus explicative que la modification de
prévision positive.
Les résultats des analyses sont conformes à notre modèle et à celui de Amir et
Ganzach (1998). Il y a une tendance à la sur-réaction (respectivement sous-réaction)
dans des changements de prévision (respectivement des révisions de prévisions). Il y a
également une asymétrie dans le comportement des analystes selon le signe des
modifications de prévisions : une sur-réaction pour les modifications de prévision
positives et une sous-réaction pour les modifications de prévision négatives.
Finalement, la sur-réaction, la sous-réaction et le biais d’optimisme augmentent avec
l'horizon de prévision suggérant que plus l'horizon de prévision est lointain, plus le
biais de prévision est élevé.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Conclusion générale
265
CONCLUSION GENERALE
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Conclusion générale
266
Cette thèse est un essai d’explication des rentabilités des actions cotées sur le
marché financier français suite à l’annonce de bénéfices. Elle s’inscrit dans le courant
de la recherche de l’impact des annonces de bénéfices sur le comportement des cours
boursiers, initié par Ball et Brown (1968) et Beaver (1968), et présenté en première
partie de la thèse. Bernard et Thomas (1989, 1990) étudient la publication des rapports
trimestriels des sociétés, précisément, les annonces trimestrielles des bénéfices. Ils
rapportent que l’information contenue dans les rapports trimestriels n’est pas assimilée
tout de suite par le marché. Ceci aurait tendance à supporter la conclusion que le
marché n’est pas efficient dans le sens de la version semi-forte de l’hypothèse
d’efficience des marchés financiers.
La partie empirique de la thèse examine les réactions (du marché) aux annonces
des bénéfices sur la période 1988 à 1999 de 226 sociétés non financières sur le marché
boursier français. La démarche scientifique est hypothético-déductive. Cette étude
analyse le comportement des investisseurs à la publication des résultats de la firme et
les prévisions des analystes lors de l’annonce de bénéfices sous les hypothèses de
sous- et sur-réaction, et l’hypothèse alternative d’un comportement compatible avec un
marché efficient.
La première étude empirique montre un contenu informationnel des surprises de
bénéfices sur le marché financier français. La réaction des investisseurs aux surprises
de bénéfices correspond un ajustement progressif et non une sous-réaction aux
annonces des bénéfices soulignée par les tenants de la finance comportementale.
Les résultats sont confirmés dans la deuxième étude empirique. Précisément, les
tests des résultats du modèle comportemental de Barberis, Shleifer et Vishny (1998)
montrent que les investisseurs ne sous-réagissent ni ne sur-réagissent aux bonnes
nouvelles sur le marché boursier français. Les résultats théoriques du modèle
comportemental de Barberis, Shleifer et Vishny (1998) ne sont donc pas validés sur le
marché financier français.
Toutefois, la troisième étude empirique montre que les analystes sujets aux
heuristiques de disponibilité et de représentativité ont tendance à être optimistes et à
sur-réagir aux bénéfices réels passés, tandis que les analystes sujets aux heuristiques
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Conclusion générale
267
de disponibilité et d’ancrage–ajustement ont tendance à être optimistes et à sous-réagir
aux bénéfices prévisionnels passés. Cette dernière tendance serait dominante. Une
modification de prévision positive conduirait à une sur-réaction et une modification de
prévision négative conduirait à une sous-réaction. Cette étude montre également que
les biais de prévisions c’est-à-dire le biais d’optimisme, la sous-réaction et la surréaction des analystes lors de l’annonce de bénéfices augmentent avec l’horizon de
prévision des bénéfices.
Cependant, cette étude a des limites. Ces dernières sont essentiellement
méthodologiques. Par ailleurs, des voies de recherche sont envisagées.
Les annonces de bénéfices des sociétés et pas trimestrielles. La considération
des bénéfices trimestriels pourraient affiner les résultats.
Cette étude a également considéré les bénéfices prévisionnels individuels des
analystes, mais ils ont été agrégés suivant l’annonce de bénéfices de la firme, pour
estimer la surprise de bénéfices. Il aurait été souhaitable de considérer les bénéfices
prévisionnels individuels pour évaluer les surprises de bénéfices sans les agréger, afin
d’affiner les résultats de l’étude. Par exemple, l’on pourrait approfondir les raisons
susceptibles d’expliquer la tendance optimiste des analystes.
Cette recherche a eu aussi des limites économétriques dans le calcul des rentabilités
anormales. Les rentabilités anormales ont été évaluées dans la majorité à partir du
modèle tri-factoriel de Fama et French (1993). Ces éléments pourraient limiter la
portée des résultats des études. Cette recherche, sans étudier proprement le modèle
Fama et French (1993), a montré que celui-ci capture partiellement l’anomalie de
« surprises de bénéfices positives ». Le recours à des modèles à facteurs serait donc
conditionné par les progrès d’identification et d’estimation des variables explicatives
des actifs financiers. L’utilisation des variables exogènes liées aux spécificités des
entreprises paraît incontournable, dès lors que l’on s’attache à définir les variables
taille et ratio valeur comptable sur valeur de marché du titre. Quant aux modélisations
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Conclusion générale
268
endogènes, elles doivent rechercher des méthodes statistiques plus complexes capables
d’éviter les écueils des modèles classiques et d’extraire simultanément des facteurs
explicatifs des rentabilités.
Des problèmes de données sont également à noter. L’utilisation des données
financières et comptables biaisent les résultats des études d’événements. Ces
problèmes de données sont le biais du survivant, la trituration des données, les
problèmes d’inférence statistique, les biais de prévisions et la distribution anormale
des données financières. Toutefois, sans remettre en cause ces biais, les bases de
données DATASTREAM et IBES sont conçues de manière à les réduire.
Hormis les limites économétriques susmentionnées du modèle tri-factoriel de Fama
et French (1993) et des problèmes de données, il est à relever la méthode de calcul des
rentabilités anormales utilisée : la méthode cumulative des rentabilités au lieu de la
méthode « buy-and-hold ». Il aurait fallu utiliser ces deux méthodes afin d’effectuer
une étude comparative pour lever toute ambiguïté des interprétations des résultats.
Toutefois, des travaux indiquent un effet moindre de l’utilisation de la méthode
cumulative des rentabilités.
Compte tenu de ces limites, cette thèse ouvre des pistes de recherche et peut être
approfondie de plusieurs façons.
Nous avons étudié le contenu informationnel des annonces de bénéfices sur le
marché financier français sous les hypothèses de l’approche comportementale et sous
celles de l’approche traditionnelle de la finance. Cette étude a montré que les
prévisions de bénéfices des analystes n’intègrent pas toutes les informations de
bénéfices disponibles. La technique d’évaluation est du ressort des analystes financiers
qui définissent une valeur de l’entreprise en faisant des prévisions sur son résultat
futur. Les analystes financiers déterminent aussi des perspectives réalistes d’évolution
à partir desquelles ils valorisent les sociétés cotées selon leurs méthodes. De ce fait, il
serait intéressant d’étudier les modèles et les techniques d’évaluation des prévisions de
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Conclusion générale
269
bénéfices des analystes sur le marché financier français. Pour renforcer les résultats de
cette étude, il serait également judicieux de différencier les prévisions des analystes
affiliés et non affiliés d’une part et d’autre part, des analystes « buy side » et « sell
side ». Les conclusions obtenues seraient-elles les mêmes ?
Une autre voie de recherche serait la recherche sur la gestion des résultats, compte
tenu de la relation entre les dirigeants et les analystes. Même si ce domaine d’étude
s’apparente plus à la théorie positive de la comptabilité, il est important d’examiner
l’impact des « accruals » sur les cours boursiers sur le marché financier français. Cette
dernière permettrait d’étudier les composantes des résultats.
Enfin, pour une meilleure discussion du comportement des investisseurs aux
annonces de bénéfices et des prévisions de bénéfices des analystes lors de l’annonce
des bénéfices sur le marché boursier français, il est souhaitable d’effectuer des études
expérimentales et qualitatives.
Les futurs travaux s’inscriront dans cette optique.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
270
BIBLIOGRAPHIE
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
271
Abarbanell J., (1991), « Do analysts’ earnings forecasts incorporate information in prior
stock price changes? », Journal of Accounting & Economics, Vol. 14, N°2 (June), 147-165.
Abarbanell J. and Bernard V., (1992), « Tests of analysts’ overreaction/underreaction to
earnings information as an explanation for anomalous stock price behavior », Journal of
Finance, 47, 1181-1207.
Abarbanell J. and Bushee B. J., (1997), « Fundamental analysis, future earnings and stock
prices », Journal of Accounting Research, Vol. 35, N°1, Spring.
Abarbanell J. et Lehavy R., (2000a), “Differences in commercial database reported earnings:
Implications for inferences in research o analyst forecast rationality, earnings management,
and earnings response coefficients”, working paper, University of North Carolina.
Abarbanell J. et Lehavy R., (2000b), “Biased forecasts or biased earnings? The role of
earnings management in explaining apparent optimism and inefficiency in analysts’ earnings
forecasts”, working paper, University of North Carolina.
Abarbanell J. et Lehavy R., (2003a), « Can stock recommendations Predict earnings
management and analysts’earnings forecast errors », Journal of Accounting & Economics,
March.
Abarbanell J. et Lehavy R., (2003b), « Biased Forecasts or Biased Earnings? The role of
reported earnings in explaining apparent bias and Over/Underreaction in Analysts’ earnings
forecasts », Journal of Accounting & Economics, Vol. 36, December, 105-146.
Achen C. H., (1982), Interpreting and using regression, Sage University Paper.
Affleck-Graves J., Davis R. et Mendenhall R., (1990), “Forecasts of earnings per share:
Possible sources of analyst superiority and bias”, Contemporary Accounting Research 6, 501517.
Affleck-Graves J. and Mendenhall R., (1992), « The relation between the value line enigma
and post-earnings announcement drift », Journal of Financial Economics, February, 75-96.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
272
Affleck-Graves J., Jennings R. and Mendenhall R., (1995), « Evidence of Informed Trading
Prior to Earnings Announcements », Working paper – University of Notre Dame.
Aktas N., (2004), « La finance comportementale un état des lieux», Reflets et Perspectives,
XLIII, 2004/2, 19-33.
Albrecht W., Lookabill L et McKeown J., (1977), “The time series properties of annual
earnings”, Journal of Accounting Research 15, 226-244.
Alexander J., Goff D. and Peterson P., (1989), « Profitability of a trading strategy based on
Unexpected Earnings», Financial Analysts Journal, Vol. 45, N°4 (July/August), 65-71.
Alonso A. et Rubio G., 1990, "Overreaction in the Spanish Equity Market", Journal of
Banking and Finance, v14(2/3), 469-482.
Ali A., Klein A. and Rosenfeld J., (1992), « Analysts’ Use of information about permanent
and transitory earnings components in forecasting annual EPS », The Accounting Review, Vol.
67, N°1 (January), 183-198.
Allais M., (1953), « Le comportement de l’homme rationnel devant le risque, critique des
postulats et axiomes de l’école américaine», Econometrica, Vol. N°21, 503-546.
Alpert M. et Raiffa H., (1982), « A progress report on the training of probability assessors »,
in Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and
Biases, Cambridge University Press, Cambridge.
Alpert M. et Raiffa H., (1982), « A progress report on the training of probability assessors »,
in Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and
Biases, Cambridge University Press, Cambridge.
Amir E. et Ganzach Y. (1998), “Overreaction and underreaction in analysts forecast”,
Journal of Economic Behavior and Organization 37, 333-347.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
273
Argawal A., Jaffe F. J. and Mandelker G., (1992), “ The post-merger performance of
acquiring firms: A Re-examination of an anomaly ”, Journal of Finance 47, 1605-1621.
Arrow K.J., (1987), « De la rationalité – de l’individu et des autres – dans un système
économique », Revue Française d’Economie, Vol. 2, n°1, pp. 22-47.
Arshanapalli B., Coggin T. D. and Doukas J., (1998), “ Multiplicator Asset Pricing Analysis
of International Value Investment Strategies ”, Journal of portfolio management, summer.
Asness C., (1997), “The interaction of value and momentum strategies Financial”, Analysis
Journal 53, 29-36.
Asquith P. et Mullins D., (1983), “The impact of initiating dividends on shareholders’
wealth”, Journal of Business 56, 77-96.
Asquith P., (1983), “Merger bids, Uncertainly and Stockholder returns”, Journal of Financial
Economics 11, 51-83.
Atkins A. B. et Dyl A., 1990, "Price Reversals, Bid Ask Spread, and Market Efficiency",
Journal of Financial and Quantitative Analysis, Vol 25 (4), 535-547.
ATRON Simon, (2004), « Une tentative de l’explication de l’effet d’annonce de bénéfices par
les biais de prévisions des analystes financiers sur le marché financier français », 17ème
Journées Nationales des IAE, IAE de Lyon.
ATRON Simon, (2004), « Un réexamen de l’effet d’annonce de bénéfices sur le marché
financier français», 21ème Conférence Association Française Finance Internationale (AFFI),
Université Cergy-Pontoise.
ATRON Simon, (2003), « Les performances des titres cotés sur le marché financier français
suite aux annonces de résultats: sous- et/ou sur-réaction ou phénomènes hasardeux ?
applications des modèles à facteurs de Fama (1993) et Carhart (1997)», 20ème Conférence
Association Française Finance Internationale (AFFI), Lyon - (dans Cahier de recherche IRG,
2003)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
274
Bachelier L., (1900), “Théorie de la spéculation”, Gauthier-Villars, Paris.
Baik B., (2003), “A Re-examination of Analyst Underreaction”, Florida State University
Working Paper & SSRN.
Ball R., (1978), “Anomalies in relationships between securities’ yields and yield-surrogates ”,
Journal of Financial Economics, Vol. 6, N°2/3 (June/September), 103-126.
Ball R. et Bartov E., (1996), « How naïve is the stock market’s use of earning information »,
Journal of Accounting and Economics, 21, 319-337.
Ball R. et Brown P., (1968), « An Empirical Evaluation of Accounting Income Numbers »,
Journal of Accounting Research, Autumn, 159-178.
Ball R. et Kothari S. P., (1989), « Nonstationary Expected returns: implications for tests of
market efficiency and serial correlation in returns », Journal of Financial Economics,
November, 51-74.
Ball R. et Kothari S. P., (1991), « Security returns around earnings announcements », The
Accounting review.
Ball R., Kothari S. et Robin A., (2000), “The effect of institutional factors on properties of
accounting earnings, working paper”, Journal of Accounting & Economics 29, 1-51.
Ball R., Kothari S. P. et Watts R, (1993), « Economics determinants of the relation between
earnings changes and stock returns », The Accounting review.
Ball R. et Watts R., (1972), “Some time series properties of accounting income”, Journal of
Finance 27, 663-682.
Banz R. W, (1981), « The relationship between return and market Value of Common
Stocks », Journal of Financial Economics, Vol. 9, N° 4 (September), 779-794.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
275
Banz R. W. And Breen W. J., (1986), « Sample Dependant », Journal of Financial
Economics, Vol. 9, N° 4 (September), 779-794.
Barbee W. C., Mukherji S. and Raines G. A., (1996), « Do Sales-Price and Debt-Equity
Explain Stock Returns Better than Book-to-market and Fiem Size? », Financial Analysts
Journal, March/April, 56-60.
Barber B.M. et Lyon J.D., (1997), « Detecting long-run abnormal stock returns : The
empirical power and specification of test statistics », Journal of Financial Economics, 43,
341-372.
Barber B.M. et Odean T., (2000), « Boys will be boys: Gender, overconfidence and common
stocks investment », Quarterly Journal of Economics.
Barberis N., Shleifer A. et Vishny R., (1998), « A model of investor sentiment », Journal of
Financial Economics, 49, 307-343.
Basu S., (1977), « The investment performance of common stocks in relation to their PriceEarnings Ratios: A test of the efficiency market hypothesis », Journal of Finance, Vol. 32, N°
3 (June), 663-682.
Basu S., (1983), « The relationship between Earnings’ yield, Market Value and Return for
NYSE Common Stocks: Further Evidence. », Journal of Financial Economics, Vol. 12, N° 1
(June), 129-156.
Bathke Jr A. et Lorek K., (1984), “The relationship between time-series models and the
security market’s expectation of quarterly earnings”, Accounting Review 59, 163-176.
Bauman W. S., Conover C. M. and Miller R. E., (1998), “ Growth versus Value and Large –
Cap versus Small – Cap in International Markets ”, Financial Analysts Journal / March-April.
Bauman W. S., Conover C. M. and Miller R. E., (1999), “ Investor Overreaction in
International Stock Markets ”, Journal of portfolio management, summer.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
276
Beauvois J. L. et Deschamps J. C., (1996),
« Des attitudes aux attributions - Sur la
construction de la réalité sociale », La Psychologie sociale, Tome II, PUG.
Beauvois J. L., Joule R. V. et Monteil J. M., (1998), « 20 ans de psychologie sociale
expérimentale francophone », La Psychologie sociale, Tome VI, PUG.
Beauvois J.L. et Leyens J.P., (1997), « L’ère de la cognition », La Psychologie sociale, Tome
III, PUG.
Beauvois J.L., Dubois N. et Doise W. et Dubois N., (1999), « La construction sociale de la
personne », La Psychologie sociale, Tome IV, PUG.
Beauvois J.-L. et Monteil J.-M., (2001), « Des compétences pour l’application », La
Psychologie sociale, Tome V, PUG.
Beauvois J.-, Mugny G. et Oberlé D., (1995), Tome I. « Relations humaines, groupes et
influence », La Psychologie sociale, PUG.
Beaver W., (1968), “The information content of annual earnings announcements”, Journal of
Accounting Research Supplement 6, 67-92.
Beaver W. et Morse D., (1978), “What determines price-earnings ratios?” Financial
Analysts’ Journal 34, 65-76.
Bem D., (1965), « An experimental analysis of self-persuasion », Journal of Experimental
Social Psychology ,1 , 199-218.
Berenson A., (2003), “Number: How the Drive for Quarterly Earnings Corrupted Wall Street
and corporate America”, Edition Ellipse.
Berger P., Ofek E. et Swary I., (1996), “Investor valuation of the abandonment option”,
Journal of Financial Economics 42, 257-287.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
277
Berk J., (1995), « A critique of size related anomalies », Review of Financial Studies ,8 , 275286.
Berk J., Green and Naik, (1999), « Optimal Investment, Growth Options and Security
Returns », Journal of Finance 54.
Bernard Victor L., (1987), “Cross-sectional dependence and problems in inference in
market-based accounting research 25”, Journal of Accounting Research, 1-48.
Bernard Victor L., (1993), “Stock price reactions to earnings announcements: A summary of
recent anomalous evidence and possible explanations.”, in Advances in behavioral finance /
Thaler Richard H., Russel Sage Fondation, 303-340.
Bernard Victor L. et Thomas Jacob K., (1989), “Evidence that stock prices do not fully
reflect the implications of current earnings for future earnings”, Journal of Accounting of
Accounting and Economics, 13, 305-340.
Bernard Victor L. et Thomas Jacob K., (1989), “Post-earnings–announcement drift and:
Delayed price response or risk premium?”, Journal of Accounting Research (Supplement), 27,
1-36.
Bhushan R., (1994), « An International Efficiency Perspective on the Post-EarningsAnnouncement Drift », Journal of Accounting & Economics, Vol 18, N°1 (July) , 45-65.
Biais B., Foucault T. et Hillion P., (1997), Microstructure des marchés financiers :
Institutions, modèles et tests empiriques, Collection Finance, PUF, Paris.
Biais B., Davidoff D. et Jacquillat B., (1997), Organisation et qualité des marchés
financiers, Collection Finance, PUF, Paris.
Bidwell C., (1979), “ A Test of Market Efficiency: SUE/PE.”, The Journal of portfolio
management, Vol 5, N°4 (Summer), 53-58.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
278
Bidwell C., (1981), “SUE/PE Revista”, The Journal of portfolio management, Vol 7, N°2
(Winter), 85-88.
Black F., (1973), “Yes, Virginia, There Is Hope: Tests of the Value Line ranking System.”,
Financial Analysts Journal 29, 10-14.
Black F., (1986), “Noise”, The Journal of Finance 41, 529-543.
Black F., (1993), “Beta and Return”, The Journal of portfolio management.
Black F., Jensen M. and Scholes M., (1972), “The capital asset pricing model: Some
empirical tests,”, in Studies in the theory of Capital Markets, ed. Jensen M. C., Praeger, New
York.
Bloomfield R. J., Libby R. and Nelson M. W., (1998), « Over-reliance on previous periods’
earnings can cause post-earnings-announcements drift and over-reactions to extreme
performance », Working paper, Cornell University – Samuel Curtis Johnson Graduate School
of Management.
Blume M. et Stambaugh R., (1983), “Biases in computed returns: An application to the size
effect”. Journal of Financial Economics 12, 387-404.
Box G. et Pierce D., (1970), Time Series Analysis Forecasting and Control, Holden Day.
Bradshaw Mark. T., (2004), “How Do Analysts Use Their earnings Forecasts in Generating
Stocks Recommandations?”, Accounting Review, Vol 79 N°1 (January), 25-50.
Bradshaw M., Richardson S. et Sloan R., (1999), “Earnings quality and financial reporting
credibility: An empirical investigation”, working paper, university of Michigan.
Brav A., (2000), “Inferences in long-horizon event studies: A Bayesian approach with
application to initial public offerings”, Journal of Finance 55, 1979-2016.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
279
Brooks L. et Buckmaster D., (1976), “Further evidence on the time series properties of
accounting income”, Journal of Finance 31, 1359-1373.
Brown L., (1993), « Earnings Forecasting Research: Its Implications for Capital Markets
Research », International Journal of Forecasting, Vol 9, N°3 (November), 295-320.
Brown L., (1997), « Earnings Surprise Research: Synthesis and Perspectives », Financial
Analysts Journal, March/April, 13-19.
Brown L., (1998), “Managerial behavior and the bias in analyst’s earnings forecasts”,
working paper, Georgia State University.
Brown L., Griffin P., Hagerman R. et Zmijewski M., (1987a), “Security analyst superiority
relative to univariate time-series models in forecasting quarterly earnings”, Journal of
Accounting & Economics 9, 61-87.
Brown L., Griffin P., Hagerman R. et Zmijewski M., (1987b), “An evaluation of alternative
proxies for the market’s expectation of earnings”, Journal of Accounting & Economics 9, 159193.
Brown L., Han J. C. Y., Keon E. et Quin W. H., (1996), « Predicting Analysts’ Earnings
Surprise », Journal of Investing, Vol 5, N°1 (Spring), 17-23.
Brown L. et Roseff M., (1978), « The Superiority of Analyst forecast as measures of
expectations: Evidence from earnings », Journal of Finance, 33, 31-16.
Brown L. et Roseff M., (1979), “Univariate time series models of quarterly accounting
earnings per share: a proposed model”, Journal of Accounting Research 17, 179-189.
Burgstahler D. et Dichev I., (1997), “Earnings, adaptation, and equity value”, The
Accounting Review 72, 187-215.
Burgstahler D., Jiambalvo J. et Shevlin T., (1999), “Time-series properties and pricing of
special items component of earnings”, Working paper, University of Washington.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
280
Byun J., (2000), « Measuring Long-run performance of common stocks following stock
splits: Do Stocks underreact? », Ph.D. Dissertation, University of New York.
Camerer C., (1995), “Individual decision” , in j. Hager & A. Roth ed: The handbook of
experimental economics, Princeton University Press, Princeton NJ.
Capstaff J., Paudyal K. et Rees W., (1997), “A comparative analysis of earnings forecasts in
Europe”, Working paper, University of Glasgow, Glasgow, Scotland.
Carhart M., (1997), “On persistence in mutual fund performance” , Journal of Finance, 52,
37-82.
Chalmers A.F., (1988), “Qu’est ce que la science?” , La découverte, Paris.
Chambers R.A., (1993), “Positve accounting and the PA cult”, Abacus, volume 29, numéro
1, 1-26.
Chan K., (1988), “On the contrarian investment strategy”, Journal of Business 61, 147-163.
Chan L.K., Jegadeesh et Lakonishok. J., (1995), “Evaluating the performance of value
versus glamour stocks: the impact of selection bias” , Journal of Financial Economics, Vol
38, 269-296.
Chan L.K., Jegadeesh et Lakonishok. J., (1996), “Momentum strategies” , Journal of
Finance,51, 1681-1713.
Chan L.K. et Lakonishok. J., (1993), « Are the Reports of Beta’s Death Premature ? »,
Journal of Portfolio Management, Summer 1993.
Chan K. and N. Chen, (1988), “An unconditional asset-pricing test and the role of firm size
as an instrumental variable for risk”, Journal of Finance 43, 309-325.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
281
Chan Louis K. C. et Chen N., (1991), “Structural and return characteristics of small and large
firms” , Journal of Finance 46, 1467-1484.
Chan L. K., Yasushi and Lakonishok J., (1991), “Fondamentals and stock returns in Japan”,
Journal of Finance, 41, n°5 (december), 1739-1789.
Chaney P., Hogan C. et Jeter D., (1999), “The effect of reporting restructuring charges on
analysts’ forecast revisions and errors”, Journal of Accounting & Economics 27, 261-284.
Chen N. et Zhang F., (1998), “Risk and Return of Value Stocks”, Journal of Business 4,
vol.71.
Chopra N., Lakonishok J. et Ritter Jay R., (1993), “Measuring Abnormal Performance: Do
Stocks Overreact?”, in Advances in behavioral finance / Thaler Richard H., Russel Sage
Fondation, 265-302.
Christensen-Szlazenski W., Jay J. et Bushyhead J. B., (1981), “ Physicians’ use of
probabilistic information in a real clinical setting”, Journal of Experimental Psychology:
Human Perception and Performance, Vol N°7, 928-935.
Chui A. C., Titman S. and Wei K. J., (2000), “Momentum, legal systems and ownership
structure: An analysis of Asian stock markets”, Working paper, Hong Kong University of
Science and Technology.
Clement M., (1999), “Analyst forecast accuracy: Do ability, resources, and portfolio
complexity matter?” Journal of Accounting & Economics 27, 285-303.
Cobbaut R., (1997) , « Théorie Financière », Economica - 4ème édition, Paris.
Collins D., Maydew E. et Weiss I., (1997), “Changes in the value-relevance of earnings and
book values over the past forty years”, Journal of Accounting & Economics 24, 39-67.
Collins D., Pincus M. et Xie H., (1999), “Equity valuation and negative earnings: The role of
book value of equity”, The Accounting Review 74, 29-61.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
282
Collins W. et Hopwood W., (1980), “A multivariate analysis of annual earnings generated
from quarterly forecasts of financial analysts and univariate time-series models”, Journal of
Accounting Research 18, 390-406.
Collins W., Hopwood W. et McKeown J., (1984), “The predictability of interim earnings
over alternative quarters”, Journal of Accounting Research 22, 467-479.
Conrad J. et Kaul G., (1993), “Long-term Market Overreaction or Biases in Computed
Returns?”, Journal of Finance 48, 39-63.
Conrad J. et Kaul G., (1998), “An anatomy of Trading Strategies”, Review of Financial
Studies 11, 489-519.
Constantinou C., Forbes W. et Skerratt L., (2003), “Analyst Underreaction in The
Kingdom”, Financial Management, Vol N°2, Summer.
Cook T. J. et Rozeff M. S., (1984), “ Size and Earnings/Price Ratio Anomalies : One Effect
or Two? ”, Journal of Financial and Quantitative Analysis, December, 449-466.
Cooper A., Woo C. et Dunkelberg W. C., (1988), “ Entrepreneurs’ perceived chances for
success ”, Journal of Business Venturing, Vol N°3, 97-108.
Copeland T. et Mayers D., (1982), “ The Value Line Egnima (1965-1978): A case Study of
Performance Evaluation Issues ”, Journal of Financial Economics, Vol N°10, 289-321.
Cusatis D., Miles J. A. et Woolridge Randall., (1993), “ Restructuring through spinoffs”,
Review of Economic Studies 58, 529-546.
Cutler P., Poterba J. et Summers L., (1991), “Speculative Dynamics”, Journal of Financial
Economics 33, 293-311.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
283
Czaczkes B. et Ganzach Y., (1996), “The Natural Selection of Prediction Heuristics:
Anchoring and Adjustment Versus Representativeness”, Journal of Behavioral Decision
Making 9, 125-140.
Daniel K., Hirshleifer D. et Subrahmanyam A., (1998), “Investor Psychology and Security
Market Under – Overreaction”, Journal of Finance, 53, 1893-1885.
Daniel K., Hirshleifer D. et Subrahmanyam A., (2001), “Mispricing, covariance risk and
the cross-section of security returns”, Journal of Finance, 56, 921-965.
Das S., Levine C. et Sivaramakrishnan K., 1998, “Earnings predictability and bias in
analysts’ earnings forecasts”, Accounting Review 73, 277–294.
De Bondt W., (1992), “Earnings forecasts and share price reversals”, Research Foundation of
the Institute of Chartered Financial Analysts, AIMR, Charlottesville, VA.
De Bondt Werner F. M. et Thaler R., (1985), “Does the stocks market overreact?” , Journal
of Finance 40, 793-808.
De Bondt Werner F. M. et Thaler R., (1987), “Further evidence of investor overreaction and
stock market seasonality” , Journal of Finance 42, 557-581.
De Bondt Werner F. M. et Thaler R., (1990), “Do the Security Analysts overreact?” ,
American Economic Review, May, 52-57.
De Bondt Werner F. M. et Thaler R., (1995), “Financial decision-making in markets and
firms: a behavioural perspective”, in R. Jarrow et al. Eds, Handbook in Organizational
Research, vol. 9., Elsevier Sciences B.V., Chapter 13, 385-410.
DeChow P. M., Hutton A. et Sloan R. G, (1999), “An empirical assessment of the residual
income valuation model”, Journal of Accounting and Economcis 26, 1–34.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
284
DeChow P. M., Hutton A. et Sloan R. G., (2000), “The relation between analysts’ long-term
earnings growth forecasts and stock price performance following equity offerings”,
Contemporary Accounting Research 17, 1–32.
DeChow P. M. et Sloan R. G., (1997), “Returns to contrarian investment strategies: Tests of
naive expectations hypotheses”, Journal of Financial Economics 41, 3–27.
DeGeorge F., Patel J. et Zeckhauser R., (1999), “Earnings manipulations to exceed
thresholds”, Journal of Business 71, 1–34.
Delong J. B., Shleifer A., Summers L.H. et Waldmann R.J., (1991), “Positive feedback
investment strategies and destabilizing rational speculation”, Journal of Finance, 45, 379-395.
Delong J. B., Shleifer A., Summers L.H. et Waldmann R.J., (1990), “Noise trader risk in
financial markets”, Journal of Political Economy, 98, 703-738.
Delong J. B., Shleifer A., Summers L.H. et Waldmann R.J., (1991), “The Survival of Noise
Traders in Financial Markets”, Journal of Business, 64, 1-19.
Dennis P., Perfect S., Snow K. and Wiles K., (1995), “The effects of rebalancing on size and
book-to-market ratio portfolio returns”, Financial Analysts Journal 51 (May-June), 47-57.
Derrien F. et Degeorges F., (2001), “IPO performance and earnings expectations: some
french evidence”, Journée sur les introductions en bourse – IRG et Euronext, 29 Mars.
Dharan B. and Ikenberry D., (1995), “The long-run negative drift of post-listing stock
returns”, Journal of Finance 50, 1547-1574.
Dolley J., (1933), “Characteristics and procedure of common stock split-ups”, Harvard
Business Review 11, 316-326.
Dreman D. M. and Berry M. A., (1995), “Analyst Forecasting Errors and Their Implications
for Security Analysis”, Financial Analysts Journal.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
285
Drozda Senkowska E. et al. , (1995), “Irrationalités collectives”, Edition Delachaux et
Niestlé.
Dugar A. et Nathan S., (1995), “The effect of investment banking relationships on financial
analysts’ earnings forecasts and investment recommendations”, Contemporary Accounting
Research 12, 131–160.
Easterwood John. C. and Nutt S., (1999), “Inefficiency in Analysts’ Earnings Forecasts:
Systematic Misreaction or Systematic Optimism”, Journal of Finance 53, 1839-1885.
Easterwood John. C., Easterwood C. et Nutt S., (1999), “New Evidence on serial correlation
in analyst forecast errors”, Journal of Finance 54, N°5 (October), 1777-1797.
Elliott J. et Hanna D., (1996), “Repeated accounting write-offs and the information content
of earnings”, Journal of Accounting Research Supplement 34, 135-155.
Elliott J., Philbrick D. et Wiedman C., (1995), “Evidence from archival data on the relation
between security analysts forecast errors and prior forecast revisions”, Contemporary
Accounting Research, Vol. 11, 919-1939.
Einhorn H., (1980), “Overconfidence in judgement”, New Directions for Methodology of
Social and Behavioral Science, 4, 1-16.
Elton E. J., Gruber M. J. et Gultekin M. N., (1984), “Professional expectations: Accuracy
and diagnosis of errors”, Journal of Financial and Quantitative Analysis 19, 351–363.
Fama. E. F. and Fisher L, Jensen M. et Roll R., (1969), “The Adjustement of stock prices to
new information”, International Economic Review , February 1969.
Fama E. F., (1970), “Efficient Capital Markets: A review of theory and Empirical Work”,
Journal of finance 25, N° 2 (May), 383-417.
Fama E. F. et MacBeth J. D., (1973), « Risk, Return and equilibrium: empirical tests »,
Journal of Political Economy, 81, 601-636.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
286
Fama E. F. et French K. R., (1988), “Permanent and temporary components of stock prices”,
Journal of Political Economy 96, 246–273.
Fama E. F. . et French K. R, (1989), “Business conditions and expected returns on stocks
and bonds”, Journal of Financial Economics 25, 23–49.
Fama E. F., (1991), « Efficient capital markets II », Journal of Finance, 46, 1575-1617.
Fama.E. F. and French K., (1992), “The cross-section of expected stock returns”, Journal of
Finance 47, n°2 (june 1992), 427-465.
Fama E. F. et French K., (1993), “Common risk factors in the returns on stocks and bonds”,
Journal of Financial Economics 33, 3-56.
Fama E. F. and French K., (1995), “Size and Book-to-Market factors in earnings and
returns”, Journal of Finance 50, 131-155.
Fama E. F. and French K., (1996a), “ Multifactor explanations of Asset Pricing Anomalies ”
Journal of Finance, N°1,vol 51 (52); March.
Fama E. F. and French K., (1996b), "The CAPM is wanted, Dead or Alive", Journal of
Finance, December.
Fama E. F. and French K., (1997), “ Value versus Growth : The International Evidence ”,
Journal of Finance, Vol LIII. N°6, december.
Fama Eugene F. and French Kenneth, (2000), “ Forecasting Profitability and Earnings,”
Journal of Business, 73, 2, 161-175.
Fama E. et Miller M., (1972), “The Theory of Finance”, Dryden Press, Hinsdale, Il.
Fama E.F., (1998), “Market efficiency, long-term returns and behavorial finance”, Journal of
Financial Economics 49, 1998, 283-306.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
287
Ferson W. et Schadt R., (1996), “Measuring fund strategy and performance in changing
economic conditions”, Journal of Finance 51, 425-461.
Fischhoff B., Slovic P. et Lichtenstein , (1977), « Knowing with certainty: The
appropriateness of extreme confidence », Journal of Experimental Psychology 3, 552-564.
Fontowicz. L., (1999), “Incertitude et Optimisme des Analystes Financiers, une Approche du
Cas Français à Partir du Consensus IBES”, Journée de recherche : « Qualité de l’information
et marchés financiers » IRG.
Forbes W. P. et Skerratt L. C., (2003), “Overreaction in analysts of earnings: evidence from
UK individual analysts’ forecasts.”, Working Paper of RijkUniversitiet Groningen
Foster G., (1977), “Quarterly accounting data: time-series properties and predictive-ability
results”, Accounting Review 52, 1-21.
Foster G., Olsen C. et Shevlin T., (1984), “Earnings Releases, anomalies and the behavior of
security returns”, The Accounting Review 59, 574-603.
Fox John., (1997), Applied Regression Analysis, Linear Models, And Related Methods, SAGE
Publications.
Francis J. and Philbrick D., (1993), “Analysts’ Decisions as products of multi-task
environment”, Journal of Accounting Research, Vol. 30, Autumn, 216-230.
Freeman R. and Tse S., (1989), “ The Multi-period Information Content of Earnings
Announcements: Rational Delayed Reaction to Earnings News ”, Journal of Accounting
Research, Supplement, 49-79.
French K., Schwert G. et Stambaugh R., (1987), “Expected stock returns and stock market
volatility”, Journal of Financial Economics 19, 3-30.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
288
Fried D. et Givoly D., (1982), “Financial analysts’ forecasts of earnings: a better surrogate
for market expectations”, Journal of Accounting & Economics 4, 85-107.
Friedman M. et Savage L., (1948), “ The Utility Analysis of Choices Involving Risk ”,
Journal of Political Economics, 53, 189-216.
Gajewski J-F., (2000), Frictions et Asymétrie d’Information sur les Marchés d’Actions ,
Economica, Paris.
Gillet P., (1999). L'Efficience des Marchés Financiers, Economica, Paris.
Girerd-Potin Isabelle, (1992), « La dominance en France des portefeuillles d’actions à faible
capitalisation boursière ou à bas PER », Finance, Vol. 13/01.
Givoly D. and Lakonishok J., (1979), “The information content of financial analysts’
forecasts of earnings: some evidence on semi-strong inefficience” , Journal of Accounting and
Economics, 3, 165-185.
Grandin Pascal., (1995), Production d'informations privées et gestion de portefeuille,
Collection Finance, PUF, Paris.
Grandy K. and Malkiel B., (1996), “Reports of beta’s death are greetly exaggerated” Journal
of portfolio management, 22 n°3 (spring), 36-45.
Griffin P., (1977), “The time-series behavior of quarterly earnings: preliminary evidence”,
Journal of Accounting Research 15, 71-83.
Grinblatt M. and M. Keloharju, (2001), What makes investors trade?, Journal of Finance 56,
589–616.
Grinblatt M. et Titman S., (1993), “Performance measurement without benchmarks: An
examination of mutual fund returns”, Journal of Business 66, 47–68.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
289
Grinblatt M., Titman S. et Wermers R., (1995), “Momentum investment strategies,
portfolio performance, and herding: A study of mutual fund behavior”, American Economic
Review 85, 1088–1105.
Grundy B. et Martin J. S., (2001), “Understanding the nature of the risks and the source of
the rewards to momentum investing”, Review of Financial Studies 14, 29–78.
Gu Z. and Wu J., (2000), “Earnings skewness and analyst forecast bias” , Carnegie Mellon
University Working Paper.
Guyon Xavier., (2001), Statistique et économétrie – Du modèle linéaire aux modèles non-
linéaires, Collection ellipses, Paris.
Hallot-Gauquié A-V., (2001), « Performance des analystes financiers et production
d’informations privées : cas français », Thèse de Doctorat, Université Lille 2.
Hamon J. et Jacquillat B. (sous la direction de), (1992), Le Marché Français des Actions :
Etudes Empiriques 1977-1991, Collection Finance, PUF, Paris.
Hamon J. et Jacquillat B. (sous la direction de), (1994), Recherche en Finance du CEREG ,
ECONOMICA, Paris.
Hamon J. et Jacquillat B. (sous la direction de), (1994), Recherche en Finance du CEREG ,
ECONOMICA, Paris.
Haugen R. et Baker N., (1996), « Commonality in the determinants of expected stock
returns » Journal of Financial Economics 41 , 401-439.
Hayn C., (1995), “The information content of losses”, Journal of Accounting & Economics
20, 125-153.
Healy P. et Palepu K., (2001), “A review of the voluntary disclosure literature”, Journal of
Accounting & Economics, this issue
.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
290
Hendriksen E., (1965), “Accounting Theory”, Richard D. Irwin, Inc., Homewood, IL.
Henkel R. E., (1982), TESTS OF SIGNIFICANCE, SAGE UNIVERSITY PAPER.
Hershey J.C., & Schoemaker P.J.H., (1980),. “Risk taking and problem context in the
domain of losses: An expected-utility analysis”, Journal of Risk and Insurance, 47, 111-132.
Hirschey M. and Richardson V. J., (2003), “Investor Underreaction to goodwill write-offs”,
Financial Analysts Journal, Vol. 59, N°6, November/December, 75-84.
Hirshleifer D., (2001), “Investor Psychology and asset pricing”, Journal of Finance, 56,
1533-1597.
Hirshleifer D., Myers James N., Myers Linda A. and Teoh S. H., (2003), “Do Individual
Investors Drive Post-Earnings Announcement Drift? Direct Evidence from Personal Trades.”,
Ohio State University – Fisher College of Business – Working Paper.
Ho Li-Chin J., Liu Chao-Shin et Ziebart D. A., (1998), “Price reversal and drift following
earnings announcements.”, The Financial Review, Vol. 33, 145-160.
Holthausen R., (1983), “ Abnormal Returns Following Quarterly Earnings Announcements.”,
Proceedings of the Seminar on the Analysis of Security Prices, University of Chicago, May,
37-59.
Hong H. et Stein J.C., (1999), “A unified theory of underreaction, momentum trading and
overreaction in asset markets”, Journal of Finance, 54, 2143-2184.
Hong H., Lim T. et Stein J.C., (2000), « Bad news travels slowly : Size, analyst coverage and
the profitability of momentum strategies”, Journal of Finance, 55, 265-295.
Huberts L. et Fuller R., (1995), “Predictability bias in the U.S. equity market”, Financial
Analysts Journal 51, 12-28.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
291
Ikenberry D. et Lakonishok J., (1993), “Corporate governance through the proxy contest:
Evidence and implications”, Journal of Business 66, 405-435.
Ikenberry D., Lakonishok J. and Vermaelen T., (1995), “Market underreaction to open
market share repurchases”, Journal of FinancialEconomics 39, 181-208.
Ikenberry D., Rankine G. and Stice E. K., (1996), “What do stock splits really signal?”,
Journal of Financial and Quantitative Analysis 31, 357-377.
Imhoff E. Jr. et Paré P., (1982), “Analysis and comparison of earnings forecast agents”,
Journal of Accounting Research 20, 429-439.
Jaccard J., Turrisi and Wan C. K., (1982), INTERACTION EFFECTS IN MULTIPLE
REGRESSION, SAGE UNIVERSITY PAPER.
Jacquillat B. et Solnik B., (1997), Marchés financiers - Gestion de Portefeuille et des
risques, Dunod - 3ème édition.
Jeanjean Thomas, (1999), « La théorie positive de la comptabilité : une revue des critiques »,
Cahier 99 – 12 du CEREG, Université Paris – Dauphine
Jeffrey P. et Schall D. L., (1997), « Book-to-market ratio as predictors of market returns »,
Journal of Financial Economics 49, 141-160.
Jegadeesh N. et Titman S., (1993), “Returns to buying winners and selling losers:
Implications for stock market efficiency” , Journal of Finance 48, 65-91.
Jegadeesh N. et Titman S., (2001), “Profitability of momentum strategies: An evaluation of
alternative” , Journal of Finance 51, 699-720.
Jensen M., (1978), “Some anomalous evidence regarding market efficiency,” , Journal of
Financial Economics 6, 95-101.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
292
Johnson T.C. et Jackson A., (2002), “Unifying Underreaction Anomalies”, Working Paper
– London Business School & SSRN.
Johnson W.B. et Schwartz Jr. W.C., (2001), “Evidence that Capital Markets Learn from
Academic Research: Earnings Surprises and the Persistence of Post-Announcement Drift”,
Working Paper – Tippie College of Business Administration, University Iowa & SSRN.
Jones C.P. et Litzenberger R., (1970), “Quaterly earnings reports and intermediate stock
market efficiency price trends” , Journal of finance 25, n°1 (Mar. 1970), 143-148.
Joy O.M., Litzenberger R et McENally D., (1977), “The investigation adjustment of stock
prices to announcements of unanticipated changes in quarterly earnings”, Journal of
Accounting Research 15, n°2 (Autumn), 207-225.
Kadiyala P., (2001), “It’s all Under-Reaction” , Perdue University Working Paper.
Kahneman D. et Riepe M. W., (1998), “Aspects of Investor Psychology: Beliefs,
preferences, and biases investment advisors should know about.” , The Journal of Portfolio
Management, Summer, 52-64.
Karamanou I., (2001), “Is Analyst Optimism Intentional? Additionnal Evidence on the
Existence of Reporting and Selection Bias in Analyst Earnings Forecasts”, University of
Cyprus Working Paper & SSRN.
Kelley, H.H. (1967). “Attribution theory in social psychology”. In D. Levine (Ed.), Nebraska
symposium on motivation, Lincoln : University of Nebraska Press, 15, 192-238.
Keynes J. N., (1936), “The general theory of employment, Interest and money”, Hartcourt
Brace, New York.
Keynes J. N., (1967), “Théorie Générale de l’emploi de l’intérêt et de la monnaie”, Payot,
Paris.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
293
Kidd J. B., (1970), “The utilisation of subjective probabilities in production planning”, Acta
Psychologica, 34, 338-347.
Kim Donald et Myung-Sun K., (2003), “A multifactor explanation of post-earningsannouncement drift”, forthcoming Journal of Financial and Quantitative Analysis.
Kim J.W. et Rozhkov D., (1999), “Stock Returns around Earnings Announcements: What
Matters” , Havard University Working Paper.
Knez P.J. and Ready M.J., (1997), “On The Robustness of Size and Book-to-Market in
Cross-Sectional Regressions” , Journal of Finance, Vol LII, N°4 – September 97.
Kothari S.P., (2001), “Capital market research in accounting”, forthcoming, Journal of
Accounting and Economics.
Kothari S., Lys T., Smith C. & Watts R., (1988), “Auditor liability and information
disclosure”, Journal of Accounting, Auditing, and Finance 3, 307-339.
Kothari S.P., Lewellen J. et Warner J., (2003), “Stock Returns, Aggregate Earnings
Surprises,
and
Behavioral
Finance
”,
Working
Paper,
http://papers.ssrn.com/abstract=380127.
Kothari S.P., Sabino J. et Zach T., (1999), “Implications of data restrictions on performance
measurement and tests of rational pricing”, Working paper, Massachusetts Institute of
Technology.
Kothari S.P., Shanken J. et Sloan R.G., (1995), “Another look at the cross-section of
expected stock returns”, journal of finance 50, n°2 (March 1995), 185-224.
Kothari S.P. et Warner J.B., (1997), « Measuring long-horizon security price performance”,
Journal of Financial Economics, 43, 301-339.
Kraft A., (1999), “Accounting-based and market-based trading rules”, working paper,
University of Rochester.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
294
L’her J-F. et Suret J-M., (1999), “ Valeur Fondamentale et Sélection des titres ”, Journée de
recherche – qualité de l’information et marchés financiers, IRG.
Lakonishok J., Shleifer A., and Vishny R.W., (1994), “Contrarian Investment,
Extrapolation, and Risk”, Journal of finance, Vol 49 - N°5, December 94.
LaPorta Rafael, (1996), “Expectations and the cross-section of stock returns”, Journal of
Finance, 51, 1715-1742.
LaPorta R. , Lakonishok J., Shleifer A. et Vishny R.W., (1997), “Good news for value
stocks: Further evidence on market efficiency”, Journal of Finance 52, 859-874.
Latane H., Jones C. P. et Rieke R. D., (1974), “Quarterly earnings reports and subsequent
holding period returns”, Journal of Business Research, April, 119-132 .
Latane H., et Jones C. P., (1979), “Standardized Unexpected earnings – 1971 - 1977”,
Journal of Finance, June, 717-724.
Latane H., Jones C.P et Rieke R. D., (1974), “Quarterly earnings reports and subsequent
holding period returns”, Journal of Business Research, April, 119-132.
Latane H., Tuttle D. L. et Jones C. P. , (1969), “E.P. ratios versus changes in earnings in
forecasting future price changes”, Financial Analysis Journal, January /February, 117-123.
Lebart L., Morineau A. et Piron M., (1997), Statistique exploratoire multidimensionnelle,
DUNOD 2ème édition.
Lecoutre J-P. et Tassi P., (1987), Statistique Non Paramétrique et Robustesse,
ECONOMICA.
Lee C., (1999), “Accounting-based valuation: A commentary”, Accounting Horizons 13, 413425.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
295
Lee Charles M.C. and Swaminathan B., (2000), “Do stock prices overreact to earnings?”,
working paper, Cornell University, http://parkercenter.johnson.cornell.edu.
Lee M.C.and Swaminathan B., (2001), “Price Momentum and Trading Volume”, Journal of
Finance, volume 55.
Lehmann B. N., 1990, "Fads, Martingales, and Market Efficiency", The Quarterly Journal of
Economics, 1-28.
Lesmond D. A., Schill M. J. and Zhou C., (2004), “The illusory nature of momentum
profits”, Journal of Financial Economics.
Lev B., (1983), “Some economic determinants of the time series properties of earnings”,
Journal of Accounting & Economics 5, 31-48.
Levasseur M., L’Her J.C. and Suret J.M., (2002), “Anticipations hétérogènes et rendements
boursiers: le cas du marché français”, Finance, Vol 23 - N°1, 51-75.
Levis M. and Liodakis M., (1999), “Investors' Expectations and the Performance of Value
and Growth Portfolios: The UK Evidence” , working paper, City University Business School,
June 1999.
Lichtenstein S., Fischhoff B. et Phillips L. (1982), « Calibration of probabilities: The state
of the art to 1980», in Kahneman D., Slovic P. and Tversky A., eds: Judgement under
Uncertainty: Heuristic and Biases, Cambridge University Press, Cambridge.
Liew J. et Vassalou M., (2000), “ Can book-to-market, size and momentum be risk factors
that predict economic growth?”, Journal of Financial Economics, 57, 221-245.
Lim T., (1998), “Are analysts’ forecasts optimistically biased?”, working paper, Dartmouth
University.
Lim T., 2001, “Rationality and analysts’ forecast bias”, Journal of Finance 56, 369-385.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
296
Lin H. et McNichols M., (1998), “Underwriting relationships and analysts’ earnings forecasts
and investment recommendations”, Journal of Accounting & Economics 25, 101-127.
Lintner J., (1965), “The valuation of risky assets and the selection of risky investments in
stock portfolios and capital budgets”, Review of Economics and Statistics 47, 13-37.
Little I., (1962), “Higgledy Piggledy Growth, Institute of Statistics”, (Oxford) 24.
Little I. et Rayner A., (1966), “Higgledy Piggledy Growth Again”, A. M. Kelly, New York,
NY.
Liu W., Strong N. C. and Xu X., (2003), “ Post-Earnings-Announcement Drift in the UK”,
European Financial Management, Vol. 9, 89-116.
Lo A. W. et McKinlay A. C., (1990), “Data-Snooping Biases in Tests of Financial Asset
Pricing Models”, Review of Financial Studies, 50, 431-468.
Lo A. W., McKinlay A. C. et Campbell J. Y., (1997), “The Econometrics Financial
Markets”, Princeton University Press – New Jersey.
Loomes et Sudgar J. Y., (1982), “ Regret Theory: An alternative theory of Rational Choice
Under Uncertainty”, Economic Journal 92, 805-824.
Loughran T., (1997), “Book-to-market across firm size, exchange, and seasonality: is there
an effect ?”, Journal of Financial Studies, Vol 30, 607-618.
Loughran T. et Ritter J.R., (1995), “The new issues puzzle”, Journal of Finance, 50, 23-51.
Loughran T. et Ritter J., (2000), “Uniformly least powerful tests of market efficiency”,
Journal of Financial Economics 55, 361–389.
Lyon J. D., Barber B. M. et Tsai C.-L., (1999), “ Improved methods for tests of long-run
abnormal stock returns”, Journal of Finance, 54, 165-202.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
297
Lys T. et Sohn S., (1990), “The between revisions of financial analysts’ earnings forecast and
security-price changes”, Journal of Accounting and economics, n°13, 341-363.
MacKinlay A. C., (1995), “Multifactor models do not explain deviations from the CAPM”,
Journal of Financial Economics 38, 3–28.
Mai H., (1992), “Stratégie de sur-réaction et corrélation des rentabilités sur le marché français
des actions de 1977 à 1990”, Cahier de recherche du CEREG, Université Paris-Dauphine.
Mai H. M., (1992), "Prévisibilité des rentabilités boursières des actions françaises (19771990)", Thèse de doctorat, Université Paris-Dauphine.
Markowitz H. M., (1952), “Portofolio selection”, Journal of Finance, Mars 1952.
Martinez-Vazquez J., Harwood G.B. and Larkins E.R., (1992), “Withholding Position and
Income Tax Compliance: Some Experimental Evidence”; Public Finance Quarterly 20 (2):
152-174.
Matsumoto D., (1998), “Management’s incentives to influence analysts’ forecasts”, working
paper, Harvard Business School.
McDonald B. D. et Mendenhall R., (1994), “ Implementing the Earnings Surprise Strategy.”,
Proceedings of the Seminar on the Analysis of Security Prices, University of Chicago.
McNichols M. et O’Brien P., (1997), “Self-selection and analysts coverage”, Journal of
Accounting Research 35, 167-199.
Mendenhall R., (2003), “Arbitrage risk and post-earnings-announcement drift”, Journal of
Business, forthcoming.
Mendenhall R. , (1991), “Evidence on the possible Underweighting of Earnings-Related
Information”, Journal of Accounting Research, Vol. 29, N°1 (Spring), 170-179.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
298
Michaely R. et Womack K., 1999, “Conflict of interest and the credibility of underwriter
analyst recommendations”, Review of Financial Studies 12, 573–608.
Mignon V., (1998), Marchés Financiers et Modélisation des Rentabilités Boursières,
ECONOMICA.
Mikhail M., Walther B. R. et Willis R., (1997), “Do security analysts improve their
performance with experience?”, Journal of Accounting Research 35, 131-166.
Mikhail M. B., Walther B. R. et Willis R. H., (2001), “Announcement Drift”, Duke
University Working Paper & SSRN.
Mikhail M. B., Walther B. R. et Willis R. H., (2003), “The Effect of Experience on Security
Analyst Underreaction”, Journal of Accounting and Economics, Vol. 35, April, 101-116.
Miles J. et Rosenfeld J. D, (1983), “The Effect of voluntary spinoff announcements on
shareholder wealth”, Journal of Finance, 38, 1597-1606.
Mitchell M. L. et Stafford E., (2000), “Managerial decisions and long-term stock
performance”, Journal of Business, 73, 287-320.
Molay E., (2000), « Effets Taille et Ratio Book-To-Market sur le marché français : Un test du
modèle de rentabilité de Fama et French (1993) » , XV journée des IAE, Biarritz.
Molay E., (2001), « Modélisation empirique de la rentabilité : le modèle à trois facteurs, une alternative au modèle de
marché ? », Thèse de Doctorat, IAE Aix en Provence.
Mooney C. Z. and Duval R. D., (1982), BOOTSTRAPPING A Nonparametric Approach to
Statistical Inference, SAGE UNIVERSITY PAPER.
Moschetto B-L. , (1998), Mimétisme et Marchés Financiers, ECONOMICA.
Moskowitz T. J., (1999), « An Analysis of Risk and Pricing Anomalies » , Working Papers -
University of Chicago.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
299
Moskowitz T. J. et Grinblatt M., (1999), “Do industries explain momentum?”, Journal of
Finance 54, 1249–1290.
Mott C. E. et Coker D. P., (1993), «Earnings Surprise in the Small-Cap World», Journal of
Portfolio Management, Vol. 20, N°1 (Fall), 64-75.
Mourgues N., (2002), « Une Lecture Sélective des Travaux de Granovetter. Intersections et
disjonctions avec des Recherches en Finance », dans La Construction Sociale de
l’Entreprise : Autour des travaux de Mark GRANOVETTER dirigé par Huault Isabelle,
éditions ems MANAGEMENT & SOCIETE .
Mourgues N., Allard-Poesi F., Amine A., Charreire S. et Le Goff J. (Dirigé par), (2002),
Questions de méthodes en Sciences de Gestion, éditions ems MANAGEMENT & SOCIETE .
Muth J.F., (1961), «Rational expectations and the theory of movements», Econometrica, Vol.
9, 315-335.
Neale M. and Bazerman M., (1990), Cognition and Rationality in Negociation, The Free
Press, New York.
Neuman von J and Morgenstern O., (1944), Theory of games and economic behavior,
Princeton University Press.
O’Brien P., (1988), “ Analysts’ Forecasts as earnings expectations”, Journal of Accounting
and Economics, January, 53-83.
Odean T., (1998), “ Volume, volatility, price and profit when all traders are above average”,
Journal of Finance, 53, 1887-1934.
Ohlson J., (1995), “Earnings, book values, and dividends in equity valuation”, Contemporary
Accounting Research 11, 661-687.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
300
Ou J. et Penman S., (1989a), “ Financial Statement Analysis and the Prediction of Stock
Returns.”, Journal of Accounting and Economics, November, 295-330.
Ou J. et Penman S., (1989b), “ Accounting Measurement, Price-Earnings Ratios, and the
Information Content of Security Prices.”, Journal of Accounting and Economics (supplement),
111-144.
Oskamp S. , (1982), “ Overconfidence in case-study judgements ” in Kahneman D., Slovic P. and Tversky
A., eds: Judgement under Uncertainty: Heuristic and Biases, Cambridge University Press,
Cambridge.
Patell J. et Wolfson M., (1984), “ The Intraday Speed of Adjustment of Stock Prices to
Earnings and Dividend Announcements.”, Journal of Financial Economics, June, 223-252.
Peters D. J., (1993a), “ Are Earnings Surprises Predictable?”, Journal of Investing, Vol. 2,
N°2 (summer), 47-51.
Peters D. J., (1993b), “ The Influence of Size on Earnings Surprises Predictability.”, Journal
of Investing, Vol. 2, N°4 (Winter), 54-59.
Philbrick D. et Ricks W., (1991), “Using Value Line and IBES analyst forecasts in
accounting research”, Journal of Accounting Research 29, 397-417.
Plous S. J., (1993), “ The Psychology of Judgement and Decision Making.”, MacGraw-Hill,
Inc, New York.
Poitou J-P. , (1974), “ La dissonance cognitive”, Edition Armand Colin, Paris.
Poteshman A., (2001), “ Underreaction, Overreaction, and Increasing Misreaction to
Information in the Option Market.”, Journal of Finance, Vol 56 N°3 (June).
Pupion G. et Pupion P-C., (1998), Tests Non Paramétriques avec applications à l'économie
et à la gestion, Economica - 2ème Tirage.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
301
Raedy J., (1998), “A reconciliation of stock market anomalies”, working paper, University of
North Carolina.
Rainelli-Le Montagner H., (2002), “Des marchés et des hommes”, dans Sciences de Gestion
et Pratiques Managériales – Réseau des IAE, ECONOMICA, Paris, 440-449.
Rau P.R. et Vermaelen T., (1996), “Glamour, Value and The Post-Acquisition Performance
of Acquiring Firms”, Working Paper 96/76/FIN.
Rendleman J., Jones C.P. et Latane A., (1982), “Empirical anomalies based on unexpected
earnings and the importance of risk adjustments”, Journal of Financial Economics 10, 269287.
Rendleman J., Jones C.P. et Latane A., (1987), “Further insight into the standardized
unexpected earnings anomaly: size and serial correlation effects”, The Financial Review 22,
131-144.
Richardson S., Teoh S. et Wysocki P., (1999), “Tracking analysts’ forecasts over the annual
earnings horizon: Are analysts’ forecasts optimistic or pessimistic?” working paper,
University of Michigan.
Roll R., (1977), “A critique of the asset pricing theory’s tests Part I: on past and potential
testability of the theory”, Journal of Financial Economics, 4, 129-176.
Roll R. et Ross S. A., (1994), “On the cross-sectional relation between expected returns and
betas“, Journal of Finance, vol 49 N°1.
Roll R., (1981), “A possible explanation of the small firm effect”, Journal of Finance, 36 n°4
(sept.), 879-888.
Rosenberg B., Reid K. and Lanstein R., (1985), “Persuasive evidence of market
inefficiency”, Journal of Portfolio Management, 11 n°3 (spring), 9-17.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
302
Ross S., (1976), « The arbitrage theory of capital asset pricing », Journal of Economics
Theory, 13, 341-360.
Rouwenhorst K. Geert (1997), « International momentum strategies », Journal of Finance,
vol 53, 267-284.
Russo J. E. et Schoemaker P. J. H. (1992), « Managing overconfidence », Sloan
Management Review 33, 7-17.
Sadka G., (2003), “post-earnings-announcement drift and Arbitrage risk”, Journal of
Business, forthcoming.
Salamon G. et Stober T., (1994), “Cross-quarter differences in stock price responses to
earnings announcements: Fourth-quarter and seasonality influences”, Contemporary
Accounting Research 11, 297-330.
Samuelson P., (1965), «Proof that properly anticipated prices fluctuate randomly», Industrial
Management Revew, Vol. 6, 41-49.
Savage L.J., (1954), The fondation of statistics, New York.
Schwert G., (1990), “Stock returns and real activity: A century of evidence”, Journal of
Finance 45, 1237-1257.
Shanken J., (1990), “Intertemporal asset pricing: an empirical investigation”, Journal of
Econometrics 45, 99-120.
Sharpe W., (1964), “Capital asset prices: a theory of market equilibrium under conditions of
risk”, Journal of Finance, sept. 1964.
Shefrin H. And Statman M. , (1985), “The disposition so Sell Winners Too Early and Ride
Losers Too Long?” , Journal of Finance 40, 777-790.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
303
Shiller R. , (1981), “Do Stock prices move too much to be justified by subsequent changes in
dividends ?” , American Economic Review 71, 421-498.
Shiller R. , (1998), “Human Behavior and the Efficiency of the Financial System ?” , NBER
working paper 6375.
Shiller R. , (1997), “Market Volatility” MIT Press, Cambridge, 5ème eds.
Shiller R. , (2000), “Exubérance Irrationnelle” Valor Editions, Paris.
Shleifer A. et Vishny R., 1997, “The limits to arbitrage”, Journal of Finance 52, 35–55.
Simon H. , (1955), “ A Behavioral Model of Rational Choice”, Quarterly Journal of
Economics 69, 99-118.
Simon H. , (1987), “ Bounded rationality ” , in Eatwell, Milgate, Newman (eds), The New
Palgrave: A Dictionnary of Economics, London, Mac Millan, 1987, Vol. N°1, p 266-267.
Slovic P., Firshoff B. et Lichtenstein S., (1977), “Behavioral decision theory”, Annual
Review of Psychology, 28, 1-39.
Soffer L. et Lys T., 1999, “Post-earnings announcement drift and the dissemination of
predictable information”, Contemporary Accounting Research 16, 305–331.
Solnik B. , (1974), “An equilibrium model of the international capital market” , Journal of
Economic Theory , July/August.
Spiess D. K. Et Affleck-Graves J., (1995), “ Underperformance of initial public offerings”,
Journal of Financial Economics, 38, 243-268.
Stael Von Holstein, (1972), “Probabilistic forecasting: An experiment related to the stock
market” , Organization Behavior and Human Performance 8, 139-158.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
304
Staw B. M., (1981), “The Escalation of Commitment to a Course of Action”, Academy of
Management Review 6, 577-587.
Sterling R., (1990), “Positive accounting theory : an assesment”, Abacus, septembre.
Stevens D. and Williams A., (2000), “Inefficiency in earnings forecasts: some experimental
evidence” , Syracuse University Working Paper.
Stober T. L., (1992), “ Summary Financial Statement Measures and Analysts’ Forecasts of
Earnings. ”, Journal of Accounting and Economics, June / September, 347-372.
Stoll H., (1991), “ Measuring Equity Trading Costs. ”, Vanderbilt University Working Paper.
Summers, LH , (1986), “Does the Stock Market Rationally Reflect Fundamental Values?,”
The Journal of Finance, 41, no 3, 591-602.
Tamura H., (2003), “ Individual-analyst characteristics and forecast error”, Financial
Analysts Journal, Vol. 58, N°4, July/August.
Tchemeni E., (1991), “ Les prévisions de résultats des entreprises cotées par les dirigeants et
les analystes financiers : analyse et comparaison”, Thèse de Doctorat - Université de Lille.
Teoh S. H., Welch I. Et Wong T.J., (1998), “Earnings management and the
underperformance of seasoned equity offerings”, Journal of Financial Economics, 50, 243268.
Thaler R. H., (1994), “ Quasi rational economics ”, New York, Russel Sage Foundation.
Thomas J., (1999), “Discussion of Post-earnings announcement drift and the dissemination of
predictable information,” Contemporary Accounting Research 16, 333-340.
Trueman B., (1994), “Analysts’ forecast and herding behaviour”, Review
Studies, Vol. 7, N°1, 97-124.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
of Financial
Bibliographie
305
Tversky A. et Kahneman D., (1973 ), “Availability: A heuristic for judging frequency and
probability.”, Cognitive psychology, 5, 207-232.
Tversky A. et Kahneman D., (1974 ), “Judgement under Uncertainty: Heuristics and
Biaises.”, Science, 185, 263 - 291.
Tversky A. et Kahneman D., (1979 ), “Prospect theory: An analysis of decision under
risk..”, Econometrica, 47, 1124-1131.
Tversky A. et Kahneman D., (1982), “Judgements of and by representativeness” in
Kahneman D., Slovic P. and Tversky A., eds: Judgement under Uncertainty: Heuristic and
Biases, Cambridge University Press, Cambridge.
Van Dijk R. and Hubers F., (2002), “ European price momentum and analyst behavior”,
Financial Analysts Journal, Vol. 58, N°2, March/April.
Vermaelen T. et Vestringe, (1986), "Do Belgians Overreact ?", Cahier de Recherche Université Catholique de Louvain, Belgique.
Verrecchia R., (2001), “Essays on disclosure”, Journal of Accounting & Economics, this
issue.
Walliser B., (1982), « Equilibres et Anticipations », Revue Economique, Vol. 33, N°6,
1583-1594.
Watts R., (1970), “The time series of accounting earnings: Appendix A to The information
content of dividends,” Ph.D. Dissertation, University of Chicago.
Watts R., (1975), “The time-series behavior of quarterly earnings”, Working paper
(University of Newcastle).
Watts R. L., (1978), “The Time Series Behavior of Quaterly Earnings Announcements.”,
Journal of Financial Economics, (June / September), 127-150.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Bibliographie
306
Watts R. et Leftwich R., (1977), “The time-series of annual accounting earnings”, Journal of
Accounting Research 15, 253-271.
Watts R. et Zimmerman J., (1986), “Positive Accounting Theory”, Prentice Hall,
Englewood Cliffs, NJ.
West K. D., (1988), “Bubbles, Fads and Stock Price Volatility Tests: A Partial Evaluation.”,
Journal of Finance 18, N°3, 639-660.
White H., (1980), “A Heteroscedasticity-Consistent estimator with a direct test for
heteroscedasticity”, Econometrica, Vol. 48, 817-838.
Wiggins K., (1996), “The Earnings-Price and Standardized Unexpected Effects: One
Anomaly or Two?”, Journal of Financial Research, Vol. 14 N°3 (Fall), 263-276.
Williams J., (1938), “The Theory of Investment Value, Harvard University Press”,
Cambridge, MA.
Womack J. B., (1996), “Do brokerage analyst’ recommendations have investment value?”,
Journal of Finance 51, 137-167.
Zarowin P., (1989), “Does The Stock Market Overreact to Corporate Earnings Information?”,
Journal of Finance, December, 1385-1400.
Zellner, (1962), « An efficient method of estimating seemingly unrelated regressions and
tests for aggregation bias, Journal of American Statistic Association, 1962, 57, p. 348-368.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
307
ANNEXES
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
308
ANNEXE 1: RECAPITULATION DU NOMBRE CUMULE D’ETUDES
PRINCIPALES PUBLIEES DANS DES REVUES INTERNATIONALES
SUR LA PERIODE 1960 A 1999 SUR LES ANNONCES DE BENEFICES
Graphique récapitulatif du nombre d'études principales cumulé publiées dans les revues internationales sur
la période 1960 à 1999
45
40
Nombre cumulé d'études
35
30
25
20
15
10
5
0
Ball & Brown
(1968)
Latane, Jones & Joy, Litzenberger
Rendleman,
Rieke (1974)
& McEnally
Jones & Latane
(1977)
(1982)
Foster, Olsen &
Shevlin (1984)
Bernard et
Chan,
Barberis, Shleifer
Thomas (1989,
Lakonishok & & Vishny (1998)
1990)
Jegadeesh (1996)
Source: Johnson B. & Schwartz Jr. W. (2001)
Note: Les revues scientifiques concernées sont : « Accounting Review », « Contemporary Accounting Research »,
« Financial Analysts Journal », « Financial Review », « International Journal of Forecasting », “Journal of Accounting and
Economics”, “Journal of Accounting Research”, “Journal of Business”, “Journal of Finance”, “Journal of Financial
Economics”, “Journal of Financial Research”, “Journal of Investing”, “Journal of Portfolio Management”.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
309
ANNEXE 2 : LES MODELES FORMELS DE BARBERIS, SHLEIFER ET
VISHNY (1998) ET DE DE LONG, SHLEIFER, SUMMERS ET
WALDMANN (1990)
Le modèle formel de Barberis, Shleifer et Vishny (1998)
Nous exposons le modèle formel de BSV en donnant les formulations
mathématiques essentielles de celui-ci.
Selon BSV, pour évaluer les actions, l’investisseur doit prévoir les revenus futurs et
donc les chocs futurs. Dans ce but, il devra à chaque période essayer de comprendre
quel modèle génère les chocs sur les revenus.
BSV supposent que les revenus des actifs suivent une marche aléatoire comme
mentionné dans le modèle informel :
Nt = Nt-1 + yt,
(1)
où yt est le choc sur les revenus à l’instant t qui prend soit la valeur +y soit la
valeur –y. Les investisseurs croient la valeur yt déterminée par l’un des deux régimes
mentionnés. Les régimes 1 et 2 ont la même structure et suivent un processus de
Markov car les valeurs prises par yt dépendent essentiellement de yt-1. La différence
entre les régimes 1 et 2 résulte de la différence des probabilités de transition des deux
processus. Précisément, les matrices de transitions sont les suivantes.
Modèle 1
yt+1 = y
yt+1 = -y
yt = y
πL
1 - πL
yt = - y
1 - πL
πL
Modèle 2
yt+1 = y
yt+1 = -y
yt = y
πH
1 - πH
yt = - y
1 - πH
πH
Le modèle 1 est « mean-reverting » donc πH (probabilité que le choc en t+1 soit du
même signe que le choc en t sous le modèle 1) est faible (il devrait être compris entre 0
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
310
et 0,5 ; selon BSV) car la probabilité d’obtenir des chocs de signes contraires est plus
forte sous ce modèle. Le modèle 2 est un modèle qui génère des tendances, donc πH est
élevé (il devrait être compris entre 0,5 et 1, selon BSV (1998)) : la probabilité de voir
les deux chocs se succéder est plus forte sous ce modèle.
Le régime de transition est lui aussi une chaîne de Markov et sa matrice de
transition est :
St+1 = 1
St+1 = 2
St = 1
1 - λ1
1 - λ1
St = 2
λ2
λ2
Avec λ1: la probabilité d’être dans le régime 2 en t+1 alors que l’on était dans le
régime 1 en t et λ2 : la probabilité d’être dans le régime 1 en t+1 alors que était dans le
régime 2 en t. Les auteurs considèrent que les valeurs de λ1 et λ2 sont assez petites car
l’investisseur pense que les changements de régime sont rares. L’investisseur
représentatif du marché considéré donne plus de poids au modèle 1 donc λ1 < λ2.
Après avoir observé un choc yt+1, il calcule la probabilité qt que ce choc soit ait été
généré par le modèle 1 : qt = P(st = 1|yt, yt-1, qt-1). BSV considèrent que l’investisseur
révise ses probabilités en appliquant la loi de Bayes.
Par conséquent,
Qt+1 =[((1- λ1)qt+ λ2(1-qt)) P(yt+1 = 1|st+1=1, yt)] / [((1- λ1)qt+ λ2(1-qt)) P(yt+1 =
1|st+1=1, yt) + (λ1qt+ (1-λ2)(1-qt)) P(yt+1 = 1|st+1=2, yt)]
(2)
En particulier, si le choc aux revenus à la période t+1, yt+1, est le même que le choc
précédent en t, yt, l’investisseur met à jour qt+1 à partir de qt en utilisant
Qt+1 =[((1- λ1)qt+ λ2(1-qt))πL / [((1- λ1)qt+ λ2(1-qt))πL + (λ1qt+ (1-λ2)(1-qt)) πH] (3)
Les auteurs montrent que qt+1<qt dans ce cas. En d’autres termes, les investisseurs
accordent plus de poids au modèle 2 si ils observent deux chocs consécutifs allant dans
le même sens.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
311
Similairement, si le choc yt+1, à la période t+1 est opposé au choc précédent yt à la
période t,
Qt+1 =[((1- λ1)qt+ λ2(1-qt))(1-πL))] /[((1- λ1)qt+ λ2(1-qt))(1-πL) + (λ1qt+ (1-λ2)(1-qt))(1-πH)]
(4)
Dans ce cas, qt+1 > qt et les investisseurs accordent plus de poids à la réalisation
croissante du modèle 1.
Intuitivement, si le choc suivant est de signe différent, notre investisseur donnera
un peu plus de poids au modèle 1 et donc qt va augmenter. Par contre, si le choc est de
même signe, il donnera moins de poids au modèle 1 et donc qt va diminuer.
Avec Nt le revenu de l’actif à la date t, le prix de l’actif sur le marché sera la
somme actualisée des revenus tels qu’ils sont perçus par l’investisseur représentatif :
Pt = Et [Nt+1/(1+δ) + Nt+2/(1+δ)2 + … + Nt+n/(1+δ)n]
(5)
Avec n tendant vers l’infini.
BSV (1998) précisent que cette formule n’est valable que dans la mesure ou notre
investisseur utilise les mauvais modèles (modèle 1 et 2) pour prévoir les résultats. En
effet, s’il était rationnel, on aurait Et(Nt+j) = Nt (la valeur prévision meilleure des
valeurs futures est la valeur d’audjourd’hui). Dans ce cas, on obtiendrait Pt = Nt/δ.
Si l’investisseur représentatif utilise les modèles 1 et 2 et le régime de transition,
BSV montrent que l’équation (5) devient :
Pt = Nt /δ + yt(p1 – p2qt)
(6)
Où p1 et p2 sont deux constantes qui dépendent de πL, πH , λ1, λ2.
L’interprétation de la formule (6) est assez simple : Le premier terme Nt/δ est
l’expression du prix obtenue si l’investisseur utilise une marché au hasard pour prévoir
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
312
les revenus futurs, il s’agit donc de la valeur fondamentale de notre actif. Le second
terme yt(p1 – p2qt) représente la déviation de prix par rapport à la valeur fondamentale.
Dans le cas où l’investisseur sous-réagit car il donne plus de poids au modèle 1, le
prix de l’actif doit être logiquement en dessous de sa valeur fondamentale. Le terme
yt(p1 – p2qt) doit être négatif pour que le modèle génère une sous-réaction à l’annonce
d’un choc positif yt. L’investisseur donnera plus de poids au modèle 1 quand qt
(probabilité d’être dans le modèle 1 connaissant l’information passée : yt-1 et qt-1)
augmente. En examinant le second terme, on voit qu’une augmentation de qt peut
entraîner sous certaines conditions sur les p1 et p2 : p2qt > p1 et donc : yt(p1 – p2qt) < 0
puisque yt > 0.
Le raisonnement concernant la sur-réaction est symétrique. Après une chaîne de
chocs positifs qt va diminuer de telle manière que l’on obtienne à un moment : yt(p1 –
p2qt) > 0 avec p2qt < p1 puisque le prix doit être au-dessus de sa valeur fondamentale
après une chaîne de chocs positifs.
BSV (1998) vont plus loin en montrant que le modèle génère la sur-réaction et la
sous-réaction si p1 et p2 satisfassent la condition suivante :
P2qbas < p1 < p2 < p2qmoyen
Où qmoyen est une valeur moyenne de qt et qbas est la valeur basse de qt.
Finalement, les auteurs montrent que si p1 et p2 satisfont :
_kp2 < p1 < ¯ kp2
(7)
avec p2 > 0, alors l’expression (7) permet d’obtenir la sur et la sous-réaction. _k et
¯ k sont des constantes qui dépendent de πL, πH , λ1, λ2.
Le modèle de De Long, Shleifer, Summers et Waldmann (1990)
Le modèle de De Long et al (1990) est un modèle à générations imbriquées à deux
périodes. Il n’y a pas de décisions de consommation à la première période et d’offre de
travail : les ressources que les agents doivent investir sont ainsi exogènes. La seule
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
313
décision consiste à choisir un portefeuille dans la première période (i.e. quand on est
jeune) pour maximiser l’utilité anticipée en fin de période de richesses. Ensuite, les
« vieux » vendent leurs actifs risqués aux « jeunes » et utilisent ce qu’ils reçoivent de
l’actif sans risque pour acheter le bien de consommation. L’actif sans risque a une
offre parfaitement élastique. L’offre de l’actif incertain/risqué u est fixe et normalisé à
l’unité. Les deux actifs offrent un dividende réel connu r (le taux sans risque) et donc
il n’y a pas de risque fondamental. Une unité de l’actif sans risque permet d’acheter
une unité du bien de consommation, et par conséquent le prix réel de l’actif sans risque
est égal à l’unité.
La proportion des noise traders (NT) est µ avec (1- µ) pour les détenteurs de fonds
(SM) sur le marché. Les SM perçoivent correctement la distribution des rendements
sur l’actif risqué t+1. Les NT peuvent être « haussiers » ou « baissiers » et mal
percevoir la distribution des vrais prix. La mauvaise perception moyenne des NT du
prix anticipé est notée ρ* et en un quelconque moment du temps, la mauvaise
perception réelle ρt se comporte selon la loi suivante :
ρt ∼ N(ρ,σ²)
(8)
Chaque agent maximise une fonction d’utilité d’aversion pour le risque absolu
constant à la fin de la période en déterminant la richesse w :
U = exp(-2γw)
(9)
Si les rendements sur l’actif risqué sont distribués selon la loi normale, alors
maximiser (8) est équivalent à maximiser :
w - γσw²
(10)
où w est l’espérance de la richesse finale, γ est le coefficient absolu de l’aversion pour
le risque. Ainsi, les SM choisissent le montant de l’actif risqué afin de détenir λst en
maximisant :
E(U) = c0 + λst[r + tPct+1 – Pt (1 + r)] - γ (λst)² tσ²pt+1
(11)
Où c0 est une constante (i.e. le revenu en période zéro) et tσ²pt+1 est la variance du prix
anticipée conditionnelle de la période suivante :
σ²pt+1 = Et[pt+1 – EtPt+1]²
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
(12)
Annexes
314
Le NT a la même fonction objectif que les SM, sauf que son rendement anticipé a un
terme supplémentaire +λntρt (et naturellement λn remplace λns dans (11)). Ces
fonctions objectifs sont de la même forme que ceux trouvés dans le modèle de
moyenne-variance simple avec deux actifs (où un actif est l’actif sans risque).
En posant ∂E(U)/ ∂λt = 0 dans (11), la fonction objectif donne alors les fonctions de
demande d’actif habituelles de l’actif risqué pour les SM et les NT :
λns = Ret /2γ[ tσ²pt+1]
(13)
λnt = Ret+1 /2γ[ tσ²pt+1] + ρt /2γ[ tσ²pt+1]
(14)
où Ret+1 = rt + tPt+1 – (1+r)Pt. La demande des NT dépend en partie de leur approche
anormale des rendements anticipés comme reflétée dans ρt. Puisque les « vieux »
vendent leurs actifs risqués aux jeunes et que l’offre fixe des actifs risqués est égale à
1, on a :
(1 - µ)λns + µλnt = 1
(15)
Par conséquent, en utilisant (13) et (14), l’équation du prix d’équilibre est :
Pt = 1/(r+1) [r + tPt+1 – 2γ tσ²pt+1 + µρt]
(16)
L’équilibre dans le modèle est un état stable où la distribution inconditionnelle de Pt+1
égale celle de Pt. Par conséquent, en résolvant (16) de manière récursive on obtient :
Pt = 1 + [µ(ρt - ρ*)/(1 + r)] + (µρ*/r) – [ 2γ/r] tσ²pt+1
(17)
Seulement ρt est une variable dans (17) et par conséquent :
tσ²pt+1
= tσ²pt+1 = µ²σ²/(1 + r)²
(18)
où à partir de (1), (ρt - ρ*) = N(ρ,σ²). En substituant (18) dans (17), on obtient
l’équation pour le niveau du prix donnée dans le texte :
Pt = 1 + [µ(ρt - ρ*)/(1 + r)] + (µρ*/r) – 2γσ²/[r(1+r)²]
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
(19)
Annexes
315
ANNEXE 3 : GRAPHIQUES ET TABLEAUX DES RESULTATS DES
ETUDES DE BERNARD ET THOMAS (1989, 1990)
Graphique 2.1 – Rentabilités anormales cumulatives (CAR) des portefeuilles composés suivant les
surprises de bénéfices (84472 annonces trimestrielles de bénéfice, 1974 – 1986) : Source Bernard (1993) in
Bernard et Thomas (1989)
Graphique 2.2 – Evolution des réactions des titres aux annonces de bénéfices selon la taille sur 360 jours
de transaction: Source Bernard (1993) in Bernard et Thomas (1989)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
316
Graphique 2.3 – Graphique comparatif des résultats des études de Latane, Jones et Rieke (1974),
Rendleman, Jones et Latane (1982) et Bernard et Thomas (1989): Source Bernard (1993)
Graphique 2.4 – Evolution des rentabilités anormales cumulatives (CAR) ajustées à la taille des
portefeuilles composés suivant les surprises de bénéfices: Source Bernard (1993) in Bernard et Thomas
(1989)
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
317
ANNEXE 4 : LISTES DES FIRMES INITIALE ET FINALE DE NOTRE
ETUDE
Annexe 4.1 - Liste initiale des firmes (financières et non financières) de notre
étude.
NAME***
INDM**
VINTNERS
BDATE*
TEXTILES+LEATHER
LVMH
GDS
OTHER
01/01/73
COMPUTER
BULL
HARDWARE
01/01/73
FOOD + DRUG
CARREFOUR
RETAILERS
01/01/73
FOOD + DRUG
CASINO GUICHARD-P
RETAILERS
VIVENDI UNIVERSAL CABLE + SATELLITE
DEPT
01/01/73
GDS
01/01/73
HOTELS
01/01/73
GALERIES
RETAILERS, MULTI
LAFAYETTE
DEPT
01/01/73
VALEO
AUTO PARTS
01/01/73
ELF AQUITAINE
OIL INTEGRATED
01/01/73
CIMENTS FRANCAIS
MATERIALS
01/01/73
TOTAL FINA ELF SA
OIL INTEGRATED
01/01/73
LAFARGE
MATERIALS
EIFFAGE
CONSTRUCTION
BUILDING
01/01/73
TEXTILES+LEATHER
VEV
CONSTRUCTION
01/01/73
RETAILERS, MULTI
PINAULT PRINTEMPS
COLAS
CLUB MEDITERRANEE
BUILDING
01/01/73
NON-FERROUS
VALLOUREC
METALS
01/01/73
FINEXTEL
REAL ESTATE DEV.
01/01/73
AIRLINES +
01/01/73
OTHER
01/01/73
OTHER
GROUPE GTM
CONSTRUCTION
01/01/73
DEFENCE
01/01/1973
THALES (EX
AIR FRANCE
AIRPORTS
01/01/73
LOCINDUS
REAL ESTATE DEV.
01/01/73
ACCOR
HOTELS
01/01/1973
MICHELIN
TYRES AND RUBBER
01/01/73
EUROPE 1 COMM.
BROADCASTING
01/01/1973
DASSAULT AVIATION
AEROSPACE
01/01/73
BAZAR DE L'
RETAILERS, MULTI
HTL.VILLE
DEPT
01/01/73
SOMMER-ALLIBERT
AUTO PARTS
01/01/73
LEGRAND
EQUIPMENT
01/01/1973
DANONE
FOOD PROCESSORS
01/01/73
THOMSON-CSF)
TELECOM
SAGEM
EQUIPMENT
01/01/1973
ELECTRICAL
ESSO
OIL INTEGRATED
01/01/73
FROMAGERIES BEL
FOOD PROCESSORS
01/01/73
BAIL INVESTI.
REAL ESTATE DEV.
01/01/73
MOULINEX
APPS+HSEWARES
01/01/73
L'OREAL
PRODUCTS
BOUYGUES
CONSTRUCTION
01/01/73
UNIBAIL R
REAL ESTATE DEV.
29/01/74
ELF GABON
EXPL/PROD.
19/02/74
HSEHOLD
PERSONAL
TEXTILES+LEATHER
DMC
GDS
SKIS ROSSIGNOL
CR.FONC.FRANCE 'B'
01/01/73
CHEMICALS,
AIR LIQUIDE
COMMODITY
OIL + GAS
01/01/73
HSEHOLD
01/01/73
OTHER
LEISURE EQUIPMENT 01/01/73
REAL ESTATE DEV.
01/01/73
BIC
APPS+HSEWARES
01/01/73
HAVAS
MEDIA AGENCIES
04/09/74
PERNOD-RICARD
DISTILLERS +
01/01/73
TAITTINGER
DISTILLERS +
26/02/75
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
318
VINTNERS
INDUSTRY
HSEHOLD
SEB
APPS+HSEWARES
10/06/75
MED EQUIP +
ESSILOR INTL.
SUPPLIES
METALEUROP
ENG. FABRICATORS
04/01/88
TEISSEIRE-FRANCE
SOFT DRINKS
04/01/88
AEROSPACE
04/01/88
TECHNOFAN
28/10/75
NON-FERROUS
GEODIS
RAIL, ROAD, FREIGHT 04/01/88
BOLLORE
RAIL, ROAD, FREIGHT 04/01/88
CFF RECYCLING
METALS
12/11/75
CR.AGR.ILE DE
GAUMONT
LEISURE FACILITIES
13/11/75
FRANCE
HAVAS ADVERTISING
MEDIA AGENCIES
14/11/75
LOUVRE (STE DU)
HOTELS
21/11/75
SIMCO R
REAL ESTATE DEV.
04/12/75
PEUGEOT SA
AUTOMOBILE
30/09/76
DEVEAUX
GDS
AXA
OTHER INSURANCE
27/09/77
GUYENNE &
FOOD + DRUG
GASCOGNE
RETAILERS
DIVERSIFIED
CGIP
INDUSTRY
DAMART
GOODS
02/03/88
FOOD + DRUG
RALLYE
RETAILERS
31/05/88
TEXTILES+LEATHER
20/11/78
31/05/88
31/05/88
ENGINEERING,
NSC
RETAILERS, SOFT
BANKS
25/01/80
GENERAL
02/06/88
ELECTRONIC
FOOD PROCESSORS
21/07/80
INGENICO
SANOFI-SYNTHELABO PHARMACEUTICALS
21/07/80
TF1 (TV.FSE.1)
EQUIPMENT
03/06/88
LEISURE FACILITIES
03/06/88
BONGRAIN
EQUIPMENT
02/06/88
BROADCASTING
02/06/88
ELECTRONIC
ELECTRICAL
SCHNEIDER ELTE.SA
EQUIPMENT
18/09/81
TONNA ELEC.
SODEXHO ALLIANCE
BUSINESS SUPPORT
15/04/83
SMOBY
FAURECIA
AUTO PARTS
02/01/84
MANUTAN INTL.
03/01/84
CHRISTIAN DALLOZ
03/12/84
BOISSET
VINTNERS
15/07/88
ROCHETTE (LA)
PACKAGING
27/07/88
CLOTHING +
CHEMS.ADVANCED
PLASTIC OMNIUM
MATS.
PRODUCTS
COMPUTER
CAP GEMINI
SERVICES
METALS
SAINT GOBAIN
MATERIALS
THERMADOR GPE.
10/07/85
GROUPE ZANNIER
FOOTWEAR
26/08/88
TIPIAK
FOOD PROCESSORS
03/01/89
23/12/86
TELECOM
EQUIPMENT
03/06/87
ENGINEERING,
CNIM (CA)
GENERAL
29/06/87
SOCIETE GENERALE
BANKS
08/07/87
UNION FINC.FRANC.
BANKS
17/09/87
ALTRAN TECH.
BUSINESS SUPPORT
20/10/87
FOOD + DRUG
RETAILERS
29/10/87
CANAL +
BROADCASTING
27/11/87
SERVICES
18/04/89
CEGID
SOFTWARE
18/04/89
SOGEPARC
REAL ESTATE DEV.
18/04/89
RUBIS
OIL INTEGRATED
18/04/89
DISTILLERS +
MARIE BRIZARD
MEDIA AGENCIES
04/01/88
ZODIAC
LEISURE FACILITIES
04/01/88
DIVERSIFIED
04/01/88
VINTNERS
18/04/89
DIVERSIFIED
INDUSTRY
18/04/89
DIVERSIFIED
FIMALAC
INDUSTRY
VINCI (EX SGE)
CONSTRUCTION
DISTRIB. IND. COMPS. 04/01/88
PUBLICIS GROUPE
DELACHAUX
COMPUTER
ATOS ORIGIN
BOLLORE INVESTI.
DISTRIBORG
REXEL
DISTRIB. IND. COMPS. 29/07/88
CLOTHING +
BUILDING
ALCATEL A
11/07/88
12/06/85
NON-FERROUS
PECHINEY 'B'
FOOTWEAR
DISTILLERS +
PERSONAL
CLARINS
DISTRIB. IND. COMPS. 06/06/88
18/04/89
OTHER
18/04/89
DIVERSIFIED
FINATIS
INDUSTRY
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
18/04/89
Annexes
319
IMMOB.HOTELIERE
REAL ESTATE DEV.
18/04/89
INSURANCE NONFINAXA
NON-FERROUS
LIFE
18/04/89
NORDON
METALS
18/04/89
MONTUPET
AUTO PARTS
18/04/89
CASCADES
PACKAGING
18/04/89
VIRBAC
PHARMACEUTICALS
18/04/89
GEVELOT
ENG. FABRICATORS
18/04/89
PARIS.DE CHAUFFAGE GAS DISTRIBUTION
18/04/89
ONET
18/04/89
TOUAX
18/04/89
DYNACTION
INDUSTRY
18/04/89
MUSEE GREVIN
LEISURE FACILITIES
18/04/89
AGF-ASR.GL.DE FRN.
OTHER INSURANCE
18/04/89
BAINS MER MONACO LEISURE FACILITIES
LAUNDRIES +
INDUSTRY
SALVEPAR
INVESTMENT COS.(6) 18/04/89
NON-FERROUS
CROMETAL
METALS
LEBON
18/04/89
INVESTMENT COS.(6) 18/04/89
PAUL PREDAULT
FOOD PROCESSORS
COMMERCIAL
MANITOU
MARINE WENDEL
REAL ESTATE DEV.
OXYGENE EO.
PACKAGING
18/04/89
GUERBET
PHARMACEUTICALS
18/04/89
NORD-EST
PACKAGING
SUCRIERE PITHIVIERS FOOD PROCESSORS
NATEXIS BQ POP
BANKS
18/04/89
VIEL ET CIE
ENTENIAL (EX CDE)
BANKS
18/04/89
DUPONT
STEEL
18/04/89
SOPHIA (EX SFI)
REAL ESTATE DEV.
18/04/89
TELEFLEX LIONEL
EUROTUNNEL UNT.FF RAIL, ROAD, FREIGHT 18/04/89
PERSONAL
JACQUES BOGART
PRODUCTS
18/04/89
KLEPIERRE
REAL ESTATE DEV.
18/04/89
SCOR
RE-INSURANCE
18/04/89
SAUPIQUET
FOOD PROCESSORS
18/04/89
CHEMICALS,
ROBERTET
SPECIALITY
18/04/89
RUE IMPERIALE
REAL ESTATE DEV.
18/04/89
SILIC
REAL ESTATE DEV.
18/04/89
INSURANCE NONGENERALI FRANCE
LIFE
18/04/89
BUILDING
VICAT
MATERIALS
18/04/89
GECINA
REAL ESTATE DEV.
18/04/89
ENGINEERING,
LEGRIS INDUSTRIES
GENERAL
18/04/89
18/04/89
EQUIPMENT
18/04/89
GOODS
18/04/89
INVESTMENT BANKS 18/04/89
MEDIA AGENCIES
18/04/89
ELECTRONIC
18/04/89
PROPERTY AGENCIES 18/04/89
INDUSTRY
SR
TELEPERFORMANCE
SAY CI LIMITED DATA FOOD PROCESSORS
18/04/89
RETAILERS, SOFT
18/04/89
ERIDANIA BEGHIN
ICC
MB ELECTRONIQUE
GO SPORT
18/04/89
INDUSTRY
ELECTRONIC
PARIS.REESCOMPTE INVESTMENT COS.(6) 18/04/89
POCHET
18/04/89
DIVERSIFIED
18/04/89
CPR
VEHICLES
DIVERSIFIED
18/04/89
IMMEUBLES DE
FRANCE
18/04/89
DIVERSIFIED
DIVERSIFIED
LUCIA
CLEANERS
RAIL, ROAD, FREIGHT 18/04/89
LECTRA SYS.
EQUIPMENT
18/04/89
ENGINEERING,
BENETEAU
GENERAL
18/04/89
FOOD + DRUG
MONOPRIX
RETAILERS
18/04/89
PUBLISHING +
LAGARDERE GROUPE
PRINTING
18/04/89
RETAILERS, SOFT
GROUPE ANDRE
GOODS
18/04/89
PUBLISHING +
FININFO
PRINTING
18/04/89
NON-FERROUS
ARBEL
METALS
18/04/89
UNILOG SA
SOFTWARE
18/04/89
CLOTHING +
ROULEAU GUICHARD
FOOTWEAR
CASTORAMA DUBOIS RETAIL, HARDLINES
LATECOERE
DEFENCE
19/04/89
19/04/89
03/05/89
ELECTRONIC
RADIALL
EQUIPMENT
13/06/89
GROUPE GASCOGNE
PACKAGING
06/07/89
HUREL DUBOIS
AEROSPACE
05/09/89
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
320
SPIR COMM.
BROADCASTING
12/09/89
EURO DISNEY SCA
LEISURE FACILITIES
03/11/89
SYLEA
EQUIPMENT
NRJ
BROADCASTING
08/12/89
SYSTAR LIMITED
COMPUTER
12/12/89
DATA
SERVICES
27/03/90
ADA
PIER IMPORT EUROPE RETAIL, HARDLINES
SOPRA
SOFTWARE
FFP FONC.FINC.PARTS. REAL ESTATE DEV.
ELECTRICAL
FAIVELEY
CNO.CANNES
HOTELS
RAIL, ROAD, FREIGHT 06/07/94
GENERAL
13/09/94
NON-FERROUS
19/09/90
BUILDING
27/06/94
ENGINEERING,
19/09/90
FERMIERE
20/06/94
ERAMET
METALS
04/10/94
SABETON
MATERIALS
21/09/90
BOIRON
PHARMACEUTICALS
04/10/94
GROUPE GUILLIN
PAPER
21/09/90
M6-METROPOLE TV
BROADCASTING
05/10/94
ENGINEERING,
BUILDING
21/09/90
TECHNIP
GENERAL
28/10/94
CHEMICALS,
RENAULT
AUTOMOBILE
17/11/94
PSB INDUSTRIES
COMMODITY
21/09/90
PENAUILLE
SODICE
RETAIL, HARDLINES
21/09/90
POLYSERVICES
BUSINESS SUPPORT
08/12/94
SEMICONDUCTORS
08/12/94
SAMSE
MATERIALS
SACI
DISTRIB. IND. COMPS. 21/09/90
S (PAR)
CHEMS.ADVANCED
BURELLE
MATS.
SIPAREX
MECATHERM
GENERAL
GROUPE DIFFUSION + BUSINESS SUPPORT
CHEMS.ADVANCED
MATS.
ENGINEERING,
21/03/91
INVESTMENT COS.(6) 11/06/91
PLAST.VAL LOIRE
STMICROELECTRONIC
TOBACCO
14/12/94
24/01/95
24/06/91
SEITA
20/02/95
EQUIPMENT
23/03/95
HOTELS
29/03/95
ELECTRONIC
TEXTILES+LEATHER
CHRISTIAN DIOR
GDS
04/12/91
APEM
REMY COINTREAU
BREWERS
24/12/91
GROUPE PARTOUCHE
SPECIALITY
06/04/95
CHEMICALS,
BUILDING
LAPEYRE
MATERIALS
21/05/92
PCAS
AVENTIS
PHARMACEUTICALS
26/01/93
CEGEDIM
BUSINESS SUPPORT
12/04/95
CLOTHING +
ASSYSTEM
BUSINESS SUPPORT
09/06/95
FOOTWEAR
03/06/93
SABATE DIOSOS
PACKAGING
27/06/95
DU PAREIL MEME
HERMES INTL.
TEXTILES+LEATHER
CLOTHING +
NAF-NAF
FOOTWEAR
16/06/93
BNP PARIBAS
BANKS
18/10/93
SIDEL
COMMODITY
04/07/95
GENERAL
USINOR
STEEL
10/07/95
LDC
FOOD PROCESSORS
23/11/95
JET MULTIMEDIA
MEDIA AGENCIES
27/12/95
HIGH CO
MEDIA AGENCIES
17/04/96
ARKOPHARMA
PHARMACEUTICALS
22/04/96
HYPARLO
RETAIL, HARDLINES
30/04/96
GENSET
PHARMACEUTICALS
07/06/96
RETAIL, HARDLINES
VILMORIN CLAUSE
FARMING AND
&CIE
FISHING
27/10/93
08/11/93
09/11/93
PUBLISHING +
PRINTING
EURO.D'EXTINCTEURS BUSINESS SUPPORT
23/12/93
01/06/94
OTHER
CONSTRUCTION
01/06/94
NORBERT
DENTRESSANGLE
GRANDVISION
CHEMICALS,
INFO REALITE
LIVRES/PROFRANCE
ALGECO
30/06/95
ENGINEERING,
MAXI-
INFOGRAMES ENTM.
GDS
RAIL, ROAD, FREIGHT 10/06/94
PHOTOGRAPHY
14/06/94
TEXTILES+LEATHER
CHARGEURS
GDS
24/06/96
BRICORAMA
RETAIL, HARDLINES
24/06/96
PATHE
MEDIA AGENCIES
24/06/96
DASSAULT SYSTEMES
SOFTWARE
28/06/96
UBI SOFT ENTM.
HOME
04/07/96
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
321
ENTERTAINMENT
ALDETA
BUILDING
WALTER
MATERIALS
RETAIL, HARDLINES
10/07/97
DANE-ELEC MEMORY BUSINESS SUPPORT
17/07/97
26/09/96
EURO DE CASINOS
09/10/96
SYLIS
15/10//96
FRANCE TELECOM
LINE
17/10/97
SAVEURS FRANCE
FOOD PROCESSORS
20/10/97
SECHE
ENVIRONMENTAL
ENVIRONNEMENT
CONTROL
ELECTRONIC
COFIDUR
EQUIPMENT
ALES GROUPE
PRODUCTS
25/10//96
RETAILERS, SOFT
MARC ORIAN
GOODS
SERVICES
15/10/97
TELECOM FIXED
COMPUTER
SERVICES
22/07/97
COMPUTER
PERSONAL
R2I SANTE
LEISURE FACILITIES
30/10//96
COMPUTER
26/11/97
COMPUTER
GROUPE FOCAL
SERVICES
PUBLISHING +
12/12/97
TITUS INTERACTIVE
SERVICES
04/11//96
HOLOGRAM
NATUREX
FOOD PROCESSORS
04/11//96
INDUSTRIES
PRINTING
19/01/98
CEREP
PHARMACEUTICALS
20/02/98
BOUYGUES
OFFSHORE
OIL SERVICES
07/11//96
DISTILLERS +
BOIZEL CHANOINE
BVRP
FINUCHEM
INDUSTRY
27/02/98
VINTNERS
06/12//96
TRANSICIEL
SOFTWARE
13/03/98
SOFTWARE
09/12//96
TRIGANO
TEXTILES+LEATHER
ST DUPONT
FLO (GROUPE)
GDS
10/12//96
BROADCASTING
10/12//96
JEAN CLAUDE
DARMON
DIVERSIFIED
ELECTRONIC
OLITEC
EQUIPMENT
17/12//96
BELVEDERE
PAPER
28/01/97
APPS+HSEWARES
04/02/97
ROYAL CANIN
FOOD PROCESSORS
01/04/97
EXPOSITIONS
BUSINESS SUPPORT
20/05/97
DURAN DUBOI
MEDIA AGENCIES
23/05/97
CREATIFS
HOTELS
05/05/98
RODRIGUEZ GROUP LEISURE EQUIPMENT 19/05/98
WORMS &CIE (EX-
DIVERSIFIED
SOMEAL)
INDUSTRY
25/05/98
GFI INFORMATIQUE
SOFTWARE
27/05/98
DIOSOS
PACKAGING
11/06/98
SILICOMP
SOFTWARE
15/06/98
BRICE
DISTRIBUTORS
HSEHOLD
GUY DEGRENNE
LEISURE EQUIPMENT 18/03/98
OTHER
18/06/98
CHEMICALS,
RHODIA
COMMODITY
24/06/98
BONDUELLE
FOOD PROCESSORS
25/06/98
OTOR
PACKAGING
25/06/98
ELECTRONIC
DIGIGRAM
EQUIPMENT
13/06/97
ENGINEERING,
EXEL INDUSTRIES
GENERAL
ETAM
RETAILERS, SOFT
DEVELOPEMENT
GOODS
26/06/97
26/06/97
ELECTRICAL
ENTRELEC GROUP
EQUIPMENT
27/06/97
ESKER
SOFTWARE
02/07/97
Annexe 4.2 - Liste finale des firmes de notre étude avec les dates d’annonces de
bénéfice.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
322
EQUIPMENT
DAT_ANO_
BENEF****
Name***
IDMN*
31/12/1987
ACCOR
HOTELS
11/05/1989
ACCOR
HOTELS
10/05/1990
ACCOR
HOTELS
19/06/1991
ACCOR
HOTELS
13/05/1992
ACCOR
HOTELS
01/07/1993
ACCOR
HOTELS
14/04/1994
ACCOR
HOTELS
05/05/1995
ACCOR
29/04/1996
13/04/1994
ALCATEL A
05/04/1995
ALCATEL A
29/03/1996
ALCATEL A
18/03/1997
ALCATEL A
19/03/1998
ALCATEL A
HOTELS
29/01/1999
ALCATEL A
ACCOR
HOTELS
04/02/2000
ALCATEL A
07/05/1997
ACCOR
HOTELS
08/04/1998
ACCOR
HOTELS
05/08/1997
ALDETA
31/03/1999
ACCOR
HOTELS
13/01/1999
ALDETA
22/03/2000
ACCOR
18/05/1999
ALDETA
13/12/1994
ADA
13/02/1997
ALES GROUPE
14/09/1995
ADA
14/04/1997
ALES GROUPE
09/07/1996
ADA
31/03/1998
ALES GROUPE
14/05/1997
ADA
28/04/1999
ALES GROUPE
13/04/1998
ADA
02/06/2000
ALES GROUPE
31/05/2000
AIR FRANCE
28/08/1997
ALGECO
31/12/1987
AIR LIQUIDE
14/01/1998
ALGECO
11/05/1989
AIR LIQUIDE
15/12/1998
ALGECO
15/05/1990
AIR LIQUIDE
25/01/2000
ALGECO
16/04/1991
AIR LIQUIDE
31/12/1987
ALTRAN TECH.
09/04/1992
AIR LIQUIDE
16/08/1989
ALTRAN TECH.
25/03/1993
AIR LIQUIDE
15/05/1990
ALTRAN TECH.
25/03/1994
AIR LIQUIDE
15/05/1991
ALTRAN TECH.
23/03/1995
AIR LIQUIDE
11/06/1992
ALTRAN TECH.
19/04/1996
AIR LIQUIDE
07/06/1993
ALTRAN TECH.
06/03/1997
AIR LIQUIDE
20/09/1994
ALTRAN TECH.
05/03/1998
AIR LIQUIDE
05/05/1995
ALTRAN TECH.
08/03/1999
AIR LIQUIDE
10/04/1996
ALTRAN TECH.
02/03/2000
AIR LIQUIDE
06/05/1997
ALTRAN TECH.
31/12/1987
ALCATEL A
30/04/1998
ALTRAN TECH.
25/05/1989
ALCATEL A
15/04/1999
ALTRAN TECH.
18/07/1990
ALCATEL A
19/04/2000
ALTRAN TECH.
19/06/1991
ALCATEL A
01/11/1995
APEM
09/04/1992
ALCATEL A
HOTELS
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
AIRLINES +
AIRPORTS
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
11/06/1996
APEM
06/05/1993
ALCATEL A
TELECOM
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
Annexes
323
18/04/1997
APEM
27/03/1998
APEM
27/04/1999
APEM
06/04/2000
APEM
27/08/1990
ARBEL
03/07/1991
ARBEL
11/06/1992
ARBEL
10/12/1993
ARBEL
21/07/1994
ARBEL
12/06/1995
ARBEL
20/10/1997
ARBEL
13/01/1999
ARBEL
12/08/1996
ARKOPHARMA
13/05/1997
ARKOPHARMA
17/02/1998
ARKOPHARMA
31/03/1999
ARKOPHARMA
23/02/2000
ARKOPHARMA
13/07/1995
ASSYSTEM
19/04/1996
ASSYSTEM
14/05/1997
ASSYSTEM
07/04/1998
ASSYSTEM
04/05/1999
ASSYSTEM
05/05/2000
ASSYSTEM
31/12/1987
ATOS ORIGIN
19/07/1989
ATOS ORIGIN
19/06/1990
ATOS ORIGIN
29/07/1991
ATOS ORIGIN
28/05/1992
ATOS ORIGIN
08/06/1993
ATOS ORIGIN
08/02/1994
ATOS ORIGIN
20/03/1995
ATOS ORIGIN
24/10/1995
ATOS ORIGIN
24/09/1996
ATOS ORIGIN
12/12/1997
ATOS ORIGIN
11/12/1998
ATOS ORIGIN
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
02/12/1999
ATOS ORIGIN
31/12/1987
AVENTIS
29/06/1989
AVENTIS
18/04/1990
AVENTIS
15/05/1991
AVENTIS
30/04/1992
AVENTIS
04/03/1993
AVENTIS
18/02/1994
AVENTIS
09/02/1995
AVENTIS
20/02/1996
AVENTIS
07/05/1997
AVENTIS
29/01/1998
AVENTIS
29/01/1999
AVENTIS
23/03/2000
AVENTIS
13/09/1990
BAINS MER MONACO
13/11/1991
BAINS MER MONACO
05/11/1992
BAINS MER MONACO
09/11/1993
BAINS MER MONACO
07/03/1995
BAINS MER MONACO
09/01/1996
BAINS MER MONACO
20/12/1996
BAINS MER MONACO
30/10/1997
BAINS MER MONACO
15/09/1998
BAINS MER MONACO
02/12/1999
BAINS MER MONACO
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
31/12/1987
12/06/1989
30/05/1990
16/04/1991
13/05/1992
01/07/1993
21/07/1994
12/05/1995
29/03/1996
01/04/1997
13/03/1998
COMPUTER
SERVICES
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
324
24/03/2000
BAZAR DE L'
HTL.VILLE
BAZAR DE L'
HTL.VILLE
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
22/01/1997
BELVEDERE
PAPER
12/05/1997
BELVEDERE
PAPER
20/04/1998
BELVEDERE
PAPER
21/10/1999
BELVEDERE
PAPER
16/03/2000
BELVEDERE
31/08/1987
BENETEAU
31/08/1988
BENETEAU
05/03/1990
BENETEAU
13/03/1991
BENETEAU
11/03/1992
BENETEAU
01/02/1993
BENETEAU
08/12/1994
BENETEAU
24/01/1995
BENETEAU
14/03/1996
BENETEAU
12/05/1997
BENETEAU
05/12/1997
BENETEAU
15/09/1998
BENETEAU
25/01/2000
BENETEAU
31/12/1987
BIC
26/06/1989
BIC
15/05/1990
BIC
13/06/1991
BIC
06/05/1993
BIC
07/05/1993
BIC
24/03/1994
BIC
23/03/1995
BIC
22/03/1996
BIC
20/03/1997
BIC
12/03/1998
BIC
25/02/1999
BIC
24/03/2000
BIC
31/12/1987
BOIRON
22/06/1989
BOIRON
15/05/1990
BOIRON
PAPER
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
22/03/1999
15/05/1991
BOIRON
13/05/1992
BOIRON
06/05/1993
BOIRON
01/08/1994
BOIRON
31/03/1995
BOIRON
09/07/1996
BOIRON
13/03/1997
BOIRON
19/03/1998
BOIRON
18/03/1999
BOIRON
16/03/2000
BOIRON
31/12/1987
BOISSET
31/08/1988
BOISSET
13/02/1990
BOISSET
13/03/1991
BOISSET
12/06/1995
BOISSET
12/06/1996
BOISSET
15/05/1997
BOISSET
05/06/1998
BOISSET
12/04/1999
BOISSET
28/04/2000
BOISSET
27/12/1996
BOIZEL CHANOINE
14/05/1997
BOIZEL CHANOINE
15/04/1998
BOIZEL CHANOINE
30/03/1999
BOIZEL CHANOINE
30/03/2000
BOIZEL CHANOINE
31/12/1987
BOLLORE
16/08/1989
BOLLORE
05/06/1990
BOLLORE
30/05/1991
BOLLORE
30/04/1992
BOLLORE
27/05/1993
BOLLORE
19/04/1995
BOLLORE
10/04/1996
BOLLORE
03/04/1997
BOLLORE
13/04/1998
BOLLORE
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
325
16/04/1999
BOLLORE
05/05/2000
BOLLORE
29/04/1996
BOLLORE INVESTI.
10/10/1996
BOLLORE INVESTI.
22/03/1999
BOLLORE INVESTI.
27/04/1999
BOLLORE INVESTI.
05/05/2000
BOLLORE INVESTI.
21/10/1998
BONDUELLE
30/03/1999
BONDUELLE
29/03/2000
BONDUELLE
31/12/1987
BONGRAIN
19/07/1989
BONGRAIN
15/05/1990
BONGRAIN
13/06/1991
BONGRAIN
30/04/1992
BONGRAIN
22/04/1993
BONGRAIN
27/04/1994
BONGRAIN
14/03/1995
BONGRAIN
28/03/1996
BONGRAIN
07/03/1997
BONGRAIN
06/03/1998
BONGRAIN
08/03/1999
BONGRAIN
14/03/2000
BONGRAIN
31/12/1987
BOUYGUES
09/03/1989
BOUYGUES
30/05/1990
BOUYGUES
16/04/1991
BOUYGUES
16/03/1992
BOUYGUES
25/03/1993
BOUYGUES
20/04/1994
BOUYGUES
21/04/1995
BOUYGUES
02/05/1996
BOUYGUES
29/04/1997
BOUYGUES
08/04/1998
BOUYGUES
31/03/1999
BOUYGUES
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
06/03/2000
OTHER
CONSTRUCTION
BOUYGUES
05/12/1996 BOUYGUES OFFSHORE
OIL SERVICES
19/03/1997 BOUYGUES OFFSHORE
OIL SERVICES
10/03/1998 BOUYGUES OFFSHORE
OIL SERVICES
15/03/1999 BOUYGUES OFFSHORE
OIL SERVICES
08/03/2000 BOUYGUES OFFSHORE
14/10/1998
BRICE
06/05/1999
BRICE
24/05/2000
BRICE
12/08/1996
BRICORAMA
30/04/1997
BRICORAMA
30/04/1998
BRICORAMA
16/04/1999
BRICORAMA
16/05/2000
BRICORAMA
31/12/1987
BULL
16/08/1989
BULL
11/07/1990
BULL
12/07/1991
BULL
11/06/1992
BULL
15/05/1997
BULL
04/02/1998
BULL
12/02/1999
BULL
11/02/2000
BULL
02/01/1990
BURELLE
05/06/1990
BURELLE
13/06/1991
BURELLE
04/06/1992
BURELLE
07/07/1993
BURELLE
20/12/1994
BURELLE
14/09/1995
BURELLE
12/07/1996
BURELLE
16/05/1997
BURELLE
02/04/1998
BURELLE
05/02/1999
BURELLE
OIL SERVICES
OTHER
DISTRIBUTORS
OTHER
DISTRIBUTORS
OTHER
DISTRIBUTORS
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
COMPUTER
HARDWARE
COMPUTER
HARDWARE
COMPUTER
HARDWARE
COMPUTER
HARDWARE
COMPUTER
HARDWARE
COMPUTER
HARDWARE
COMPUTER
HARDWARE
COMPUTER
HARDWARE
COMPUTER
HARDWARE
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
13/05/1997
BVRP
SOFTWARE
20/11/1997
BVRP
SOFTWARE
15/09/1998
BVRP
SOFTWARE
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
326
04/11/1999
BVRP
SOFTWARE
31/12/1987
CANAL +
BROADCASTING
11/05/1989
CANAL +
BROADCASTING
10/05/1990
CANAL +
BROADCASTING
15/05/1991
CANAL +
BROADCASTING
30/04/1992
CANAL +
BROADCASTING
01/04/1993
CANAL +
BROADCASTING
13/04/1994
CANAL +
BROADCASTING
14/03/1995
CANAL +
BROADCASTING
22/03/1996
CANAL +
BROADCASTING
20/03/1997
CANAL +
BROADCASTING
09/03/1998
CANAL +
BROADCASTING
18/03/1999
CANAL +
BROADCASTING
08/03/2000
CANAL +
31/12/1987
CAP GEMINI
30/12/1988
CAP GEMINI
14/03/1990
CAP GEMINI
13/03/1991
CAP GEMINI
30/04/1992
CAP GEMINI
24/02/1993
CAP GEMINI
28/02/1994
CAP GEMINI
12/06/1995
CAP GEMINI
19/04/1996
CAP GEMINI
12/05/1997
CAP GEMINI
05/03/1998
CAP GEMINI
21/01/1999
CAP GEMINI
28/01/2000
CAP GEMINI
31/12/1987
CARREFOUR
01/05/1989
CARREFOUR
18/04/1990
CARREFOUR
15/05/1991
CARREFOUR
30/04/1992
CARREFOUR
07/04/1993
CARREFOUR
22/03/1994
CARREFOUR
08/03/1995
CARREFOUR
06/03/1996
CARREFOUR
26/02/1997
CARREFOUR
25/02/1998
CARREFOUR
18/02/1999
CARREFOUR
BROADCASTING
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
24/02/2000
CARREFOUR
FOOD + DRUG
RETAILERS
31/12/1987
CASCADES
PACKAGING
14/07/1989
CASCADES
PACKAGING
30/01/1991
CASCADES
PACKAGING
13/06/1991
CASCADES
PACKAGING
08/04/1992
CASCADES
PACKAGING
01/04/1993
CASCADES
PACKAGING
02/02/1995
CASCADES
PACKAGING
12/06/1995
CASCADES
PACKAGING
09/07/1996
CASCADES
PACKAGING
15/05/1997
CASCADES
PACKAGING
26/03/1998
CASCADES
PACKAGING
10/03/1999
CASCADES
PACKAGING
03/03/2000
CASCADES
31/12/1987
CASINO GUICHARD-P
13/06/1989
CASINO GUICHARD-P
15/05/1990
CASINO GUICHARD-P
13/06/1991
CASINO GUICHARD-P
30/04/1992
CASINO GUICHARD-P
07/04/1993
CASINO GUICHARD-P
10/03/1994
CASINO GUICHARD-P
20/03/1995
CASINO GUICHARD-P
12/03/1996
CASINO GUICHARD-P
11/03/1997
CASINO GUICHARD-P
21/01/1998
CASINO GUICHARD-P
23/02/1999
CASINO GUICHARD-P
07/03/2000
CASINO GUICHARD-P
31/12/1987
CASTORAMA DUBOIS
13/06/1989
CASTORAMA DUBOIS
05/06/1990
CASTORAMA DUBOIS
30/05/1991
CASTORAMA DUBOIS
13/05/1992
CASTORAMA DUBOIS
01/04/1993
CASTORAMA DUBOIS
05/04/1994
CASTORAMA DUBOIS
29/03/1995
CASTORAMA DUBOIS
09/04/1996
CASTORAMA DUBOIS
11/03/1997
CASTORAMA DUBOIS
13/03/1998
CASTORAMA DUBOIS
PACKAGING
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
17/03/1999
CASTORAMA DUBOIS
RETAIL,
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
327
HARDLINES
13/06/1991
CGIP
13/05/1992
CGIP
01/07/1993
CGIP
26/04/1994
CGIP
05/05/1995
CGIP
26/06/1996
CGIP
14/05/1997
CGIP
03/04/1998
CGIP
01/04/1999
CGIP
29/03/2000
CGIP
24/06/1996
CHARGEURS
17/03/2000
CASTORAMA DUBOIS
09/10/1995
CEGEDIM
29/04/1996
CEGEDIM
08/04/1997
CEGEDIM
03/04/1998
CEGEDIM
09/04/1999
CEGEDIM
03/04/2000
CEGEDIM
RETAIL,
HARDLINES
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
31/12/1987
CEGID
SOFTWARE
16/08/1989
CEGID
SOFTWARE
05/06/1990
CEGID
SOFTWARE
13/06/1991
CEGID
SOFTWARE
11/06/1992
CEGID
SOFTWARE
27/05/1993
CEGID
SOFTWARE
08/04/1997
CHARGEURS
18/11/1994
CEGID
SOFTWARE
11/03/1998
CHARGEURS
12/06/1995
CEGID
SOFTWARE
01/05/1996
CEGID
SOFTWARE
03/03/1999
CHARGEURS
15/05/1997
CEGID
SOFTWARE
02/03/2000
CHARGEURS
25/03/1998
CEGID
SOFTWARE
31/12/1987
CHRISTIAN DALLOZ
26/03/1999
CEGID
SOFTWARE
24/03/2000
CEGID
13/06/1989
CHRISTIAN DALLOZ
30/09/1987
CFF RECYCLING
15/08/1990
CHRISTIAN DALLOZ
16/08/1989
CFF RECYCLING
29/07/1991
CHRISTIAN DALLOZ
05/06/1990
CFF RECYCLING
11/06/1992
CHRISTIAN DALLOZ
13/06/1991
CFF RECYCLING
27/05/1993
CHRISTIAN DALLOZ
11/06/1992
CFF RECYCLING
21/07/1994
CHRISTIAN DALLOZ
27/05/1993
CFF RECYCLING
02/06/1995
CHRISTIAN DALLOZ
20/07/1994
CFF RECYCLING
09/07/1996
CHRISTIAN DALLOZ
29/06/1995
CFF RECYCLING
14/05/1997
CHRISTIAN DALLOZ
12/02/1996
CFF RECYCLING
06/03/1998
CHRISTIAN DALLOZ
13/03/1997
CFF RECYCLING
27/04/1999
CHRISTIAN DALLOZ
18/03/1998
CFF RECYCLING
06/04/2000
CHRISTIAN DALLOZ
15/12/1998
CFF RECYCLING
29/12/1989
CHRISTIAN DIOR
28/03/2000
CFF RECYCLING
SOFTWARE
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
10/12/1991
CHRISTIAN DIOR
13/07/1999
CGBI
SOFTWARE
28/05/1992
CHRISTIAN DIOR
03/03/2000
CGBI
13/05/1993
CHRISTIAN DIOR
31/12/1987
CGIP
20/04/1994
CHRISTIAN DIOR
11/05/1989
CGIP
19/05/1995
CHRISTIAN DIOR
30/05/1990
CGIP
SOFTWARE
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
29/04/1996
CHRISTIAN DIOR
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
328
18/04/1997
CHRISTIAN DIOR
16/04/1998
CHRISTIAN DIOR
18/03/1999
CHRISTIAN DIOR
13/03/2000
CHRISTIAN DIOR
31/12/1987
CIMENTS FRANCAIS
13/06/1989
CIMENTS FRANCAIS
10/05/1990
CIMENTS FRANCAIS
13/06/1991
CIMENTS FRANCAIS
30/04/1992
CIMENTS FRANCAIS
22/04/1993
CIMENTS FRANCAIS
28/04/1994
CIMENTS FRANCAIS
22/03/1995
CIMENTS FRANCAIS
11/03/1996
CIMENTS FRANCAIS
03/03/1997
CIMENTS FRANCAIS
20/02/1998
CIMENTS FRANCAIS
16/02/1999
CIMENTS FRANCAIS
16/02/2000
CIMENTS FRANCAIS
31/12/1987
CLARINS
28/06/1989
CLARINS
01/05/1990
CLARINS
16/04/1991
CLARINS
20/05/1992
CLARINS
22/04/1993
CLARINS
20/04/1994
CLARINS
19/04/1995
CLARINS
22/03/1996
CLARINS
22/04/1997
CLARINS
20/04/1998
CLARINS
15/04/1999
CLARINS
07/04/2000
CLARINS
31/12/1987
CNIM (CA)
13/06/1989
CNIM (CA)
05/06/1990
CNIM (CA)
29/07/1991
CNIM (CA)
04/06/1992
CNIM (CA)
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
16/06/1993
CNIM (CA)
02/09/1994
CNIM (CA)
12/06/1995
CNIM (CA)
12/04/1996
CNIM (CA)
23/04/1997
CNIM (CA)
03/04/1998
CNIM (CA)
11/06/1999
CNIM (CA)
02/06/2000
CNIM (CA)
13/02/1997
COFIDUR
13/05/1997
COFIDUR
15/04/1998
COFIDUR
09/04/1999
COFIDUR
02/06/2000
COFIDUR
31/12/1987
COLAS
18/07/1989
COLAS
15/08/1990
COLAS
15/05/1991
COLAS
28/05/1992
COLAS
14/07/1993
COLAS
19/04/1994
COLAS
21/04/1995
COLAS
18/04/1996
COLAS
21/04/1997
COLAS
02/02/1998
COLAS
29/03/1999
COLAS
04/02/2000
COLAS
31/12/1987
CROMETAL
13/06/1989
CROMETAL
13/06/1990
CROMETAL
13/06/1991
CROMETAL
04/06/1992
CROMETAL
07/06/1993
CROMETAL
02/09/1994
CROMETAL
12/06/1995
CROMETAL
10/10/1996
CROMETAL
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
Annexes
329
16/05/1997
CROMETAL
14/01/1999
CROMETAL
27/04/1999
CROMETAL
04/04/2000
CROMETAL
28/10/1998
CYBER PRESS PBL
29/04/1999
CYBER PRESS PBL
04/04/2000
CYBER PRESS PBL
31/12/1987
DAMART
11/05/1989
DAMART
04/06/1990
DAMART
13/06/1991
DAMART
04/06/1992
DAMART
14/04/1993
DAMART
23/08/1994
DAMART
13/02/1995
DAMART
13/11/1995
DAMART
04/12/1996
DAMART
19/09/1997
DAMART
15/09/1998
DAMART
02/12/1999
DAMART
31/12/1987
DANONE
11/05/1989
DANONE
03/05/1990
DANONE
16/04/1991
DANONE
30/04/1992
DANONE
25/03/1993
DANONE
17/03/1994
DANONE
28/03/1995
DANONE
22/03/1996
DANONE
04/02/1997
DANONE
29/01/1998
DANONE
27/01/1999
DANONE
28/01/2000
DANONE
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
31/12/1987 DASSAULT AVIATION
AEROSPACE
12/06/1989 DASSAULT AVIATION
AEROSPACE
04/06/1990 DASSAULT AVIATION
AEROSPACE
13/06/1991 DASSAULT AVIATION
AEROSPACE
11/06/1992 DASSAULT AVIATION
AEROSPACE
06/05/1993 DASSAULT AVIATION
AEROSPACE
21/07/1994 DASSAULT AVIATION
AEROSPACE
28/04/1995 DASSAULT AVIATION
AEROSPACE
02/08/1996 DASSAULT AVIATION
AEROSPACE
15/05/1997 DASSAULT AVIATION
AEROSPACE
08/04/1998 DASSAULT AVIATION
AEROSPACE
24/02/1999 DASSAULT AVIATION
AEROSPACE
22/02/2000 DASSAULT AVIATION
AEROSPACE
12/08/1996 DASSAULT SYSTEMES
SOFTWARE
11/02/1997 DASSAULT SYSTEMES
SOFTWARE
12/02/1998 DASSAULT SYSTEMES
SOFTWARE
08/02/1999 DASSAULT SYSTEMES
SOFTWARE
09/02/2000 DASSAULT SYSTEMES
SOFTWARE
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
31/12/1987
DELACHAUX
14/07/1989
DELACHAUX
11/07/1990
DELACHAUX
13/06/1991
DELACHAUX
30/06/1992
DELACHAUX
14/07/1993
DELACHAUX
18/11/1994
DELACHAUX
27/10/1995
DELACHAUX
10/10/1996
DELACHAUX
07/07/1997
DELACHAUX
05/06/1998
DELACHAUX
17/05/1999
DELACHAUX
02/06/2000
DELACHAUX
31/12/1987
DEVEAUX
13/06/1989
DEVEAUX
11/07/1990
DEVEAUX
15/05/1991
DEVEAUX
12/01/1993
DEVEAUX
14/07/1993
DEVEAUX
05/05/1994
DEVEAUX
04/04/1995
DEVEAUX
19/04/1996
DEVEAUX
25/02/1997
DEVEAUX
14/09/1998
DEVEAUX
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
330
27/04/1999
DEVEAUX
04/02/2000
DEVEAUX
11/06/1997
DIGIGRAM
26/03/1998
DIGIGRAM
24/02/1999
DIGIGRAM
03/03/2000
02/12/1999
DIGIGRAM
DIOSOS SUSP - SUSP 28/02/01
DIOSOS SUSP - SUSP 28/02/01
DIOSOS SUSP - SUSP 28/02/01
31/12/1987
DISTRIBORG
13/06/1989
DISTRIBORG
13/06/1990
DISTRIBORG
13/06/1991
DISTRIBORG
08/04/1992
DISTRIBORG
27/05/1993
DISTRIBORG
18/11/1994
DISTRIBORG
14/08/1995
DISTRIBORG
09/07/1996
DISTRIBORG
26/03/1997
DISTRIBORG
06/03/1998
DISTRIBORG
04/03/1999
DISTRIBORG
18/04/2000
DISTRIBORG
31/12/1987
DMC
30/12/1988
DMC
16/05/1990
DMC
13/03/1991
DMC
13/05/1992
DMC
14/04/1993
DMC
08/03/1994
DMC
31/03/1995
DMC
14/03/1996
DMC
24/06/1998
15/12/1998
26/02/1997
DMC
26/02/1998
DMC
05/03/1999
DMC
23/02/2000
DMC
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
02/03/2000
EIFFAGE
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
31/12/1987
ELF AQUITAINE
OIL INTEGRATED
16/08/1989
ELF AQUITAINE
OIL INTEGRATED
13/03/1991
ELF AQUITAINE
OIL INTEGRATED
12/07/1991
ELF AQUITAINE
OIL INTEGRATED
16/03/1992
ELF AQUITAINE
OIL INTEGRATED
01/11/1995
DU PAREIL MEME
09/07/1996
DU PAREIL MEME
13/05/1997
DU PAREIL MEME
30/04/1998
DU PAREIL MEME
15/03/1999
DU PAREIL MEME
27/03/2000
DU PAREIL MEME
PACKAGING
31/12/1987
DYNACTION
PACKAGING
14/07/1989
DYNACTION
PACKAGING
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
13/06/1990
DYNACTION
13/06/1991
DYNACTION
11/06/1992
DYNACTION
07/07/1993
DYNACTION
02/09/1994
DYNACTION
21/04/1995
DYNACTION
27/06/1996
DYNACTION
15/05/1997
DYNACTION
08/05/1998
DYNACTION
27/04/1999
DYNACTION
31/12/1987
EIFFAGE
16/08/1989
EIFFAGE
11/07/1990
EIFFAGE
19/06/1991
EIFFAGE
30/04/1992
EIFFAGE
27/05/1993
EIFFAGE
05/04/1994
EIFFAGE
29/03/1995
EIFFAGE
29/03/1996
EIFFAGE
20/03/1997
EIFFAGE
19/03/1998
EIFFAGE
09/03/1999
EIFFAGE
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
331
17/02/1993
ELF AQUITAINE
OIL INTEGRATED
09/03/1994
ELF AQUITAINE
OIL INTEGRATED
23/03/1995
ELF AQUITAINE
OIL INTEGRATED
22/02/1996
ELF AQUITAINE
OIL INTEGRATED
27/02/1997
ELF AQUITAINE
OIL INTEGRATED
26/02/1998
ELF AQUITAINE
OIL INTEGRATED
25/02/1999
ELF AQUITAINE
OIL INTEGRATED
04/02/2000
ELF AQUITAINE
31/12/1987
13/06/1989
13/06/1990
15/05/1991
11/06/1992
27/05/1993
21/07/1994
02/05/1995
10/06/1996
03/03/1997
26/03/1998
02/03/1999
02/03/2000
17/06/1997
18/06/1998
05/02/1999
31/05/2000
21/09/1998
02/08/1999
17/05/2000
21/11/1994
05/05/1995
14/03/1996
30/04/1997
14/04/1998
08/04/1999
13/04/2000
31/12/1987
20/06/1989
OIL INTEGRATED
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
EXPL/PROD.
ELF GABON
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
EXPL/PROD.
ELF GABON
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
EXPL/PROD.
ELF GABON
OIL + GAS
ELF GABON
EXPL/PROD.
OIL + GAS
EXPL/PROD.
ELF GABON
OIL + GAS
ELF GABON
EXPL/PROD.
ELECTRICAL
ENTRELEC GROUP
EQUIPMENT
ELECTRICAL
ENTRELEC GROUP
EQUIPMENT
ELECTRICAL
ENTRELEC GROUP
EQUIPMENT
ELECTRICAL
EQUIPMENT
ENTRELEC GROUP
TELECOM FIXED
EQUANT (PAR)
LINE
TELECOM FIXED
LINE
EQUANT (PAR)
TELECOM FIXED
EQUANT (PAR)
LINE
NON-FERROUS
ERAMET
METALS
NON-FERROUS
ERAMET
METALS
NON-FERROUS
ERAMET
METALS
NON-FERROUS
METALS
ERAMET
NON-FERROUS
ERAMET
METALS
NON-FERROUS
METALS
ERAMET
NON-FERROUS
ERAMET
METALS
ERIDANIA BEGHIN
FOOD
SAY CI LIMITED DATA
PROCESSORS
ERIDANIA BEGHIN
FOOD
SAY CI LIMITED DATA
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
ERIDANIA BEGHIN
18/07/1990 SAY CI LIMITED DATA
ERIDANIA BEGHIN
13/06/1991 SAY CI LIMITED DATA
ERIDANIA BEGHIN
13/05/1992 SAY CI LIMITED DATA
ERIDANIA BEGHIN
01/07/1993 SAY CI LIMITED DATA
ERIDANIA BEGHIN
04/04/1994 SAY CI LIMITED DATA
ERIDANIA BEGHIN
07/04/1995 SAY CI LIMITED DATA
ERIDANIA BEGHIN
10/04/1996 SAY CI LIMITED DATA
ERIDANIA BEGHIN
04/04/1997 SAY CI LIMITED DATA
ERIDANIA BEGHIN
01/04/1998 SAY CI LIMITED DATA
ERIDANIA BEGHIN
18/03/1999 SAY CI LIMITED DATA
ERIDANIA BEGHIN
30/03/2000 SAY CI LIMITED DATA
11/06/1997
ESKER
SOFTWARE
06/04/1998
ESKER
SOFTWARE
10/03/1999
ESKER
SOFTWARE
22/03/2000
ESKER
31/12/1987
ESSILOR INTL.
11/05/1989
ESSILOR INTL.
04/06/1990
ESSILOR INTL.
13/06/1991
ESSILOR INTL.
06/05/1993
ESSILOR INTL.
06/05/1993
ESSILOR INTL.
25/04/1994
ESSILOR INTL.
03/04/1995
ESSILOR INTL.
08/04/1996
ESSILOR INTL.
20/03/1997
ESSILOR INTL.
12/03/1998
ESSILOR INTL.
11/03/1999
ESSILOR INTL.
28/01/2000
ESSILOR INTL.
SOFTWARE
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
MED EQUIP +
SUPPLIES
31/12/1987
ESSO
OIL INTEGRATED
11/05/1989
ESSO
OIL INTEGRATED
05/06/1990
ESSO
OIL INTEGRATED
19/06/1991
ESSO
OIL INTEGRATED
06/05/1993
ESSO
OIL INTEGRATED
13/05/1993
ESSO
OIL INTEGRATED
04/04/1994
ESSO
OIL INTEGRATED
12/06/1995
ESSO
OIL INTEGRATED
22/03/1996
ESSO
OIL INTEGRATED
21/03/1997
ESSO
OIL INTEGRATED
26/03/1998
ESSO
OIL INTEGRATED
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
332
02/12/1999
FAIVELEY
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
07/02/1990
FAURECIA
AUTO PARTS
13/06/1991
FAURECIA
AUTO PARTS
11/06/1992
FAURECIA
AUTO PARTS
19/05/1993
FAURECIA
AUTO PARTS
05/05/1994
FAURECIA
AUTO PARTS
05/05/1995
FAURECIA
AUTO PARTS
29/04/1996
FAURECIA
AUTO PARTS
23/04/1997
FAURECIA
AUTO PARTS
06/03/1998
FAURECIA
AUTO PARTS
24/02/1999
FAURECIA
AUTO PARTS
22/02/2000
FAURECIA
23/11/1998
FI SYSTEM
BROADCASTING
22/04/1999
FI SYSTEM
EUROPE 1 COMM.
BROADCASTING
15/03/2000
FI SYSTEM
EUROPE 1 COMM.
BROADCASTING
13/03/1991
EUROPE 1 COMM.
BROADCASTING
25/07/1996
FIMALAC
16/03/1992
EUROPE 1 COMM.
BROADCASTING
10/04/1997
FIMALAC
19/05/1993
EUROPE 1 COMM.
BROADCASTING
20/03/1998
FIMALAC
28/02/1994
EUROPE 1 COMM.
BROADCASTING
12/06/1995
EUROPE 1 COMM.
BROADCASTING
24/03/1999
FIMALAC
01/04/1996
EUROPE 1 COMM.
BROADCASTING
05/05/2000
FIMALAC
05/02/1997
EUROPE 1 COMM.
BROADCASTING
31/12/1987
FINATIS
06/03/1998
EUROPE 1 COMM.
BROADCASTING
15/12/1998
EUROPE 1 COMM.
BROADCASTING
RAIL, ROAD,
FREIGHT
13/06/1989
FINATIS
04/02/1991
FINATIS
AUTO PARTS
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
25/03/1999
ESSO
OIL INTEGRATED
08/05/2000
07/04/2000
ESSO
ETAM
DEVELOPEMENT
ETAM
DEVELOPEMENT
ETAM
DEVELOPEMENT
ETAM
DEVELOPEMENT
31/07/1997
EURO DE CASINOS
15/04/1998
EURO DE CASINOS
15/12/1998
EURO DE CASINOS
22/02/2000
EURO DE CASINOS
20/01/1992
EURO DISNEY SCA
16/03/1992
EURO DISNEY SCA
16/12/1992
EURO DISNEY SCA
27/07/1994
EURO DISNEY SCA
05/05/1995
EURO DISNEY SCA
15/11/1995
EURO DISNEY SCA
13/03/1997
EURO DISNEY SCA
17/11/1997
EURO DISNEY SCA
19/11/1998
EURO DISNEY SCA
06/03/2000 EURO.D'EXTINCTEURS
OIL INTEGRATED
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
30/09/1987
EUROPE 1 COMM.
30/09/1988
10/04/1990
11/06/1997
03/04/1998
29/03/1999
05/11/1999
EURO DISNEY SCA
09/10/1995 EURO.D'EXTINCTEURS
31/05/1996 EURO.D'EXTINCTEURS
16/04/1997 EURO.D'EXTINCTEURS
31/03/1998 EURO.D'EXTINCTEURS
06/04/1999 EURO.D'EXTINCTEURS
01/07/1993 EUROTUNNEL UNT.FF
09/08/1994 EUROTUNNEL UNT.FF
02/06/1995 EUROTUNNEL UNT.FF
11/06/1996 EUROTUNNEL UNT.FF
19/05/1997 EUROTUNNEL UNT.FF
17/02/1998 EUROTUNNEL UNT.FF
16/03/1999 EUROTUNNEL UNT.FF
20/05/1998
EXEL INDUSTRIES
15/09/1998
EXEL INDUSTRIES
30/12/1999
EXEL INDUSTRIES
16/11/1994
FAIVELEY
01/02/1995
FAIVELEY
12/09/1995
FAIVELEY
25/07/1996
FAIVELEY
16/07/1997
FAIVELEY
15/09/1998
FAIVELEY
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
333
07/04/2000
FINUCHEM
DIVERSIFIED
INDUSTRY
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
23/11/1998
FLO (GROUPE)
HOTELS
27/04/1999
FLO (GROUPE)
HOTELS
15/05/2000
FLO (GROUPE)
29/07/1991
FINATIS
31/12/1987
FININFO
14/07/1989
FININFO
05/06/1990
FININFO
29/07/1991
FININFO
29/07/1992
FININFO
27/03/1997
FININFO
16/05/1997
FININFO
07/05/1998
FININFO
13/04/1999
FININFO
03/04/2000
FININFO
25/03/1999
FINUCHEM
23/04/1999
FINUCHEM
16/04/1997
19/03/1998
18/03/1999
02/03/2000
31/12/1987
29/06/1989
05/06/1990
15/05/1991
13/05/1992
07/04/1993
04/04/1994
03/04/1995
11/06/1996
03/04/1997
08/04/1998
12/04/1999
25/04/2000
31/12/1987
14/07/1989
HOTELS
TELECOM FIXED
FRANCE TELECOM
LINE
TELECOM FIXED
LINE
FRANCE TELECOM
TELECOM FIXED
FRANCE TELECOM
LINE
TELECOM FIXED
FRANCE TELECOM
LINE
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
PROCESSORS
FROMAGERIES BEL
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
PROCESSORS
FROMAGERIES BEL
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
PROCESSORS
FROMAGERIES BEL
FOOD
FROMAGERIES BEL
PROCESSORS
FOOD
PROCESSORS
FROMAGERIES BEL
FOOD
FROMAGERIES BEL
PROCESSORS
RETAILERS, MULTI
GALERIES LAFAYETTE
DEPT
RETAILERS, MULTI
GALERIES LAFAYETTE
DEPT
16/05/1990 GALERIES LAFAYETTE
13/06/1991 GALERIES LAFAYETTE
11/06/1992 GALERIES LAFAYETTE
14/07/1993 GALERIES LAFAYETTE
01/08/1994 GALERIES LAFAYETTE
12/06/1995 GALERIES LAFAYETTE
10/04/1996 GALERIES LAFAYETTE
07/04/1997 GALERIES LAFAYETTE
06/04/1998 GALERIES LAFAYETTE
01/04/1999 GALERIES LAFAYETTE
07/04/2000 GALERIES LAFAYETTE
04/04/1991
GAUMONT
13/06/1991
GAUMONT
04/06/1992
GAUMONT
01/04/1993
GAUMONT
21/07/1994
GAUMONT
05/05/1995
GAUMONT
11/06/1996
GAUMONT
13/03/1997
GAUMONT
06/03/1998
GAUMONT
24/03/1999
GAUMONT
03/03/2000
GAUMONT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
25/03/1999 GENERALE LOCATION MEDIA AGENCIES
07/04/1999 GENERALE LOCATION MEDIA AGENCIES
03/03/2000 GENERALE LOCATION MEDIA AGENCIES
COMPUTER
SERVICES
25/03/1999
GENERIX
COMPUTER
19/04/1999
GENERIX
SERVICES
COMPUTER
26/04/2000
GENERIX
SERVICES
ELECTRONIC
24/05/1999
GENESYS
EQUIPMENT
ELECTRONIC
12/04/2000
GENESYS
EQUIPMENT
PHARMACEUTICA
LS
24/06/1996
GENSET
PHARMACEUTICA
19/03/1997
GENSET
LS
PHARMACEUTICA
LS
08/05/1998
GENSET
PHARMACEUTICA
10/02/1999
GENSET
LS
PHARMACEUTICA
24/02/2000
GENSET
LS
RAIL, ROAD,
09/08/1988
GEODIS
FREIGHT
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
334
15/05/1997
GEVELOT
17/04/1998
GEVELOT
28/04/1999
GEVELOT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
30/09/1998
GFI INFORMATIQUE
SOFTWARE
19/04/1996
GROUPE GASCOGNE
PACKAGING
GROUPE GASCOGNE
PACKAGING
26/06/1989
GEODIS
15/05/1991
GEODIS
30/05/1991
GEODIS
04/06/1992
GEODIS
07/06/1993
GEODIS
01/08/1994
GEODIS
12/06/1995
GEODIS
09/07/1996
GEODIS
06/05/1997
GEODIS
17/04/1998
GEODIS
18/03/1999
GEODIS
24/03/2000
GEODIS
04/12/1995
GEVELOT
02/08/1996
GEVELOT
15/09/1998
GROUPE ANDRE
25/01/2000
GROUPE ANDRE
11/04/1995
GROUPE DIFFUSION +
27/11/1995
GROUPE DIFFUSION +
17/02/1997
GROUPE DIFFUSION +
23/09/1997
GROUPE DIFFUSION +
15/09/1998
GROUPE DIFFUSION +
02/12/1999
GROUPE DIFFUSION +
15/12/1998
GROUPE FOCAL
05/05/1999
GROUPE FOCAL
30/03/2000
GROUPE FOCAL
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
31/12/1987
GROUPE GASCOGNE
PACKAGING
13/06/1989
GROUPE GASCOGNE
PACKAGING
13/06/1990
GROUPE GASCOGNE
PACKAGING
13/06/1991
GROUPE GASCOGNE
PACKAGING
04/06/1992
GROUPE GASCOGNE
PACKAGING
22/04/1993
GROUPE GASCOGNE
PACKAGING
01/08/1994
GROUPE GASCOGNE
PACKAGING
02/06/1995
GROUPE GASCOGNE
PACKAGING
03/03/1999
GFI INFORMATIQUE
SOFTWARE
03/04/1997
23/02/2000
GFI INFORMATIQUE
SOFTWARE
26/03/1998
GROUPE GASCOGNE
08/07/1994
GRANDVISION
PHOTOGRAPHY
31/12/1987
GROUPE GTM
04/04/1995
GRANDVISION
PHOTOGRAPHY
26/03/1996
GRANDVISION
PHOTOGRAPHY
13/06/1989
GROUPE GTM
18/03/1997
GRANDVISION
PHOTOGRAPHY
16/05/1990
GROUPE GTM
17/03/1998
GRANDVISION
PHOTOGRAPHY
13/06/1991
GROUPE GTM
18/03/1999
GRANDVISION
PHOTOGRAPHY
03/03/2000
GRANDVISION
13/05/1992
GROUPE GTM
31/08/1987
GROUPE ANDRE
07/04/1993
GROUPE GTM
31/08/1988
GROUPE ANDRE
15/03/1994
GROUPE GTM
13/02/1990
GROUPE ANDRE
12/04/1995
GROUPE GTM
13/03/1991
GROUPE ANDRE
12/04/1996
GROUPE GTM
19/02/1992
GROUPE ANDRE
01/04/1997
GROUPE GTM
17/02/1993
GROUPE ANDRE
26/03/1998
GROUPE GTM
14/02/1994
GROUPE ANDRE
25/03/1999
GROUPE GTM
10/04/1995
GROUPE ANDRE
05/05/2000
GROUPE GTM
02/01/1990
GROUPE GUILLIN
PAPER
11/03/1996
GROUPE ANDRE
01/05/1990
GROUPE GUILLIN
PAPER
13/03/1997
GROUPE ANDRE
13/06/1991
GROUPE GUILLIN
PAPER
20/11/1997
GROUPE ANDRE
PHOTOGRAPHY
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
PACKAGING
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
04/06/1992
GROUPE GUILLIN
PAPER
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
335
09/05/2000
GUERBET
15/12/1998
GUILLEMOT CORP.
02/12/1999
GUILLEMOT CORP.
06/02/1997
GUY DEGRENNE
PAPER
06/05/1997
GUY DEGRENNE
31/03/1998
GUY DEGRENNE
08/04/1999
GUY DEGRENNE
26/04/2000
GUY DEGRENNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
GUYENNE &
GASCOGNE
PHARMACEUTICA
LS
LEISURE
FACILITIES
LEISURE
FACILITIES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
31/12/1987
HAVAS
MEDIA AGENCIES
10/03/1989
HAVAS
MEDIA AGENCIES
05/06/1990
HAVAS
MEDIA AGENCIES
15/05/1991
HAVAS
MEDIA AGENCIES
01/05/1992
HAVAS
MEDIA AGENCIES
25/03/1993
HAVAS
MEDIA AGENCIES
28/02/1994
HAVAS
MEDIA AGENCIES
12/05/1995
HAVAS
MEDIA AGENCIES
18/04/1996
HAVAS
MEDIA AGENCIES
23/04/1997
HAVAS
MEDIA AGENCIES
16/03/1998
HAVAS
MEDIA AGENCIES
16/03/1999
HAVAS
MEDIA AGENCIES
01/04/1993
GROUPE GUILLIN
PAPER
18/11/1994
GROUPE GUILLIN
PAPER
25/10/1995
GROUPE GUILLIN
PAPER
02/08/1996
GROUPE GUILLIN
PAPER
15/05/1997
GROUPE GUILLIN
PAPER
26/03/1998
GROUPE GUILLIN
PAPER
16/03/1999
GROUPE GUILLIN
19/05/2000
GROUPE GUILLIN
PAPER
13/07/1990
GROUPE PARTOUCHE
HOTELS
13/07/1995
GROUPE PARTOUCHE
HOTELS
11/03/1996
GROUPE PARTOUCHE
HOTELS
10/04/2000
25/02/1997
GROUPE PARTOUCHE
HOTELS
31/12/1987
15/12/1998
GROUPE PARTOUCHE
HOTELS
28/03/2000
GROUPE PARTOUCHE
31/12/1987
GROUPE ZANNIER
19/07/1989
GROUPE ZANNIER
11/07/1990
GROUPE ZANNIER
12/07/1991
GROUPE ZANNIER
11/06/1992
GROUPE ZANNIER
27/05/1993
GROUPE ZANNIER
02/08/1994
GROUPE ZANNIER
05/05/1995
GROUPE ZANNIER
18/06/1996
GROUPE ZANNIER
30/04/1997
GROUPE ZANNIER
27/04/1998
GROUPE ZANNIER
08/04/1999
GROUPE ZANNIER
HOTELS
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
03/04/2000
GROUPE ZANNIER
31/12/1987
GUERBET
14/07/1989
GUERBET
13/06/1990
GUERBET
15/05/1991
GUERBET
04/06/1992
GUERBET
13/05/1993
GUERBET
01/08/1994
GUERBET
12/04/1995
GUERBET
10/04/1996
GUERBET
02/04/1997
GUERBET
31/03/1998
GUERBET
23/03/1999
GUERBET
14/07/1989
05/06/1990
13/06/1991
13/05/1992
13/05/1993
14/04/1994
04/04/1995
01/04/1996
02/04/1997
30/03/1998
25/03/1999
31/12/1987 HAVAS ADVERTISING MEDIA AGENCIES
11/05/1989 HAVAS ADVERTISING MEDIA AGENCIES
05/06/1990 HAVAS ADVERTISING MEDIA AGENCIES
13/06/1991 HAVAS ADVERTISING MEDIA AGENCIES
01/05/1992 HAVAS ADVERTISING MEDIA AGENCIES
01/07/1993 HAVAS ADVERTISING MEDIA AGENCIES
21/07/1994 HAVAS ADVERTISING MEDIA AGENCIES
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
336
13/03/1995 HAVAS ADVERTISING MEDIA AGENCIES
12/12/1996
ICC
16/05/1997
ICC
27/03/1998
ICC
22/03/1999
ICC
02/06/2000
ICC
24/06/1996
INFO REALITE
13/05/1997
INFO REALITE
02/04/1998
INFO REALITE
31/03/1999
INFO REALITE
24/03/2000
INFO REALITE
31/12/1987
INGENICO
14/07/1989
INGENICO
PROPERTY
AGENCIES
PROPERTY
AGENCIES
PROPERTY
AGENCIES
PROPERTY
AGENCIES
PROPERTY
AGENCIES
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
10/06/1996 HAVAS ADVERTISING MEDIA AGENCIES
14/04/1997 HAVAS ADVERTISING MEDIA AGENCIES
27/04/1998 HAVAS ADVERTISING MEDIA AGENCIES
12/02/1999 HAVAS ADVERTISING MEDIA AGENCIES
03/03/2000 HAVAS ADVERTISING MEDIA AGENCIES
CLOTHING +
09/08/1993
HERMES INTL.
FOOTWEAR
CLOTHING +
20/07/1994
HERMES INTL.
FOOTWEAR
CLOTHING +
31/03/1995
HERMES INTL.
FOOTWEAR
CLOTHING +
FOOTWEAR
13/03/1996
HERMES INTL.
CLOTHING +
26/03/1997
HERMES INTL.
FOOTWEAR
CLOTHING +
FOOTWEAR
23/03/1998
HERMES INTL.
CLOTHING +
24/03/1999
HERMES INTL.
FOOTWEAR
CLOTHING +
22/03/2000
HERMES INTL.
FOOTWEAR
24/06/1996
HIGH CO
MEDIA AGENCIES
11/07/1990
INGENICO
15/05/1997
HIGH CO
MEDIA AGENCIES
12/07/1991
INGENICO
06/04/1998
HIGH CO
MEDIA AGENCIES
09/04/1999
HIGH CO
MEDIA AGENCIES
04/06/1992
INGENICO
07/04/2000
MEDIA AGENCIES
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
01/04/1993
INGENICO
01/08/1994
INGENICO
13/09/1995
INGENICO
09/07/1996
INGENICO
30/05/2000
HIGH CO
HOLOGRAM
INDUSTRIES
HOLOGRAM
INDUSTRIES
HOLOGRAM
INDUSTRIES
HOLOGRAM
INDUSTRIES
20/05/1997
INGENICO
08/12/1994
HUREL DUBOIS
AEROSPACE
29/04/1998
INGENICO
13/09/1995
HUREL DUBOIS
AEROSPACE
02/08/1996
HUREL DUBOIS
AEROSPACE
07/05/1999
INGENICO
15/05/1997
HUREL DUBOIS
AEROSPACE
07/04/2000
15/09/1998
HUREL DUBOIS
AEROSPACE
23/02/1999
HUREL DUBOIS
AEROSPACE
08/03/2000
HUREL DUBOIS
24/06/1996
HYPARLO
02/04/1997
HYPARLO
22/09/1999
07/01/1997
JET MULTIMEDIA
MEDIA AGENCIES
31/03/1998
HYPARLO
08/04/1997
JET MULTIMEDIA
MEDIA AGENCIES
23/03/1999
HYPARLO
08/05/1998
JET MULTIMEDIA
MEDIA AGENCIES
24/03/2000
HYPARLO
04/05/1999
JET MULTIMEDIA
MEDIA AGENCIES
09/05/2000
JET MULTIMEDIA
31/12/1987
ICC
31/12/1987
LAFARGE
16/08/1989
ICC
13/06/1989
LAFARGE
26/07/1990
ICC
03/05/1990
LAFARGE
29/07/1991
ICC
16/04/1991
LAFARGE
MEDIA AGENCIES
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
29/07/1992
ICC
AEROSPACE
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
PROPERTY
AGENCIES
PROPERTY
AGENCIES
PROPERTY
AGENCIES
PROPERTY
AGENCIES
PROPERTY
AGENCIES
INGENICO
JEAN CLAUDE
DARMON
JEAN CLAUDE
DARMON
JEAN CLAUDE
DARMON
JEAN CLAUDE
DARMON
10/02/1998
17/06/1998
26/04/1999
27/12/1996
20/11/1997
15/09/1998
BROADCASTING
BROADCASTING
BROADCASTING
BROADCASTING
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
337
30/04/1992
LAFARGE
25/03/1993
LAFARGE
11/03/1994
LAFARGE
09/03/1995
LAFARGE
12/03/1996
LAFARGE
13/03/1997
LAFARGE
12/03/1998
LAFARGE
11/03/1999
LAFARGE
24/03/2000
LAFARGE
31/12/1987 LAGARDERE GROUPE
16/08/1989 LAGARDERE GROUPE
13/06/1990 LAGARDERE GROUPE
21/10/1991 LAGARDERE GROUPE
06/07/1992 LAGARDERE GROUPE
28/07/1993 LAGARDERE GROUPE
21/07/1994 LAGARDERE GROUPE
21/04/1995 LAGARDERE GROUPE
08/04/1996 LAGARDERE GROUPE
03/04/1997 LAGARDERE GROUPE
18/03/1998 LAGARDERE GROUPE
11/03/1999 LAGARDERE GROUPE
24/03/2000 LAGARDERE GROUPE
27/05/1993
LAPEYRE
08/04/1994
LAPEYRE
29/03/1995
LAPEYRE
01/04/1996
LAPEYRE
04/02/1997
LAPEYRE
02/02/1998
LAPEYRE
25/03/1999
LAPEYRE
28/01/2000
LAPEYRE
01/12/1995
LDC
10/06/1996
LDC
12/06/1998
LDC
09/06/1999
LDC
16/06/1988
LECTRA SYS.
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
PUBLISHING +
PRINTING
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
ELECTRONIC
EQUIPMENT
16/08/1989
LECTRA SYS.
29/12/1989
LECTRA SYS.
30/09/1991
LECTRA SYS.
13/05/1992
LECTRA SYS.
01/04/1993
LECTRA SYS.
03/01/1995
LECTRA SYS.
14/09/1995
LECTRA SYS.
12/07/1996
LECTRA SYS.
15/05/1997
LECTRA SYS.
27/03/1998
LECTRA SYS.
25/02/1999
LECTRA SYS.
04/02/2000
LECTRA SYS.
31/12/1987
LEGRAND
11/05/1989
LEGRAND
07/06/1990
LEGRAND
16/04/1991
LEGRAND
30/04/1992
LEGRAND
25/03/1993
LEGRAND
04/01/1995
LEGRAND
09/03/1995
LEGRAND
22/03/1996
LEGRAND
27/02/1997
LEGRAND
20/02/1998
LEGRAND
17/02/1999
LEGRAND
09/02/2000
LEGRAND
31/12/1987
LEGRIS INDUSTRIES
29/06/1989
LEGRIS INDUSTRIES
07/06/1990
LEGRIS INDUSTRIES
15/05/1991
LEGRIS INDUSTRIES
04/06/1992
LEGRIS INDUSTRIES
08/07/1993
LEGRIS INDUSTRIES
05/04/1994
LEGRIS INDUSTRIES
05/04/1995
LEGRIS INDUSTRIES
29/03/1996
LEGRIS INDUSTRIES
11/04/1997
LEGRIS INDUSTRIES
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
Annexes
338
INDUSTRY
31/03/1999
LEGRIS INDUSTRIES
17/03/2000
LEGRIS INDUSTRIES
31/12/1987
L'OREAL
18/07/1989
L'OREAL
11/07/1990
L'OREAL
15/05/1991
L'OREAL
13/05/1992
L'OREAL
14/04/1993
L'OREAL
15/04/1994
L'OREAL
19/04/1995
L'OREAL
26/04/1996
L'OREAL
29/04/1997
L'OREAL
27/02/1998
L'OREAL
25/02/1999
L'OREAL
24/02/2000
L'OREAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
PERSONAL
PRODUCTS
31/12/1987
LOUVRE (STE DU)
HOTELS
16/08/1989
LOUVRE (STE DU)
HOTELS
07/06/1990
LOUVRE (STE DU)
HOTELS
13/06/1991
LOUVRE (STE DU)
HOTELS
11/06/1992
LOUVRE (STE DU)
HOTELS
14/07/1993
LOUVRE (STE DU)
HOTELS
20/07/1994
LOUVRE (STE DU)
HOTELS
02/06/1995
LOUVRE (STE DU)
HOTELS
21/03/1997
LVMH
16/09/1996
LOUVRE (STE DU)
HOTELS
21/03/1997
LVMH
14/05/1997
LOUVRE (STE DU)
HOTELS
01/04/1998
LOUVRE (STE DU)
HOTELS
17/03/1998
LVMH
31/03/1999
LOUVRE (STE DU)
HOTELS
17/03/1998
LVMH
03/04/2000
LOUVRE (STE DU)
18/03/1999
LVMH
31/12/1987
LUCIA
18/03/1999
LVMH
03/08/1989
LUCIA
09/03/2000
LVMH
29/11/1990
LUCIA
14/04/1998
LEGRIS INDUSTRIES
14/09/1995
LUCIA
11/10/1996
LUCIA
HOTELS
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
30/03/1999
LUCIA
DIVERSIFIED
31/07/1991
LUCIA
11/06/1992
LUCIA
31/12/1992
LUCIA
30/06/1995
LUCIA
09/03/2000
LVMH
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
21/10/1994
M6-METROPOLE TV
BROADCASTING
31/03/1995
M6-METROPOLE TV
BROADCASTING
01/04/1996
M6-METROPOLE TV
BROADCASTING
05/02/1997
M6-METROPOLE TV
BROADCASTING
09/02/1998
M6-METROPOLE TV
BROADCASTING
01/02/1999
M6-METROPOLE TV
BROADCASTING
28/01/2000
M6-METROPOLE TV
31/12/1987
MANITOU
BROADCASTING
COMMERCIAL
VEHICLES
18/05/1999
LUCIA
03/04/2000
LUCIA
31/12/1987
LVMH
31/12/1987
LVMH
19/07/1989
LVMH
19/07/1989
LVMH
15/08/1990
LVMH
15/08/1990
LVMH
15/05/1991
LVMH
15/05/1991
LVMH
30/04/1992
LVMH
30/04/1992
LVMH
06/05/1993
LVMH
06/05/1993
LVMH
21/03/1994
LVMH
21/03/1994
LVMH
23/03/1995
LVMH
23/03/1995
LVMH
25/03/1996
LVMH
25/03/1996
LVMH
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
339
13/06/1989
MANITOU
11/07/1990
MANITOU
31/07/1991
MANITOU
13/05/1992
MANITOU
06/05/1993
MANITOU
02/08/1994
MANITOU
05/07/1995
MANITOU
09/07/1996
MANITOU
08/04/1997
MANITOU
20/04/1998
MANITOU
13/04/1999
MANITOU
10/04/2000
MANITOU
30/09/1987
MANUTAN INTL.
13/06/1989
MANUTAN INTL.
05/03/1990
MANUTAN INTL.
16/04/1991
MANUTAN INTL.
26/03/1992
MANUTAN INTL.
01/04/1993
MANUTAN INTL.
14/02/1994
MANUTAN INTL.
21/04/1995
MANUTAN INTL.
02/02/1996
MANUTAN INTL.
21/01/1997
MANUTAN INTL.
21/01/1998
MANUTAN INTL.
15/12/1998
MANUTAN INTL.
04/02/2000
MANUTAN INTL.
10/12/1996
MARC ORIAN
14/08/1997
MARC ORIAN
14/09/1998
MARC ORIAN
10/08/1999
MARC ORIAN
31/12/1987
MARIE BRIZARD
16/08/1989
MARIE BRIZARD
07/06/1990
MARIE BRIZARD
13/06/1991
MARIE BRIZARD
13/05/1992
MARIE BRIZARD
01/07/1993
MARIE BRIZARD
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
COMMERCIAL
VEHICLES
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
RETAILERS, SOFT
GOODS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
06/04/1994
MARIE BRIZARD
02/06/1995
MARIE BRIZARD
10/04/1996
MARIE BRIZARD
14/05/1997
MARIE BRIZARD
14/09/1998
MARIE BRIZARD
18/05/1999
MARIE BRIZARD
02/06/2000
MARIE BRIZARD
30/06/1987
MARINE WENDEL
30/06/1988
MARINE WENDEL
11/07/1990
MARINE WENDEL
15/01/1991
MARINE WENDEL
08/06/1993
MARINE WENDEL
09/06/1993
15/09/1998
MARINE WENDEL
MAXILIVRES/PROFRANCE
MAXILIVRES/PROFRANCE
MAXILIVRES/PROFRANCE
MAXILIVRES/PROFRANCE
MAXILIVRES/PROFRANCE
MAXILIVRES/PROFRANCE
MAXILIVRES/PROFRANCE
31/12/1987
MB ELECTRONIQUE
16/08/1989
MB ELECTRONIQUE
11/07/1990
MB ELECTRONIQUE
12/07/1991
MB ELECTRONIQUE
26/10/1995
MECATHERM
09/04/1996
MECATHERM
30/04/1997
MECATHERM
06/04/1998
MECATHERM
12/02/1999
MECATHERM
11/04/2000
MECATHERM
21/10/1998
MEDIDEP
23/04/1999
MEDIDEP
30/09/1987
METALEUROP
30/09/1988
METALEUROP
19/06/1990
METALEUROP
11/01/1994
07/03/1995
13/09/1995
19/11/1996
30/10/1997
15/09/1998
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
BUSINESS
SUPPORT
BUSINESS
SUPPORT
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
Annexes
340
27/03/2000
MONOPRIX
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
ENG.
FABRICATORS
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
TYRES AND
RUBBER
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
09/04/1991
MONTUPET
AUTO PARTS
13/06/1991
MONTUPET
AUTO PARTS
30/09/1992
MONTUPET
AUTO PARTS
07/06/1993
MONTUPET
AUTO PARTS
13/03/1991
METALEUROP
16/03/1992
METALEUROP
04/02/1993
METALEUROP
01/02/1994
METALEUROP
23/12/1994
METALEUROP
19/03/1996
METALEUROP
13/03/1997
METALEUROP
13/12/1999
METALEUROP
31/12/1987
MICHELIN
29/06/1989
MICHELIN
18/07/1990
MICHELIN
15/05/1991
MICHELIN
01/05/1992
MICHELIN
14/07/1993
MICHELIN
13/04/1994
MICHELIN
12/04/1995
MICHELIN
22/03/1996
MICHELIN
18/03/1997
MICHELIN
17/03/1998
MICHELIN
16/03/1999
MICHELIN
14/03/2000
MICHELIN
15/01/1992
MONOPRIX
15/01/1992
MONOPRIX
04/06/1992
MONOPRIX
16/06/1993
MONOPRIX
22/02/1995
MONOPRIX
21/04/1995
MONOPRIX
12/04/1996
MONOPRIX
14/05/1997
MONOPRIX
27/03/1998
MONOPRIX
30/03/1999
MONOPRIX
02/08/1994
MONTUPET
AUTO PARTS
19/05/1995
MONTUPET
AUTO PARTS
12/07/1996
MONTUPET
AUTO PARTS
04/04/1997
MONTUPET
AUTO PARTS
07/04/1998
MONTUPET
AUTO PARTS
12/04/1999
MONTUPET
AUTO PARTS
25/04/2000
MONTUPET
31/12/1987
MOULINEX
13/06/1989
MOULINEX
16/05/1990
MOULINEX
15/05/1991
MOULINEX
30/04/1992
MOULINEX
06/05/1993
MOULINEX
20/07/1993
MOULINEX
02/08/1994
MOULINEX
12/09/1995
MOULINEX
20/06/1996
MOULINEX
20/06/1997
MOULINEX
04/06/1998
MOULINEX
10/06/1999
MOULINEX
14/11/1995
MUSEE GREVIN
10/10/1996
MUSEE GREVIN
16/05/1997
MUSEE GREVIN
26/03/1998
MUSEE GREVIN
09/08/1993
NAF-NAF
02/09/1994
NAF-NAF
02/09/1994
NAF-NAF
22/06/1995
NAF-NAF
21/06/1996
NAF-NAF
24/06/1997
NAF-NAF
03/09/1998
NAF-NAF
23/06/1999
NAF-NAF
22/01/1997
NATUREX
15/05/1997
NATUREX
02/04/1998
NATUREX
28/04/1999
NATUREX
06/04/2000
NATUREX
AUTO PARTS
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
341
22/03/2000
NORBERT
DENTRESSANGLE
NORBERT
DENTRESSANGLE
NORBERT
DENTRESSANGLE
NORBERT
DENTRESSANGLE
NORBERT
DENTRESSANGLE
NORBERT
DENTRESSANGLE
NORBERT
DENTRESSANGLE
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
11/07/1990
NSC
29/07/1991
NSC
09/07/1992
NSC
29/11/1993
NSC
02/09/1994
NSC
13/09/1995
NSC
09/07/1996
NSC
14/05/1997
NSC
07/04/1998
NSC
31/12/1987
ONET
14/07/1989
ONET
PACKAGING
18/07/1990
ONET
NORD-EST
PACKAGING
13/06/1991
ONET
21/08/1996
NORD-EST
PACKAGING
14/05/1997
NORD-EST
PACKAGING
13/05/1992
ONET
29/04/1998
NORD-EST
PACKAGING
07/06/1993
ONET
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
LAUNDRIES +
CLEANERS
LAUNDRIES +
CLEANERS
LAUNDRIES +
CLEANERS
LAUNDRIES +
CLEANERS
LAUNDRIES +
CLEANERS
LAUNDRIES +
CLEANERS
31/12/1987
NORD-EST
PACKAGING
13/06/1989
NORD-EST
PACKAGING
11/07/1990
NORD-EST
PACKAGING
13/06/1991
NORD-EST
PACKAGING
09/04/1992
NORD-EST
PACKAGING
13/07/1993
NORD-EST
PACKAGING
02/08/1994
NORD-EST
28/04/1995
OTOR
PACKAGING
PACKAGING
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
DIVERSIFIED
INDUSTRY
GAS
DISTRIBUTION
GAS
DISTRIBUTION
08/07/1994
29/03/1995
09/07/1996
27/03/1997
26/03/1998
12/03/1999
07/05/1999
NORD-EST
PACKAGING
25/03/1999
02/06/2000
NORD-EST
25/04/2000
OTOR
31/12/1987
NORDON
09/04/1992
OXYGENE EO.
13/06/1989
NORDON
15/07/1992
OXYGENE EO.
15/10/1990
NORDON
17/08/1994
OXYGENE EO.
13/06/1991
NORDON
29/10/1992
NORDON
17/01/1995
NORDON
14/09/1995
NORDON
12/07/1996
NORDON
PACKAGING
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
29/09/1989
NRJ
BROADCASTING
15/05/1991
NRJ
BROADCASTING
13/05/1992
NRJ
01/04/1993
28/02/1994
22/05/1991 PARIS.DE CHAUFFAGE
11/06/1992 PARIS.DE CHAUFFAGE
14/03/1997
PATHE
MEDIA AGENCIES
27/02/1998
PATHE
MEDIA AGENCIES
26/02/1999
PATHE
21/02/1990
PAUL PREDAULT
11/07/1990
PAUL PREDAULT
BROADCASTING
13/06/1991
PAUL PREDAULT
NRJ
BROADCASTING
11/06/1992
PAUL PREDAULT
NRJ
BROADCASTING
29/03/1995
NRJ
BROADCASTING
07/06/1993
PAUL PREDAULT
09/05/1996
NRJ
BROADCASTING
28/04/1994
PAUL PREDAULT
24/01/1997
NRJ
BROADCASTING
12/05/1995
PAUL PREDAULT
19/12/1997
NRJ
BROADCASTING
15/12/1998
NRJ
BROADCASTING
11/06/1996
PAUL PREDAULT
09/03/2000
NRJ
30/04/1997
PAUL PREDAULT
31/12/1987
NSC
30/04/1998
PAUL PREDAULT
14/07/1989
NSC
BROADCASTING
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
04/05/1999
PAUL PREDAULT
MEDIA AGENCIES
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
342
12/05/2000
PAUL PREDAULT
24/06/1996
PCAS
16/04/1997
PCAS
29/04/1998
PCAS
28/04/1999
PCAS
02/06/2000
PCAS
31/12/1987
PECHINEY 'B'
14/07/1989
PECHINEY 'B'
19/06/1990
PECHINEY 'B'
15/05/1991
PECHINEY 'B'
13/05/1992
PECHINEY 'B'
29/04/1993
PECHINEY 'B'
20/04/1994
PECHINEY 'B'
12/05/1995
PECHINEY 'B'
29/03/1996
PECHINEY 'B'
02/02/1998
PECHINEY 'B'
02/02/1999
PECHINEY 'B'
04/04/2000
19/04/2000
PECHINEY 'B'
PENAUILLE
POLYSERVICES
PENAUILLE
POLYSERVICES
PENAUILLE
POLYSERVICES
PENAUILLE
POLYSERVICES
PENAUILLE
POLYSERVICES
PENAUILLE
POLYSERVICES
PENAUILLE
POLYSERVICES
PERFECT
TECHNOLOGIES
PERFECT
TECHNOLOGIES
PERFECT
TECHNOLOGIES
18/04/1989
PERNOD-RICARD
29/12/1989
PERNOD-RICARD
11/05/1990
PERNOD-RICARD
12/07/1991
PERNOD-RICARD
14/04/1992
PERNOD-RICARD
11/02/1993
PERNOD-RICARD
04/04/1994
PERNOD-RICARD
06/02/1995
22/03/1995
19/04/1996
18/03/1997
18/03/1998
17/03/1999
16/03/2000
28/10/1998
30/04/1999
FOOD
PROCESSORS
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
TELECOM FIXED
LINE
TELECOM FIXED
LINE
TELECOM FIXED
LINE
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
04/04/1995
PERNOD-RICARD
09/04/1996
PERNOD-RICARD
20/03/1997
PERNOD-RICARD
18/03/1998
PERNOD-RICARD
19/03/1999
PERNOD-RICARD
28/03/2000
PERNOD-RICARD
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
31/12/1987
PEUGEOT SA
AUTOMOBILE
19/07/1989
PEUGEOT SA
AUTOMOBILE
07/06/1990
PEUGEOT SA
AUTOMOBILE
15/05/1991
PEUGEOT SA
AUTOMOBILE
13/05/1992
PEUGEOT SA
AUTOMOBILE
06/05/1993
PEUGEOT SA
AUTOMOBILE
25/03/1994
PEUGEOT SA
AUTOMOBILE
21/04/1995
PEUGEOT SA
AUTOMOBILE
29/04/1996
PEUGEOT SA
AUTOMOBILE
17/04/1997
PEUGEOT SA
AUTOMOBILE
26/03/1998
PEUGEOT SA
AUTOMOBILE
03/03/1999
PEUGEOT SA
AUTOMOBILE
23/02/2000
PEUGEOT SA
AUTOMOBILE
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
16/01/1989 PIER IMPORT EUROPE
14/07/1989 PIER IMPORT EUROPE
11/07/1990 PIER IMPORT EUROPE
27/12/1990 PIER IMPORT EUROPE
12/08/1991 PIER IMPORT EUROPE
12/08/1992 PIER IMPORT EUROPE
09/11/1993 PIER IMPORT EUROPE
15/03/1995 PIER IMPORT EUROPE
11/12/1995 PIER IMPORT EUROPE
25/08/1999 PIER IMPORT EUROPE
25/08/1999 PIER IMPORT EUROPE
02/12/1999 PIER IMPORT EUROPE
31/12/1987
PINAULT PRINTEMPS
29/06/1989
PINAULT PRINTEMPS
11/07/1990
PINAULT PRINTEMPS
15/05/1991
PINAULT PRINTEMPS
13/07/1993
PINAULT PRINTEMPS
06/04/1994
PINAULT PRINTEMPS
04/04/1995
PINAULT PRINTEMPS
29/03/1996
PINAULT PRINTEMPS RETAILERS, MULTI
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
343
DEPT
15/03/1999
POCHET
PACKAGING
15/03/2000
POCHET
PACKAGING
12/04/1996
PLASTIC OMNIUM
13/05/1997
PLASTIC OMNIUM
26/03/1998
PLASTIC OMNIUM
12/05/1999
PLASTIC OMNIUM
22/03/2000
PLASTIC OMNIUM
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
RETAILERS, MULTI
DEPT
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
CHEMS.ADVANCE
D MATS.
20/03/1998
PUBLICIS GROUPE
MEDIA AGENCIES
31/12/1987
POCHET
PACKAGING
22/03/1999
PUBLICIS GROUPE
MEDIA AGENCIES
13/06/1989
POCHET
PACKAGING
19/04/2000
PUBLICIS GROUPE
15/08/1990
POCHET
PACKAGING
13/06/1991
POCHET
PACKAGING
13/05/1997
R2I SANTE
04/06/1992
POCHET
PACKAGING
09/07/1997
R2I SANTE
06/05/1993
POCHET
PACKAGING
15/09/1998
R2I SANTE
02/09/1994
POCHET
PACKAGING
12/05/1995
POCHET
PACKAGING
30/06/1999
R2I SANTE
19/04/1996
POCHET
PACKAGING
31/12/1987
RADIALL
17/03/1997
POCHET
PACKAGING
11/12/1989
RADIALL
13/03/1998
POCHET
PACKAGING
11/07/1990
RADIALL
MEDIA AGENCIES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
27/03/1997
PINAULT PRINTEMPS
12/02/1998
PINAULT PRINTEMPS
11/03/1999
PINAULT PRINTEMPS
08/03/2000
PINAULT PRINTEMPS
08/06/1993
PLAST.VAL LOIRE
09/06/1993
PLAST.VAL LOIRE
08/02/1994
PLAST.VAL LOIRE
05/06/1995
PLAST.VAL LOIRE
23/05/1996
PLAST.VAL LOIRE
27/04/1998
PLAST.VAL LOIRE
27/04/1998
PLAST.VAL LOIRE
15/12/1998
PLAST.VAL LOIRE
04/02/2000
PLAST.VAL LOIRE
31/12/1987
PLASTIC OMNIUM
01/11/1989
PLASTIC OMNIUM
11/07/1990
PLASTIC OMNIUM
13/06/1991
PLASTIC OMNIUM
04/06/1992
PLASTIC OMNIUM
07/07/1993
PLASTIC OMNIUM
22/08/1994
PLASTIC OMNIUM
21/04/1995
PLASTIC OMNIUM
23/11/1998 PROLOGUE SOFTWARE
SOFTWARE
30/03/1999 PROLOGUE SOFTWARE
SOFTWARE
06/03/2000 PROLOGUE SOFTWARE
23/11/1998
PROSODIE
12/04/1999
PROSODIE
18/04/2000
PROSODIE
02/01/1990
PSB INDUSTRIES
15/08/1990
PSB INDUSTRIES
12/07/1991
PSB INDUSTRIES
11/06/1992
PSB INDUSTRIES
13/05/1993
PSB INDUSTRIES
20/12/1994
PSB INDUSTRIES
02/10/1995
PSB INDUSTRIES
09/07/1996
PSB INDUSTRIES
13/05/1997
PSB INDUSTRIES
03/03/1998
PSB INDUSTRIES
17/03/1999
PSB INDUSTRIES
11/04/2000
PSB INDUSTRIES
SOFTWARE
TELECOM FIXED
LINE
TELECOM FIXED
LINE
TELECOM FIXED
LINE
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
31/12/1987
PUBLICIS GROUPE
MEDIA AGENCIES
14/07/1989
PUBLICIS GROUPE
MEDIA AGENCIES
07/06/1990
PUBLICIS GROUPE
MEDIA AGENCIES
13/06/1991
PUBLICIS GROUPE
MEDIA AGENCIES
11/06/1992
PUBLICIS GROUPE
MEDIA AGENCIES
06/05/1993
PUBLICIS GROUPE
MEDIA AGENCIES
13/04/1994
PUBLICIS GROUPE
MEDIA AGENCIES
30/06/1995
PUBLICIS GROUPE
MEDIA AGENCIES
22/05/1996
PUBLICIS GROUPE
MEDIA AGENCIES
13/03/1997
PUBLICIS GROUPE
MEDIA AGENCIES
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
344
30/07/1991
RADIALL
30/06/1992
RADIALL
07/07/1993
RADIALL
02/08/1994
RADIALL
13/09/1995
RADIALL
09/07/1996
RADIALL
11/04/1997
RADIALL
24/03/1998
RADIALL
04/08/1999
RADIALL
27/03/2000
RADIALL
31/03/1987
RALLYE
31/03/1988
RALLYE
13/09/1989
RALLYE
04/02/1991
RALLYE
03/05/1994
RALLYE
03/05/1994
RALLYE
03/05/1994
RALLYE
05/03/1996
RALLYE
30/04/1996
RALLYE
27/03/1997
RALLYE
29/01/1998
RALLYE
08/03/1999
RALLYE
17/03/2000
RALLYE
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
FOOD + DRUG
RETAILERS
31/03/1988
REMY COINTREAU
BREWERS
12/12/1989
REMY COINTREAU
BREWERS
17/09/1990
REMY COINTREAU
BREWERS
16/07/1991
REMY COINTREAU
BREWERS
09/09/1992
REMY COINTREAU
BREWERS
03/09/1993
REMY COINTREAU
BREWERS
20/07/1994
REMY COINTREAU
BREWERS
26/07/1995
REMY COINTREAU
BREWERS
31/07/1996
REMY COINTREAU
BREWERS
09/07/1997
REMY COINTREAU
29/06/1998
12/03/1998
RENAULT
AUTOMOBILE
02/03/1999
RENAULT
AUTOMOBILE
18/02/2000
RENAULT
31/12/1987
REXEL
22/06/1989
REXEL
13/06/1990
REXEL
15/05/1991
REXEL
02/07/1992
REXEL
07/06/1993
REXEL
08/04/1994
REXEL
29/03/1995
REXEL
29/03/1996
REXEL
27/03/1997
REXEL
11/03/1998
REXEL
19/10/1999
REXEL
07/03/2000
REXEL
11/06/1998
RHODIA
27/01/1999
RHODIA
28/01/2000
RHODIA
31/12/1987
ROBERTET
30/12/1988
ROBERTET
18/07/1990
ROBERTET
04/04/1991
ROBERTET
04/06/1992
ROBERTET
13/05/1993
ROBERTET
02/08/1994
ROBERTET
02/06/1995
ROBERTET
09/07/1996
ROBERTET
21/04/1997
ROBERTET
14/04/1998
ROBERTET
BREWERS
16/04/1999
ROBERTET
REMY COINTREAU
BREWERS
03/03/2000
ROBERTET
30/06/1999
REMY COINTREAU
BREWERS
07/11/1994
RENAULT
AUTOMOBILE
15/12/1998
RODRIGUEZ GROUP
29/03/1995
RENAULT
AUTOMOBILE
30/12/1999
RODRIGUEZ GROUP
22/03/1996
RENAULT
AUTOMOBILE
31/12/1987
ROULEAU GUICHARD
21/03/1997
RENAULT
AUTOMOBILE
16/08/1989
ROULEAU GUICHARD
AUTOMOBILE
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
COMMODITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
CHEMICALS,
SPECIALITY
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
345
07/06/1990
ROULEAU GUICHARD
13/12/1993
ROULEAU GUICHARD
13/12/1993
ROULEAU GUICHARD
13/12/1993
ROULEAU GUICHARD
02/09/1994
ROULEAU GUICHARD
04/04/1995
ROULEAU GUICHARD
29/04/1996
ROULEAU GUICHARD
23/04/1997
ROULEAU GUICHARD
08/05/1998
ROULEAU GUICHARD
07/05/1999
ROULEAU GUICHARD
27/06/2000
ROULEAU GUICHARD
19/03/1997
ROYAL CANIN
20/02/1998
ROYAL CANIN
25/02/1999
ROYAL CANIN
24/02/2000
ROYAL CANIN
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
CLOTHING +
FOOTWEAR
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
13/07/1995
RUBIS
OIL INTEGRATED
10/04/1996
RUBIS
OIL INTEGRATED
02/04/1997
RUBIS
OIL INTEGRATED
07/04/1998
RUBIS
OIL INTEGRATED
31/03/1999
RUBIS
OIL INTEGRATED
13/03/2000
RUBIS
OIL INTEGRATED
13/07/1995
SABATE DIOSOS
PACKAGING
22/07/1996
SABATE DIOSOS
PACKAGING
16/05/1997
SABATE DIOSOS
PACKAGING
29/04/1998
SABATE DIOSOS
PACKAGING
28/04/1999
SABATE DIOSOS
PACKAGING
11/04/2000
SABATE DIOSOS
25/04/1991
SACI
13/06/1991
SACI
25/06/1992
SACI
14/07/1993
SACI
07/03/1995
SACI
14/09/1995
SACI
31/12/1987
SAGEM
29/06/1989
SAGEM
07/06/1990
SAGEM
15/05/1991
SAGEM
20/05/1992
SAGEM
PACKAGING
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
DISTRIB. IND.
COMPS.
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
EQUIPMENT
TELECOM
26/04/1994
SAGEM
EQUIPMENT
TELECOM
EQUIPMENT
06/04/1995
SAGEM
TELECOM
08/04/1996
SAGEM
EQUIPMENT
TELECOM
EQUIPMENT
27/03/1997
SAGEM
TELECOM
19/03/1998
SAGEM
EQUIPMENT
TELECOM
18/03/1999
SAGEM
EQUIPMENT
TELECOM
14/03/2000
SAGEM
EQUIPMENT
BUILDING
31/12/1987
SAINT GOBAIN
MATERIALS
BUILDING
MATERIALS
19/07/1989
SAINT GOBAIN
BUILDING
16/05/1990
SAINT GOBAIN
MATERIALS
BUILDING
MATERIALS
12/07/1991
SAINT GOBAIN
BUILDING
30/04/1992
SAINT GOBAIN
MATERIALS
BUILDING
04/02/1993
SAINT GOBAIN
MATERIALS
BUILDING
10/03/1994
SAINT GOBAIN
MATERIALS
BUILDING
05/04/1995
SAINT GOBAIN
MATERIALS
BUILDING
MATERIALS
27/03/1996
SAINT GOBAIN
BUILDING
04/04/1997
SAINT GOBAIN
MATERIALS
BUILDING
MATERIALS
30/01/1998
SAINT GOBAIN
BUILDING
29/01/1999
SAINT GOBAIN
MATERIALS
BUILDING
31/01/2000
SAINT GOBAIN
MATERIALS
BUILDING
02/01/1990
SAMSE
MATERIALS
BUILDING
07/06/1990
SAMSE
MATERIALS
BUILDING
MATERIALS
13/06/1991
SAMSE
BUILDING
11/06/1992
SAMSE
MATERIALS
BUILDING
MATERIALS
14/07/1993
SAMSE
BUILDING
05/05/1994
SAMSE
MATERIALS
BUILDING
MATERIALS
14/08/1995
SAMSE
BUILDING
15/07/1996
SAMSE
MATERIALS
BUILDING
13/05/1997
SAMSE
MATERIALS
BUILDING
MATERIALS
26/05/1998
SAMSE
BUILDING
03/06/1999
SAMSE
MATERIALS
BUILDING
MATERIALS
02/06/2000
SAMSE
PHARMACEUTICA
31/12/1987 SANOFI-SYNTHELABO
LS
PHARMACEUTICA
LS
09/08/1989 SANOFI-SYNTHELABO
06/05/1993
SAGEM
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
346
16/05/1990 SANOFI-SYNTHELABO
16/04/1991 SANOFI-SYNTHELABO
30/04/1992 SANOFI-SYNTHELABO
14/04/1993 SANOFI-SYNTHELABO
05/04/1994 SANOFI-SYNTHELABO
23/03/1995 SANOFI-SYNTHELABO
19/04/1996 SANOFI-SYNTHELABO
26/02/1997 SANOFI-SYNTHELABO
25/02/1998 SANOFI-SYNTHELABO
24/02/1999 SANOFI-SYNTHELABO
22/02/2000 SANOFI-SYNTHELABO
31/12/1987
SAUPIQUET
16/08/1989
SAUPIQUET
07/06/1990
SAUPIQUET
13/06/1991
SAUPIQUET
11/06/1992
SAUPIQUET
19/05/1993
SAUPIQUET
02/08/1994
SAUPIQUET
27/07/1995
SAUPIQUET
12/07/1996
SAUPIQUET
10/04/1997
SAUPIQUET
07/04/1998
SAUPIQUET
18/02/1999
SAUPIQUET
02/06/2000
SAUPIQUET
07/04/1998
SAVEURS FRANCE
22/04/1999
SAVEURS FRANCE
22/04/1999
SAVEURS FRANCE
31/12/1987
SCHNEIDER ELTE.SA
13/06/1989
SCHNEIDER ELTE.SA
07/06/1990
SCHNEIDER ELTE.SA
16/04/1991
SCHNEIDER ELTE.SA
16/03/1992
SCHNEIDER ELTE.SA
22/04/1993
SCHNEIDER ELTE.SA
18/04/1994
SCHNEIDER ELTE.SA
13/06/1995
SCHNEIDER ELTE.SA
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
FOOD
PROCESSORS
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
12/04/1996
SCHNEIDER ELTE.SA
26/03/1997
SCHNEIDER ELTE.SA
04/02/1998
SCHNEIDER ELTE.SA
26/02/1999
SCHNEIDER ELTE.SA
03/03/2000
SCHNEIDER ELTE.SA
31/12/1987
SEB
09/08/1989
SEB
07/06/1990
SEB
13/06/1991
SEB
30/04/1992
SEB
25/03/1993
SEB
08/03/1994
SEB
03/03/1995
SEB
11/03/1996
SEB
05/03/1997
SEB
04/03/1998
SEB
03/03/1999
SEB
03/03/2000
15/03/2000
SEB
SECHE
ENVIRONNEMENT
SECHE
ENVIRONNEMENT
SECHE
ENVIRONNEMENT
SECHE
ENVIRONNEMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
HSEHOLD
APPS+HSEWARES
ENVIRONMENTAL
CONTROL
ENVIRONMENTAL
CONTROL
ENVIRONMENTAL
CONTROL
ENVIRONMENTAL
CONTROL
23/03/1995
SEITA
TOBACCO
06/04/1995
SEITA
TOBACCO
01/04/1996
SEITA
TOBACCO
01/04/1997
SEITA
TOBACCO
03/04/1998
SEITA
TOBACCO
11/03/1999
SEITA
TOBACCO
05/05/2000
SEITA
08/11/1993
SIDEL
20/07/1994
SIDEL
08/03/1995
SIDEL
22/03/1996
SIDEL
18/03/1997
SIDEL
24/03/1998
SIDEL
16/03/1999
SIDEL
18/04/2000
SIDEL
TOBACCO
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
25/11/1997
16/03/1998
16/03/1999
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
347
23/11/1998
SILICOMP
SOFTWARE
22/04/1999
SILICOMP
SOFTWARE
19/04/2000
SILICOMP
31/03/1987
SKIS ROSSIGNOL
31/03/1988
SKIS ROSSIGNOL
15/08/1989
SKIS ROSSIGNOL
17/09/1990
SKIS ROSSIGNOL
16/07/1991
SKIS ROSSIGNOL
30/06/1992
SKIS ROSSIGNOL
12/08/1993
SKIS ROSSIGNOL
02/08/1994
SKIS ROSSIGNOL
22/06/1995
SKIS ROSSIGNOL
25/09/1996
SKIS ROSSIGNOL
20/06/1997
SKIS ROSSIGNOL
04/06/1998
SKIS ROSSIGNOL
04/06/1999
SKIS ROSSIGNOL
SOFTWARE
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
31/03/1987
SMOBY
31/03/1988
SMOBY
02/01/1990
SMOBY
08/11/1990
SMOBY
15/10/1991
SMOBY
09/09/1992
SMOBY
08/11/1993
SMOBY
01/02/1995
SMOBY
05/10/1995
SMOBY
07/08/1996
SMOBY
14/08/1997
SMOBY
15/09/1998
SMOBY
22/09/1999
SMOBY
31/08/1987
SODEXHO ALLIANCE
31/08/1988
SODEXHO ALLIANCE
06/03/1990
SODEXHO ALLIANCE
15/01/1991
SODEXHO ALLIANCE
04/03/1992
SODEXHO ALLIANCE
28/01/1993
SODEXHO ALLIANCE
01/02/1994
SODEXHO ALLIANCE
17/01/1995
SODEXHO ALLIANCE
15/01/1996
SODEXHO ALLIANCE
27/01/1997
SODEXHO ALLIANCE
17/12/1997
SODEXHO ALLIANCE
15/09/1998
SODEXHO ALLIANCE
30/12/1999
SODEXHO ALLIANCE
15/03/1995
SODICE
05/02/1996
SODICE
17/02/1997
SODICE
30/10/1997
SODICE
24/05/1999
SODICE
02/12/1999
SODICE
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
BUSINESS
SUPPORT
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
RETAIL,
HARDLINES
31/12/1987
SOMMER-ALLIBERT
AUTO PARTS
13/06/1989
SOMMER-ALLIBERT
AUTO PARTS
19/06/1990
SOMMER-ALLIBERT
AUTO PARTS
15/05/1991
SOMMER-ALLIBERT
AUTO PARTS
30/04/1992
SOMMER-ALLIBERT
AUTO PARTS
22/04/1993
SOMMER-ALLIBERT
AUTO PARTS
05/04/1994
SOMMER-ALLIBERT
AUTO PARTS
31/03/1995
SOMMER-ALLIBERT
AUTO PARTS
08/04/1996
SOMMER-ALLIBERT
AUTO PARTS
03/04/1997
SOMMER-ALLIBERT
AUTO PARTS
13/04/1998
SOMMER-ALLIBERT
AUTO PARTS
06/04/1999
SOMMER-ALLIBERT
AUTO PARTS
07/04/2000
SOMMER-ALLIBERT
AUTO PARTS
10/04/1990
SOPRA
SOFTWARE
13/06/1991
SOPRA
SOFTWARE
30/06/1992
SOPRA
SOFTWARE
06/05/1993
SOPRA
SOFTWARE
19/04/1994
SOPRA
SOFTWARE
21/04/1995
SOPRA
SOFTWARE
19/04/1996
SOPRA
SOFTWARE
08/04/1997
SOPRA
SOFTWARE
12/03/1998
SOPRA
SOFTWARE
04/03/1999
SOPRA
SOFTWARE
28/03/2000
SOPRA
SOFTWARE
09/07/1990
SPIR COMM.
BROADCASTING
15/05/1991
SPIR COMM.
BROADCASTING
13/05/1992
SPIR COMM.
BROADCASTING
27/05/1993
SPIR COMM.
BROADCASTING
21/07/1994
SPIR COMM.
BROADCASTING
19/04/1995
SPIR COMM.
BROADCASTING
11/06/1996
SPIR COMM.
BROADCASTING
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
348
24/03/1997
SPIR COMM.
BROADCASTING
24/03/1998
SPIR COMM.
BROADCASTING
26/03/1999
SPIR COMM.
BROADCASTING
30/03/2000
26/05/2000
SPIR COMM.
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
SR
TELEPERFORMANCE
16/12/1996
ST DUPONT
24/06/1997
ST DUPONT
14/09/1998
ST DUPONT
23/06/1999
ST DUPONT
30/09/1998
STALLERGENES
04/03/1999
STALLERGENES
17/03/2000
STALLERGENES
24/05/1999
STEF-TFE
25/04/2000
STEF-TFE
STMICROELECTRONIC
S (PAR)
STMICROELECTRONIC
S (PAR)
STMICROELECTRONIC
S (PAR)
STMICROELECTRONIC
S (PAR)
STMICROELECTRONIC
S (PAR)
STMICROELECTRONIC
S (PAR)
STMICROELECTRONIC
S (PAR)
11/02/2000
TECHNIP
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
ELECTRICAL
EQUIPMENT
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
DISTILLERS +
VINTNERS
COMPUTER
SERVICES
COMPUTER
SERVICES
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
ENGINEERING,
GENERAL
31/12/1987
TECHNOFAN
AEROSPACE
19/07/1989
TECHNOFAN
AEROSPACE
11/07/1990
TECHNOFAN
AEROSPACE
30/03/1998
SYLEA
26/03/1999
SYLEA
BROADCASTING
08/03/2000
SYLEA
MEDIA AGENCIES
22/10/1997
SYLIS
MEDIA AGENCIES
06/05/1998
SYLIS
MEDIA AGENCIES
30/03/1999
SYLIS
MEDIA AGENCIES
08/03/2000
MEDIA AGENCIES
12/08/1996
MEDIA AGENCIES
21/11/1997
MEDIA AGENCIES
08/06/1999
MEDIA AGENCIES
06/10/1999
SYLIS
SYSTAR LIMITED
DATA
SYSTAR LIMITED
DATA
SYSTAR LIMITED
DATA
SYSTAR LIMITED
DATA
MEDIA AGENCIES
31/12/1987
TAITTINGER
MEDIA AGENCIES
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
16/08/1989
TAITTINGER
11/07/1990
TAITTINGER
12/07/1991
TAITTINGER
30/06/1992
TAITTINGER
14/07/1993
TAITTINGER
02/08/1994
TAITTINGER
14/09/1995
TAITTINGER
02/08/1996
TAITTINGER
04/06/1997
TAITTINGER
17/06/1998
TAITTINGER
SEMICONDUCTORS
12/05/1999
TAITTINGER
SEMICONDUCTORS
02/06/2000
TAITTINGER
SEMICONDUCTORS
23/04/1998
TEAMLOG
SEMICONDUCTORS
02/12/1999
TEAMLOG
SEMICONDUCTORS
03/01/1995
TECHNIP
SEMICONDUCTORS
30/06/1995
TECHNIP
SEMICONDUCTORS
FOOD
14/09/1998 SUCRIERE PITHIVIERS
PROCESSORS
FOOD
18/12/1998 SUCRIERE PITHIVIERS
PROCESSORS
ELECTRICAL
08/07/1994
SYLEA
EQUIPMENT
ELECTRICAL
19/04/1995
SYLEA
EQUIPMENT
ELECTRICAL
EQUIPMENT
01/04/1996
SYLEA
ELECTRICAL
02/04/1997
SYLEA
EQUIPMENT
13/03/1996
TECHNIP
19/03/1997
TECHNIP
17/02/1998
TECHNIP
16/02/1999
TECHNIP
30/09/1992
01/10/1992
23/06/1993
02/08/1994
19/06/1995
16/09/1996
15/05/1997
14/09/1998
28/04/1999
27/02/1995
02/03/1995
06/02/1996
22/01/1997
21/01/1998
06/12/1999
20/01/2000
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
349
30/03/2000
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
10/12/1997
TITUS INTERACTIVE
SOFT DRINKS
19/05/1998
TITUS INTERACTIVE
TEISSEIRE-FRANCE
SOFT DRINKS
04/05/1999
TITUS INTERACTIVE
TEISSEIRE-FRANCE
SOFT DRINKS
07/06/1993
TEISSEIRE-FRANCE
SOFT DRINKS
31/12/1987
TONNA ELEC.
04/10/1994
TEISSEIRE-FRANCE
SOFT DRINKS
19/07/1989
TONNA ELEC.
02/06/1995
TEISSEIRE-FRANCE
SOFT DRINKS
11/07/1990
TONNA ELEC.
29/04/1996
TEISSEIRE-FRANCE
SOFT DRINKS
16/05/1997
TEISSEIRE-FRANCE
SOFT DRINKS
13/06/1991
TONNA ELEC.
13/04/1998
TEISSEIRE-FRANCE
SOFT DRINKS
15/07/1992
TONNA ELEC.
08/03/1999
TEISSEIRE-FRANCE
SOFT DRINKS
13/05/1993
TONNA ELEC.
DEFENCE
COMPUTER
SERVICES
COMPUTER
SERVICES
COMPUTER
SERVICES
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
ELECTRONIC
EQUIPMENT
02/06/2000
SOFT DRINKS
31/12/1987
TOTAL FINA ELF SA
OIL INTEGRATED
11/05/1990
TOTAL FINA ELF SA
OIL INTEGRATED
15/08/1990
TOTAL FINA ELF SA
OIL INTEGRATED
15/05/1991
TOTAL FINA ELF SA
OIL INTEGRATED
13/04/1998
TEISSEIRE-FRANCE
TELEFLEX LIONEL
DUPONT
TELEFLEX LIONEL
DUPONT
TELEFLEX LIONEL
DUPONT
STEEL
13/05/1992
TOTAL FINA ELF SA
OIL INTEGRATED
31/12/1987
TF1 (TV.FSE.1)
BROADCASTING
17/02/1993
TOTAL FINA ELF SA
OIL INTEGRATED
20/06/1989
TF1 (TV.FSE.1)
BROADCASTING
16/02/1994
TOTAL FINA ELF SA
OIL INTEGRATED
16/05/1990
TF1 (TV.FSE.1)
BROADCASTING
07/02/1995
TOTAL FINA ELF SA
OIL INTEGRATED
15/05/1991
TF1 (TV.FSE.1)
BROADCASTING
20/02/1996
TOTAL FINA ELF SA
OIL INTEGRATED
13/05/1992
TF1 (TV.FSE.1)
BROADCASTING
29/01/1997
TOTAL FINA ELF SA
OIL INTEGRATED
07/04/1993
TF1 (TV.FSE.1)
BROADCASTING
28/01/1998
TOTAL FINA ELF SA
OIL INTEGRATED
13/04/1994
TF1 (TV.FSE.1)
BROADCASTING
27/01/1999
TOTAL FINA ELF SA
OIL INTEGRATED
12/05/1995
TF1 (TV.FSE.1)
BROADCASTING
28/01/2000
TOTAL FINA ELF SA
26/01/1996
TF1 (TV.FSE.1)
BROADCASTING
29/01/1997
TF1 (TV.FSE.1)
BROADCASTING
01/11/1995
TOUAX
28/01/1998
TF1 (TV.FSE.1)
BROADCASTING
12/07/1996
TOUAX
28/01/1999
TF1 (TV.FSE.1)
BROADCASTING
02/06/1998
TOUAX
28/01/2000
TF1 (TV.FSE.1)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
THALES (EX
THOMSON-CSF)
BROADCASTING
03/06/1998
TOUAX
16/04/1999
TOUAX
12/04/2000
TOUAX
OIL INTEGRATED
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
RAIL, ROAD,
FREIGHT
12/03/1998
TRANSICIEL
SOFTWARE
16/03/1999
TRANSICIEL
SOFTWARE
07/03/2000
TRANSICIEL
02/11/1998
TRIGANO
30/12/1999
TRIGANO
12/08/1996
UBI SOFT ENTM.
01/07/1997
UBI SOFT ENTM.
12/06/1998
UBI SOFT ENTM.
SOFTWARE
LEISURE
EQUIPMENT
LEISURE
EQUIPMENT
HOME
ENTERTAINMENT
HOME
ENTERTAINMENT
HOME
ENTERTAINMENT
21/12/1994
TECHNOFAN
AEROSPACE
13/09/1995
TECHNOFAN
AEROSPACE
29/04/1996
TECHNOFAN
AEROSPACE
16/05/1997
TECHNOFAN
AEROSPACE
31/12/1987
TEISSEIRE-FRANCE
SOFT DRINKS
16/08/1989
TEISSEIRE-FRANCE
SOFT DRINKS
11/07/1990
TEISSEIRE-FRANCE
12/07/1991
04/06/1992
16/01/1995
06/05/1997
31/12/1987
18/04/1989
16/05/1990
15/05/1991
13/05/1992
14/04/1993
26/04/1994
12/05/1995
09/04/1996
06/03/1997
STEEL
STEEL
04/03/1998
12/03/1999
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
DEFENCE
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
350
22/09/1999
UBI SOFT ENTM.
HOME
ENTERTAINMENT
31/12/1987
UNILOG SA
SOFTWARE
19/07/1989
UNILOG SA
SOFTWARE
11/07/1990
UNILOG SA
SOFTWARE
31/05/1991
UNILOG SA
SOFTWARE
03/02/1993
UNILOG SA
SOFTWARE
06/05/1993
UNILOG SA
SOFTWARE
05/05/1994
UNILOG SA
12/05/1995
10/04/1996
10/03/1999
VALLOUREC
09/03/2000
VALLOUREC
31/12/1987
VEV
16/08/1989
VEV
18/12/1990
VEV
SOFTWARE
13/06/1991
VEV
UNILOG SA
SOFTWARE
28/05/1992
VICAT
UNILOG SA
SOFTWARE
09/04/1997
UNILOG SA
SOFTWARE
13/05/1993
VICAT
30/04/1998
UNILOG SA
SOFTWARE
21/09/1993
VICAT
15/04/1999
UNILOG SA
SOFTWARE
12/06/1995
VICAT
19/04/2000
UNILOG SA
SOFTWARE
26/02/1996
USINOR
STEEL
19/04/1996
VICAT
19/02/1997
USINOR
STEEL
13/05/1997
VICAT
18/02/1998
USINOR
STEEL
29/04/1998
VICAT
11/03/1999
USINOR
STEEL
08/03/2000
USINOR
STEEL
31/03/1999
VICAT
31/12/1987
VALEO
AUTO PARTS
02/06/2000
18/04/1989
VALEO
AUTO PARTS
16/05/1990
VALEO
AUTO PARTS
15/05/1991
VALEO
AUTO PARTS
30/04/1992
VALEO
AUTO PARTS
17/02/1993
VALEO
AUTO PARTS
10/03/1994
VALEO
AUTO PARTS
09/03/1995
VALEO
AUTO PARTS
15/10/1997
26/02/1996
VALEO
AUTO PARTS
15/09/1998
26/02/1997
VALEO
AUTO PARTS
12/02/1998
VALEO
AUTO PARTS
08/10/1999
VICAT
VILMORIN CLAUSE
&CIE
VILMORIN CLAUSE
&CIE
VILMORIN CLAUSE
&CIE
VILMORIN CLAUSE
&CIE
VILMORIN CLAUSE
&CIE
VILMORIN CLAUSE
&CIE
VILMORIN CLAUSE
&CIE
25/01/1999
VALEO
AUTO PARTS
31/12/1987
VINCI (EX SGE)
01/02/2000
VALEO
13/06/1989
VINCI (EX SGE)
13/06/1988
VALLOUREC
07/06/1990
VINCI (EX SGE)
12/12/1989
VALLOUREC
13/06/1991
VINCI (EX SGE)
15/05/1991
VALLOUREC
04/06/1992
VINCI (EX SGE)
12/07/1991
VALLOUREC
06/05/1993
VINCI (EX SGE)
30/06/1992
VALLOUREC
15/03/1994
VINCI (EX SGE)
21/07/1993
VALLOUREC
04/04/1995
VINCI (EX SGE)
09/05/1994
VALLOUREC
29/04/1996
VINCI (EX SGE)
04/04/1995
VALLOUREC
08/04/1997
VINCI (EX SGE)
27/03/1996
VALLOUREC
06/03/1998
VINCI (EX SGE)
19/03/1997
VALLOUREC
10/03/1999
VINCI (EX SGE)
13/03/1998
VALLOUREC
AUTO PARTS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
NON-FERROUS
METALS
09/03/2000
VINCI (EX SGE)
24/11/1993
01/02/1995
24/10/1995
19/11/1996
NON-FERROUS
METALS
NON-FERROUS
METALS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
TEXTILES+LEATHE
R GDS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
FARMING AND
FISHING
FARMING AND
FISHING
FARMING AND
FISHING
FARMING AND
FISHING
FARMING AND
FISHING
FARMING AND
FISHING
FARMING AND
FISHING
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
OTHER
CONSTRUCTION
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Annexes
351
31/12/1987
VIRBAC
19/07/1989
VIRBAC
11/07/1990
VIRBAC
30/07/1991
VIRBAC
27/01/1993
VIRBAC
13/05/1993
VIRBAC
02/08/1994
VIRBAC
12/05/1995
VIRBAC
19/04/1996
VIRBAC
14/05/1997
VIRBAC
05/05/1998
VIRBAC
12/05/1999
VIRBAC
27/04/2000
VIRBAC
31/12/1987
VIVENDI UNIVERSAL
29/06/1989
VIVENDI UNIVERSAL
11/07/1990
VIVENDI UNIVERSAL
31/05/1991
VIVENDI UNIVERSAL
13/05/1992
VIVENDI UNIVERSAL
13/07/1993
VIVENDI UNIVERSAL
28/04/1994
VIVENDI UNIVERSAL
12/06/1995
VIVENDI UNIVERSAL
23/04/1996
VIVENDI UNIVERSAL
04/04/1997
VIVENDI UNIVERSAL
10/03/1998
VIVENDI UNIVERSAL
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
PHARMACEUTICA
LS
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
CABLE +
SATELLITE
12/03/1999
VIVENDI UNIVERSAL
13/03/2000
VIVENDI UNIVERSAL
08/04/1997
WALTER
13/04/1998
WALTER
26/03/1999
WALTER
07/04/2000
WALTER
31/08/1988
ZODIAC
13/02/1990
ZODIAC
13/03/1991
ZODIAC
04/03/1992
ZODIAC
16/12/1992
ZODIAC
01/02/1994
ZODIAC
22/03/1995
ZODIAC
11/03/1996
ZODIAC
05/02/1997
ZODIAC
20/11/1997
ZODIAC
15/09/1998
ZODIAC
05/11/1999
ZODIAC
CABLE +
SATELLITE
CABLE +
SATELLITE
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
BUILDING
MATERIALS
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
LEISURE
FACILITIES
***DAT_ANO_BENEF : Nom de la firme
***Name : Nom de la firme
**IDMN : Activité de la firme
*BDATE : Date de début de la couverture des données
financières de la firme par la base de donnéesDatastream.
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
352
PLAN DETAILLE
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
353
L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS ________________________________________________ 1
Résumé _______________________________________________________________ 4
Abstract _______________________________________________________________ 4
SOMMAIRE ____________________________________________________________ 5
INTRODUCTION GENERALE ____________________________________________ 7
PREMIERE PARTIE : THEORIE et REVUE DE LITTERATURE _____________ 14
CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE REVUE DE LA
LITTERATURE ________________________________________________________ 15
1
Introduction _______________________________________________________ 16
2
Rationalité et psychologie cognitive ____________________________________ 16
Le concept de la rationalité : une définition ________________________ 17
2.1
2.1.1
Une définition générale ______________________________________ 17
2.1.2
Les différentes formes de rationalité____________________________ 19
2.1.2.1
La rationalité instrumentale ou classique _______________________ 19
2.1.2.2
La rationalité cognitive_____________________________________ 21
2.1.2.3
La rationalité limitée ou procédurale __________________________ 21
Croyances et préférences _______________________________________ 22
2.2
2.2.1
L’effet de cadrage __________________________________________ 23
2.2.2
L’effet de réflexion _________________________________________ 24
2.2.3
La « mauvaise » conception du joueur __________________________ 25
2.2.4
Le « self-control » __________________________________________ 25
2.2.5
La comptabilité mentale _____________________________________ 26
2.2.6
L’excès de confiance________________________________________ 27
2.2.7
L’absence de prise en compte de l’histoire _______________________ 28
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
354
2.2.8
La pensée magique _________________________________________ 28
2.2.9
Les modèles descriptifs ______________________________________ 29
2.2.9.1
La Théorie des perspectives (« Prospect theory ») _______________ 29
2.2.9.2
La théorie du regret _______________________________________ 33
2.2.9.3
La dissonance cognitive ____________________________________ 33
2.2.10
La théorie des heuristiques ___________________________________ 34
2.2.10.1
L’heuristique d’accessibilité ou de disponibilité ________________ 35
2.2.10.2
L’heuristique de représentativité ____________________________ 36
2.2.10.3
L’heuristique de simulation ________________________________ 37
2.2.10.4
L’heuristique d’ancrage-ajustement __________________________ 37
3
Arbitragistes, Limites d’arbitrage et « noise traders » ______________________ 39
4
Les phenomènes de sur-réaction et de sous-réaction _______________________ 44
4.1
Le phénomène de sur-réaction ___________________________________ 45
4.2
Le phénomène de sous-réaction __________________________________ 50
4.3
Réconciliation des phénomènes de sur-réaction et sous-réaction : les
modèles comportementaux de Barberis, Shleifer et Vishny (1998), Daniel,
Hirshleifer et Subramanyam (1999), Hong et Stein (1999) et De Long, Shleifer,
Summers et Waldmann (1990)_________________________________________ 54
4.3.1
Le modèle de Barberis, Shleifer et Vishny (1998) _________________ 54
4.3.2
Le modèle de Daniel, Hirshleifer et Subrahmanyam (1998) _________ 56
4.3.3
Le modèle de De Long, Shleifer, Summers et Waldmann (1990) _____ 60
4.3.4
Le modèle de Hong et Stein (1999) ____________________________ 62
4.3.5
Une étude comparative des modèles de Barberis, Shleifer et Vishny
(1998), Daniel, Hirshleifer et Subrahmanyam (1998), Hong et Stein (1999) et De
Long, Shleifer, Summers et Waldmann (1990)____________________________ 64
4.4
5
Les critiques de Fama (1998) ____________________________________ 66
Conclusion________________________________________________________ 74
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
355
CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES DE BENEFICES:
UNE REVUE DE LA LITTERATURE _____________________________________ 75
1
Introduction _______________________________________________________ 76
2
La rentabilité des titres lors de l’annonce des bénéfices _____________________ 77
2.1
Les développements qui ont facilité la recherche des réactions aux
annonces de bénéfices ________________________________________________ 77
2.1.1
L’émergence de l’hypothèse de l’efficience des marchés financiers et le
modèle d'équilibre des marchés financiers (MEDAF) ______________________ 78
2.1.2
Les études d’événements_____________________________________ 91
2.1.2.1
Les études d’événements à court terme ________________________ 91
2.1.2.2
Les tests d’études d’événements à long terme ___________________ 92
2.1.2.3
Les facteurs de risque et la mesure du risque____________________ 93
2.1.2.4
Les problèmes de données __________________________________ 94
2.1.2.5 Une théorie d'inefficience des marchés financiers et de spécification de
l'hypothèse nulle _________________________________________________ 96
2.1.2.6
L’étude de Fama, Fisher, Jensen et Roll (1969)__________________ 97
Les études de Beaver (1968) et Ball et Brown (1968) _________________ 98
2.2
2.3
Les études post 1968 sur les réactions aux annonces de bénéfices: Bernard
et Thomas (1989) et autres ___________________________________________ 100
3
LES Explications des réactions suite àux annonces de bénéfices _____________ 103
3.1
Les explications traditionnelles : l’observation des rentabilités anormales
suite aux annonces de bénéfices ne masque t-elle pas d’autres anomalies ? ___ 104
3.1.1
Les réactions aux annonces de bénéfices et la sensibilité « bêta » ____ 105
3.1.2
(PER)
L’anomalie « surprises de bénéfices » et l’effet « Price Earning Ratio »
106
3.1.3
L’anomalie « surprise de bénéfices » et l’effet taille ______________ 107
3.1.4
L’anomalie « surprise de bénéfices » et le problème des coûts de
transaction _______________________________________________________ 108
3.1.5
L’anomalie « surprises de bénéfices » et l’anomalie ratio « book-tomarket » 110
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
356
3.2
Les explications comportementales : sous-réaction et sur-réaction ____ 111
3.2.1
La réaction du marché aux annonces de bénéfices : une explication
insatisfaisante de la théorie de l’efficience des marchés____________________ 111
3.2.2
La sous-réaction des investisseurs_____________________________ 114
3.2.3
La sur-réaction des investisseurs______________________________ 116
3.2.4
La réconciliation des phénomènes de sur-réaction et de sous-réaction des
investisseurs _____________________________________________________ 120
Conclusion de la première partie__________________________________________ 124
SECONDE PARTIE – PARTIE EMPIRIQUE : LA METHODOLOGIE GENERALE
DE LA RECHERCHE ET LES ETUDES EMPIRIQUES _____________________ 125
CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA RECHERCHE ____ 126
1
Introduction ______________________________________________________ 127
2
Les bases de données utilisées, période d’étude et sélection des titres _________ 127
La base de données Datastream International _____________________ 127
2.1
2.1.1
Description de la base de données Datastream International ________ 127
2.1.2
Les données financières et comptables de la base de données Datastream
International _____________________________________________________ 128
3
4
2.2
La base de données I/B/E/S Internationale ________________________ 130
2.3
Période d’étude et sélection des titres ____________________________ 133
mesures des surprises de bénéfices et des révisions de bénéfices_____________ 135
3.1
Définitions des mesures de surprise de bénéfices ___________________ 135
3.2
Les mesures de surprises de bénéfices____________________________ 136
3.3
Les révisions de prévision de bénéfices (REVM)____________________ 139
Le calcul des rentabilités anormales ___________________________________ 140
Le choix d’une perspective temporelle ___________________________ 141
4.1
4.1.1
L’étude en temps événementiel_______________________________ 141
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
357
4.1.2
L’étude en temps réel ______________________________________ 143
Le choix d’un benchmark______________________________________ 145
4.2
4.2.1
Les firmes de contrôle ______________________________________ 145
4.2.2
Les portefeuilles de référence ________________________________ 146
4.2.3
Les modèles à facteurs _____________________________________ 146
4.2.3.1
La méthodologie de Fama et French (1993) ___________________ 147
4.2.3.2
La méthodologie de Carhart (1997) __________________________ 149
Le choix d’une mesure de performance anormale moyenne__________ 151
4.3
4.3.1
Le CAR moyen ___________________________________________ 151
4.3.2
Le choix d’un mode de pondération des rendements ______________ 153
4.3.2.1
L’équipondération ou « Equally-Weighted » ou « E.W. »_________ 153
4.3.2.2 La pondération par la capitalisation boursière ou « Value-Weighted » ou
« V.W. » 154
5
Les tests statistiques utilisés _________________________________________ 156
Les tests statistiques descriptifs et de corrélation __________________ 156
5.1
5.1.1
Le test de Mann-Whitney ___________________________________ 157
5.1.2
Le test de séquences ou « runs » ______________________________ 157
5.1.3
Le test de corrélation de Spearman ____________________________ 158
5.1.4
Le test de Kolmogorov-Smirnov______________________________ 159
Les modèles de régression______________________________________ 159
5.2
6
5.2.1
Le modèle linéaire standard _________________________________ 159
5.2.2
L’estimation S.U.R d’un système d’équations ___________________ 165
Conclusion_______________________________________________________ 165
CHAPITRE 4 – LE COMPORTEMENT DES COURS BOURSIERS SUITE AUX
ANNONCES DE BENEFICES ___________________________________________ 166
1
Introduction ______________________________________________________ 167
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
2
3
358
Hypothèses, variables et modèles testés ________________________________ 167
2.1
Les hypothèses _______________________________________________ 167
2.2
Variables et modèles testés _____________________________________ 169
résultats, interprétations et discussions _________________________________ 172
3.1
La variation des cours boursiers suite à l’annonce de bénéfices_______ 173
3.2
L’analyse des caractéristiques des portefeuilles____________________ 179
3.2.1
Les surprises et les révisions de bénéfices des analystes lors de la
publication des résultats ____________________________________________ 179
3.2.2
Les caractéristiques des portefeuilles lors de l’annonce des bénéfices _ 181
3.3
Le contrôle robuste des résultats par le modèle de régression de Fama et
French (1993) ______________________________________________________ 183
4
Conclusion_______________________________________________________ 186
CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE BARBERIS, SHLEIFER
ET VISHNY (1998) AUX ANNONCES DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS________________________________________________ 187
1
Introduction ______________________________________________________ 188
2
Théorie et hypothèses de recherche ___________________________________ 189
3
la méthodologie spécifique de recherche _______________________________ 197
4
Résultats et interprétations __________________________________________ 198
4.1
Les investisseurs sous-réagissent-ils à l’annonce récente ou antérieure des
résultats ? _________________________________________________________ 199
4.2
Les investisseurs sur-réagissent-ils à une chaîne de résultats (bonnes ou
mauvaises) allant dans la même direction?______________________________ 206
4.3
La réconciliation des phénomènes de la sous-réaction et sur-réaction ___ 208
5
Le contrôle des résultats par les méthodes de régression ___________________ 212
6
Conclusion_______________________________________________________ 225
CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES LORS DE
L’ANNONCE DES BENEFICES _________________________________________ 226
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
359
1
Introduction ______________________________________________________ 227
2
théorie et hypothèses de recherche ____________________________________ 228
3
Présentations des variables __________________________________________ 233
4
résultats et interprétations ___________________________________________ 234
4.1
Le contenu informationnel des prévisions de bénéfices des analystes lors
de l’annonce des bénéfices ___________________________________________ 234
4.2
La prévision des bénéfices à l’annonce du bénéfice courant : les bénéfices
prévisionnels passés comme ancres psychologiques des analystes ___________ 239
4.2.1
Le positionnement du problème ______________________________ 239
4.2.2
Les résultats de l’analyse des portefeuilles ______________________ 240
4.2.3
L’analyse par les modèles de régression ________________________ 243
4.3
L’évaluation des bénéfices prévisionnels (futurs) : les bénéfices réalisés
passés comme des ancres psychologiques _______________________________ 247
4.3.1
Positionnement du problème_________________________________ 248
4.3.2
Les résultats de l’analyse des portefeuilles ______________________ 248
4.3.3
Le contrôle des résultats par les méthodes de régression ___________ 250
4.4
La relation entre les erreurs de prévisions de bénéfices (FERA ou FERR),
les changements de bénéfices passés (FC) et les révisions de prévisions de
bénéfices (FR) à l’annonce de bénéfices ________________________________ 254
4.4.1
La relation entre les erreurs de prévisions de bénéfice (FERA), les
changements de bénéfices passés (FC) et les révisions de prévisions de bénéfice
(FR) à l’annonce de bénéfices ________________________________________ 254
4.4.2
La relation entre les erreurs de prévisions de bénéfices (FERR), les
changements de bénéfices passés (FC) et les révisions de prévisions de bénéfices
(FR) à l’annonce de bénéfices ________________________________________ 259
5
Conclusion_______________________________________________________ 263
CONCLUSION GENERALE ____________________________________________ 265
BIBLIOGRAPHIE _____________________________________________________ 270
ANNEXES ____________________________________________________________ 307
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Plan détaillé
360
Annexe 1: Récapitulation du nombre cumulé d’études principales publiées dans des
revues internationales sur la période 1960 à 1999 SUR LES ANNONCES DE
BENEFICES _________________________________________________________ 308
Annexe 2 : Les modèles formels de Barberis, Shleifer et Vishny (1998) et de De Long,
Shleifer, Summers et Waldmann (1990) ____________________________________ 309
Annexe 3 : Graphiques et tableaux des résultats des études de bernard et thomas (1989,
1990) _______________________________________________________________ 315
Annexe 4 : Listes des firmes initiale et finale de notre étude ____________________ 317
Annexe 4.1 - Liste initiale des firmes (financières et non financières) de notre étude.
__________________________________________________________________ 317
Annexe 4.2 - Liste finale des firmes de notre étude avec les dates d’annonces de
bénéfice. __________________________________________________________ 321
PLAN DETAILLE _____________________________________________________ 352
TABLE DES GRAPHIQUES ET TABLEAUX ______________________________ 361
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Table des graphiques et tableaux
TABLE DES GRAPHIQUES ET TABLEAUX
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
361
Table des graphiques et tableaux
362
L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS ________________________________________________ 1
SOMMAIRE ____________________________________________________________ 5
INTRODUCTION GENERALE ____________________________________________ 7
PREMIERE PARTIE : THEORIE et REVUE DE LITTERATURE _____________ 14
CHAPITRE 1 – LA FINANCE COMPORTEMENTALE: UNE REVUE DE LA
LITTERATURE ________________________________________________________ 15
Graphique 1.1 - Une fonction de valeur hypothétique __________________________ 31
Graphique 1.2 - Une hypothétique fonction de pondération ______________________ 32
Tableau 1.1 - Récapitulation des heuristiques d’inférence _______________________ 38
Tableau 1.2 – Rentabilités cumulées anormales (CAR) des portefeuilles perdants (PP),
gagnants (PG) et d’arbitrage (PA) pour trois durées de formations différentes (source :
De Bondt et Thaler, 1985)________________________________________________ 47
Tableau 1.3 – Signes des rentabilités anormales pour diverses études d’événements à
long terme suivant l’annonce de l’événement [Source : Fama (1998)] _____________ 68
Graphique 1.3 - Définitions schématiques des hypothèses d’efficience des marchés, de la
sous et sur-réaction _____________________________________________________ 70
Tableau 1.4 - Principaux résultats sur la psychologie des marchés et la rationalité des
investisseurs __________________________________________________________ 71
Tableau 1.5 - Principales études réconciliant les phénomènes de la sous-réaction à court
terme et de la sur-réaction à long terme. _____________________________________ 73
CHAPITRE 2 – LA REACTION DU MARCHE AUX ANNONCES DE BENEFICES:
UNE REVUE DE LA LITTERATURE _____________________________________ 75
Tableau 2.1 - Principales études sur les anomalies (en coupe transversale) __________ 88
Tableau 2.2 – Comportement des séries temporelles de bénéfices in Bernard (1993) 112
Tableau 2.3 – Résultats des études de De Bondt et Thaler (1987) et Ou et Penman
(1989b) in Bernard (1993)_______________________________________________ 117
Tableau 2.4 - Explications données aux réactions du marché aux annonces de bénéfices
____________________________________________________________________ 123
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Table des graphiques et tableaux
363
SECONDE PARTIE – PARTIE EMPIRIQUE : LA METHODOLOGIE GENERALE
DE LA RECHERCHE ET LES ETUDES EMPIRIQUES _____________________ 125
CHAPITRE 3 - LA METHODOLOGIE GENERALE DE LA RECHERCHE ____ 126
Graphique 3.1 - Présentation de la structure de la base de données I/B/E/S detail____ 131
Graphique 3.2 - Présentation de la structure de la base de données I/B/E/S consensuelle
____________________________________________________________________ 131
Tableau 3.1 – Statistiques descriptives des variables SUEi ______________________ 138
Tableau 3.2 – Tests de corrélation de rangs de Kendall et Spearman des variables SUEi
____________________________________________________________________ 138
Graphique 3.3 – Illustration du concept de temps événementiel _________________ 143
Graphique 3.4 – Illustration du concept de temps réel _________________________ 144
Graphique 3.5 – Structure des portefeuilles de Fama et French (1993) composés selon la
capitalisation et le ratio « book-to-market » _________________________________ 148
CHAPITRE 4 – LE COMPORTEMENT DES COURS BOURSIERS SUITE AUX
ANNONCES DE BENEFICES ___________________________________________ 166
Tableau 4.1 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant
la variable surprise de bénéfices SUE ______________________________________ 173
Tableau 4.2 - Rentabilités anormales cumulées moyennes ex-ante et ex-post des
portefeuilles composés suivant la variable surprise de bénéfice SUE (avec l’indice de
marché SBF 250)______________________________________________________ 174
Tableau 4.3 - Rentabilités anormales cumulées ex-ante et ex-post moyennes des
portefeuilles composés suivant la variable surprise de bénéfice SUE (avec l’indice CAC
40) _________________________________________________________________ 175
Graphique 4.1 - Evolution des rentabilités anormales cumulées moyennes ex-ante et expost observées suite à l'annonce de bénéfices des portefeuilles composés selon le sens de
la surprise de bénéfices (SUE) lorsque l’indice SBF 250 est le portefeuille représentatif
du marché ___________________________________________________________ 178
Graphique 4.2 - Evolution des rentabilités anormales cumulées moyennes ex-ante et expost, observées suite à l'annonce des bénéfices, des portefeuilles composés selon le sens
de la surprise de bénéfices (SUE) lorsque l’indice CAC 40 est le portefeuille représentatif
du marché ___________________________________________________________ 178
Tableau 4.4 - Récapitulatif de la surprise de bénéfices des portefeuilles composés suivant
la variable surprise de bénéfice SUE _______________________________________ 179
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Table des graphiques et tableaux
364
Tableau 4.5 - Caractéristiques des portefeuilles composés suivant la variable surprise de
bénéfices SUE ________________________________________________________ 181
Tableau 4.6 - Les résultats du modèle de Fama et French (1993) des portefeuilles
composés selon la variable surprise de bénéfices SUE (avec l’indice de marché SBF 250)
____________________________________________________________________ 183
Tableau 4.7 - Les résultats du modèle de Fama et French (1993) des portefeuilles
composés selon la variable surprise de bénéfices SUE (avec l’indice de marché CAC 40)
____________________________________________________________________ 184
CHAPITRE 5 – TESTS EMPIRIQUES DU MODELE DE BARBERIS, SHLEIFER
ET VISHNY (1998) AUX ANNONCES DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS________________________________________________ 187
Tableau 5.1 - Rentabilités anormales cumulées autour de la date d’annonce des bénéfices
en % des titres à surprise positive (G) et négative (B) suivant le type d’annonces
antérieures et récentes des résultats. _______________________________________ 200
Tableau 5.2 - Rentabilités anormales cumulées sur 6 mois après l’annonce des résultats
(CARP6) en % des titres à surprise positive (G) et négative (B) suivant le type
d’annonces antérieures et récentes des résultats ______________________________ 200
Tableau 5.3 - Rentabilités anormales cumulées sur 12 mois après l’annonce des résultats
(CARP12) en % des titres à surprise positive (G) et négative (B) suivant le type
d’annonces antérieures et récentes des résultats.______________________________ 201
Tableau 5.4 - Différences (sans tests statistiques) des rentabilités anormales cumulées en
valeur absolue sur 12 et 6 mois après l’annonce des résultats en % des titres à surprise
positive (G) et négative (B) suivant le type d’annonces antérieures et récentes des
résultats._____________________________________________________________ 202
Graphique 5.1 - Graphique comparatif des rentabilités cumulées anormales moyennes
des titres à surprise de bénéfices positive (G) et négatives (B) antérieure à une mauvaise
nouvelle l'annonce des résultats __________________________________________ 205
Graphique 5.2 - Graphique comparatif des rentabilités anormales cumulées des titres à
surprise de bénéfices positive (G) et négative (B) antérieure à une bonne nouvelle
l'annonce des résultats __________________________________________________ 205
Tableau 5.5 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois
(CARP6), 9 mois (CARP9), 12 mois (CARP12) en % des titres à 2 annonces antérieures
positive (aGG) et négative (aBB) _________________________________________ 207
Tableau 5.6 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3), 6 mois
(CARP6), 9 mois (CARP9), 12 mois (CARP12) en % des titres à 3 annonces antérieures
positive (aGGG) et négative (aBBB) ______________________________________ 207
Tableau 5.7 - Rentabilités anormales cumulées ex-post sur 3 mois (CARP3) en % des
titres à surprise de bénéfices positive et négative _____________________________ 210
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Table des graphiques et tableaux
365
Tableau 5.8 - Rentabilités anormales cumulées ex-post sur 6 mois (CARP6) en % des
titres à surprise de bénéfices positive et négative _____________________________ 210
Tableau 5.9 - Rentabilités anormales cumulées ex-post sur 9 mois (CARP9) en % des
titres à surprise de bénéfices positive et négative._____________________________ 211
Tableau 5.10 - Rentabilités anormales cumulées ex-post sur 12 mois (CARP12) en % des
titres à surprise de bénéfices positive et négative _____________________________ 211
Tableau 5.11 - Résultats des modèles 1 et 1’ pour l’ensemble de l’échantillon ______ 215
Tableau 5.12 - Résultats des modèles 2 et 2’ pour l’ensemble de l’échantillon ______ 216
Tableau 5.13 - Résultats du modèle 1 pour les titres à bonne (resp. mauvaise) nouvelle
récente ______________________________________________________________ 218
Tableau 5.14 - Résultats du modèle 1’ pour les titres à bonne (resp. mauvaise) nouvelle
récente ______________________________________________________________ 218
Tableau 5.15 - Résultats du modèle 1 pour les titres à une bonne (resp. mauvaise)
nouvelle antérieure ____________________________________________________ 219
Tableau 5.16 - Résultats du modèle 1’ pour les titres à une bonne (resp. mauvaise)
nouvelle antérieure ____________________________________________________ 219
Tableau 5.17 - Résultats du modèle 1 pour les titres à deux bonnes (resp. mauvaise)
nouvelles antérieures ___________________________________________________ 220
Tableau 5.18 - Résultats du modèle 1’ pour les titres à deux bonnes (resp. mauvaise)
nouvelles antérieures ___________________________________________________ 221
Tableau 5.19 - Résultats du modèle 2 pour les titres à bonne (resp. mauvaise) nouvelle
récente ______________________________________________________________ 221
Tableau 5.20 - Résultats du modèle 2’ pour les titres à bonne (resp. mauvaise) nouvelle
récente ______________________________________________________________ 222
Tableau 5.21 - Résultats du modèle 2 pour les titres à une bonne (resp. mauvaise)
nouvelle antérieure ____________________________________________________ 222
Tableau 5.22 - Résultats du modèle 2’ pour les titres à une bonne (resp. mauvaise)
nouvelle antérieure ____________________________________________________ 223
Tableau 5.23 - Résultats du modèle 2 pour les titres à deux bonne (resp. mauvaise)
nouvelles antérieures ___________________________________________________ 223
Tableau 5.24 - Résultats du modèle 2’ pour les titres à deux bonnes (resp. mauvaises)
nouvelles antérieures ___________________________________________________ 224
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Table des graphiques et tableaux
366
CHAPITRE 6 – ETUDE DES PREVISIONS DES ANALYSTES LORS DE
L’ANNONCE DES BENEFICES _________________________________________ 226
Graphique 6.1 : L’effet conjoint des heuristiques de disponibilité et de représentativité
sur l’erreur de prévision (ou surprise de prévision) suite à des modifications négatives et
positives_____________________________________________________________ 229
Graphique 6.2 : L’effet conjugué des heuristiques de disponibilité et d’ancrageajustement sur l’erreur de prévision (ou surprise de prévision) suite à des modifications
négatives et positives___________________________________________________ 230
Graphique 6.3 - Rentabilités anormales cumulées ex-ante et ex-post observées des
portefeuilles composés selon le sens de la variable FERA1, pour tout l'échantillon ___ 236
Graphique 6.4 - Rentabilités anormales cumulées ex-ante et ex-post observées des
portefeuilles composés selon le sens de la variable FERR1, pour tout l'échantillon ___ 236
Tableau 6.1 - Estimation des paramètres des régressions (57) des performances ex-post
(CARPp,n) sur les erreurs de prévisions de bénéfice non standardisées les plus récentes
(FERA1)_____________________________________________________________ 238
Tableau 6.2 - Nombre d’observations et du pourcentage d’erreurs de prévisions de
bénéfices (FERAn) négatives de l’échantillon total suivant les mois n. ____________ 240
Tableau 6.3 - Nombre d’observations et du pourcentage d’erreurs de prévisions de
bénéfices (FERAn) négatives du portefeuille à FRn positives (FRn > 0) suivant les mois n.
____________________________________________________________________ 241
Tableau 6.4 - Nombre d’observations et du pourcentage d’erreurs de prévisions de
bénéfices (FERAn) négatives du portefeuille à FRn négative (FRn < 0) suivant les mois n.
____________________________________________________________________ 241
Tableau 6.5 - Estimation des paramètres des régressions (59) des erreurs de prévisions de
bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois
(FRn) pour tout l’échantillon. ____________________________________________ 244
Tableau 6.6 - Estimation des paramètres des régressions (59) des erreurs de prévisions de
bénéfice (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois (FRn)
des portefeuilles à révision de prévisions de bénéfices positive (FRn > 0) et négative
(FRn < 0) ____________________________________________________________ 245
Tableau 6.7 - Nombre d’observations et du pourcentage d’erreurs de prévisions de
bénéfices (FERRn) négatives de l’échantillon total suivant les mois n. ____________ 248
Tableau 6.8 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de
prévisions de bénéfices (FERRn) négatives du portefeuille à changement de bénéfices
positif (FCn > 0) suivant les mois n. _______________________________________ 249
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Table des graphiques et tableaux
367
Tableau 6.9 - Récapitulatif du nombre d’observations et du pourcentage d’erreurs de
prévisions de bénéfices (FERRn) négatives du portefeuille à changement de bénéfice
négatif (FCn < 0) suivant les mois n. ______________________________________ 249
Tableau 6.10 - Estimation des paramètres des régressions (61) des erreurs de prévisions
de bénéfices (FERRn) sur les révisions de prévisions de bénéfices cumulées sur n mois
(FCn) pour toutes les observations. ________________________________________ 251
Tableau 6.11 - Estimation des paramètres des régressions (61) des erreurs de prévisions
de bénéfices (FERRn) sur les changements de bénéfices cumulées sur n mois (FCn) des
portefeuilles à changement de bénéfices positif (FCn > 0) et négatif (FCn < 0). _____ 253
Tableau 6.12 - Estimation des paramètres des régressions (62) des erreurs de prévisions
de bénéfices (FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois
(FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour toutes les
observations. _________________________________________________________ 255
Tableau 6.13 - Estimation des paramètres des régressions (62) des erreurs de prévisions
de bénéfices (FERAn) sur les révisions de prévisions de bénéfices cumulées sur n mois
(FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de
titres à révision de prévisions de bénéfices positive (FRn > 0). __________________ 256
Tableau 6.14 - Estimation des paramètres des régressions (62) des erreurs de prévisions
de bénéfices (FERAn) sur les révisions de prévisions de bénéfice cumulées sur n mois
(FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de
titres à révision de prévisions de bénéfices négative (FRn < 0). __________________ 257
Tableau 6.15 - Estimation des paramètres des régressions (62) des erreurs de prévisions
de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois
(FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille de
titres à changement de bénéfices positif (FCn>0) _____________________________ 258
Tableau 6.16 - Estimation des paramètres des régressions (62) des erreurs de prévisions
de bénéfices (FERAn) sur les révisions de bénéfices prévisionnels cumulées sur n mois
(FRn) et les changements de bénéfices cumulés sur n mois (FCn) pour le portefeuille à
changement de bénéfices négatif (FCn < 0). _________________________________ 259
Tableau 6.17 - Estimation des paramètres des régressions (63) des erreurs de prévisions
de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de
prévisions de bénéfices cumulées sur n mois (FRn) et les changements de bénéfices
cumulés sur n mois (FCn) pour le portefeuille de titres à changement de bénéfices négatif
(FCn < 0) ____________________________________________________________ 261
Tableau 6.18 - Estimation des paramètres des régressions (63) des erreurs de prévisions
de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de
bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfices
cumulés sur n mois (FCn) pour les portefeuilles à révision de bénéfices prévisionnels
positive (FRn > 0) et négative (FRn < 0). ___________________________________ 261
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
Table des graphiques et tableaux
368
Tableau 6.19 - Estimation des paramètres des régressions (63) des erreurs de prévisions
de bénéfices (FERRn) relatives aux changements de bénéfices sur les révisions de
bénéfices prévisionnels cumulées sur n mois (FRn) et les changements de bénéfice
cumulés sur n mois (FCn) pour les portefeuilles à changements de bénéfices positive
(FCn > 0) et négative (FCn < 0) __________________________________________ 262
CONCLUSION GENERALE ____________________________________________ 265
BIBLIOGRAPHIE _____________________________________________________ 270
ANNEXES ____________________________________________________________ 307
Graphique 2.1 – Rentabilités anormales cumulatives (CAR) des portefeuilles composés
suivant les surprises de bénéfices (84472 annonces trimestrielles de bénéfice, 1974 –
1986) : Source Bernard (1993) in Bernard et Thomas (1989) ___________________ 315
Graphique 2.2 – Evolution des réactions des titres aux annonces de bénéfices selon la
taille sur 360 jours de transaction: Source Bernard (1993) in Bernard et Thomas (1989)
____________________________________________________________________ 315
Graphique 2.3 – Graphique comparatif des résultats des études de Latane, Jones et Rieke
(1974), Rendleman, Jones et Latane (1982) et Bernard et Thomas (1989): Source
Bernard (1993) _______________________________________________________ 316
Graphique 2.4 – Evolution des rentabilités anormales cumulatives (CAR) ajustées à la
taille des portefeuilles composés suivant les surprises de bénéfices: Source Bernard
(1993) in Bernard et Thomas (1989)_______________________________________ 316
PLAN DETAILLE _____________________________________________________ 352
TABLE DES GRAPHIQUES ET TABLEAUX ______________________________ 361
L’impact de l’annonce de bénéfices sur le marché financier français : une tentative d’explications.
L’IMPACT DE L’ANNONCE DE BENEFICES SUR LE MARCHE
FINANCIER FRANÇAIS
RESUME
Ce travail est dans la lignée des études sur le contenu informationnel des annonces de
bénéfice mis en évidence par Ball et Brown (1968) et Beaver (1968). Ces travaux suggèrent
un contenu informatif des annonces de bénéfices : les sociétés qui ont des bénéfices décevants
voient leurs cours baisser anormalement et inversement pour les sociétés qui publient les
meilleurs bénéfices. Cependant, il n’y a pas un consensus sur les explications des rentabilités
anormales suite aux annonces des bénéfices. Cette recherche empirique examine le
comportement des investisseurs et des prévisions des analystes lors de la publication des
résultats sous les hypothèses de la finance comportementale et sous celles de l’orthodoxie
financière sur le marché financier français sur la période 1988 – 1999.
Les résultats montrent que les investisseurs réagissent favorablement à l’annonce de bonne
nouvelle et défavorablement à l’annonce de mauvaise nouvelle sur les bénéfices sur le marché
financier français. Les cours s’ajustent progressivement aux annonces de bénéfices, ce qui est
cohérent avec l’efficience des marchés et les investisseurs ne sous-réagissent pas comme dans
les études de Bernard et Thomas (1989, 1990) et Barberis, Shleifer et Vishny (1998) sur le
marché américain. Cependant, les prévisions des analystes financiers sont sujets à des biais de
prévisions lors de la publication des bénéfices annuels sur le marché financier français: biais
d’optimisme, sous-réaction et sur-réaction. Les prévisions des analystes seraient gouvernées
par trois heuristiques lors de la publication des bénéfices : les heuristiques de disponibilité, de
représentativité et d’ancrage-ajustement.
Mots-clés:
Marchés
financiers,
anomalies,
sous-réaction,
sur-réaction,
finance
comportementale, rentabilités anormales, hypothèse d’efficience des marchés, inefficience,
heuristiques, analystes, surprise de bénéfice, annonces de bénéfices, prévisions des analystes.