L`intégration intra-régionale des marchés boursiers de l

Business School
WORKING PAPER SERIES
Working Paper
2014-219
L’intégration intra-régionale des
marchés boursiers de l’Europe du sudest : une analyse multivariée
Khaled Guesmi
Duc Khuong Nguyen
http://www.ipag.fr/fr/accueil/la-recherche/publications-WP.html
IPAG Business School
184, Boulevard Saint-Germain
75006 Paris
France
IPAG working papers are circulated for discussion and comments only. They have not been
peer-reviewed and may not be reproduced without permission of the authors.
L’intégration intra-régionale des marchés boursiers de
l’Europe du sud-est : une analyse multivariée
Khaled Guesmii; Duc Khuong Nguyenii
Résumé
Cet article cherche à étudier les déterminants de l’intégration régionale ainsi que la dynamique des primes de
risque des actions dans un cadre international. Nous utilisons un modèle DCC-GARCH multivarié et testons une
version conditionnelle du MEDAF international (MEDAFI) avec déviations de la parité des pouvoirs d’achat.
Nos résultats sont en faveur de la validité du MEDAFI et indiquent que le risque de change est rémunéré
internationalement. De plus, nous avons montré que le degré d’intégration financière intra-régionale peut être
expliqué par le degré d’ouverture commerciale régionale, le niveau de développement du marché boursier
régional et la performance boursière du marché régional. De même, le degré d’intégration des marchés boursiers
varie considérablement dans le temps et d’un marché à l’autre. Alors que la République Tchèque est devenue
plus intégrée dans le marché régional au cours des dernières années, la Grèce enregistre une baisse du degré
d’intégration intra-régionale. Aucune tendance particulière des degrés d’intégration des marchés n’est observée
pour la Roumanie et la Pologne. Comme l’intégration poussée n’a pas que d’avantages, nos constats ont des
implications considérables envers les politiques économiques et de régulation des pays émergents et préémergents, et en particulier des pays de la même région.
Mots clefs : MEDAFI, intégration financière, risque de change
JEL Classification: G12, F31, C32
Abstract
This article investigates the dynamics of regional financial integration and its determinants in an international
setting. We test a conditional version of the international capital asset pricing model (ICAPM) accounting for the
deviations from purchasing power parity (PPP) as well as temporal variations in both regional and local sources
of risk. Using data from four major countries of the Southeast Europe (Czech Republic, Greece, Poland, and
Romania), our results support the validity of ICAPM and indicate that the risk is internationally priced.
Furthermore, we show that changes in the degree of regional stock market integration are explained principally
by trade openness and the level of stock market development whatever the measure of currency risk. Finally, as
expected, the degree of stock market integration varies considerably over time and from one market to another.
As intense market integration induces both benefits and risks, our findings should have significant implications
for economic policies and market regulations in emerging, frontier-emerging and transition countries,
particularly for countries from the same region.
Keywords: ICAPM, market integration, exchange rate risk
JEL Classification: G12, F31, C32
i
IPAG Lab, IPAG Business School, France; Email: [email protected]; 184 bd St Germain – 75006 Paris,
Tél. 01 55 79 11 43 – Fax. 01 45 44 40 46.
ii
IPAG Lab, IPAG Business School, France; Email: [email protected].
1
1. Introduction
Face à l’accroissement de l’intégration des marchés financiers occidentaux, réduisant a priori
les gains potentiels de diversification des portefeuilles internationaux, le développement des
marchés financiers dans les pays émergents est généralement considéré comme une voie vers
de nouvelles opportunités. Cette tendance incite, depuis le début des années 80, la recherche
active d’opportunités et des investissements dans les pays émergents (Bekaert, 1995 ; 1977).
Bien que de nombreuses études aient montré le fort potentiel des bénéfices de diversification
à l’échelle internationale, les investisseurs globaux se heurtent souvent à des barrières à la fois
directes et indirectes (Bekaert, 1995). La distance géographique, étant une des barrières
importantes, limite, dans bien des cas, l’ensemble des opportunités d’investissement
transfrontalières à un cadre régional compte tenu des caractéristiques plutôt hétérogènes entre
différentes régions du monde (ex., potentiel de croissance, niveau de développement du
marché financier, politiques économiques suivies, degré d’ouverture commerciale, etc.). Ce
mouvement fait naître alors de grands pôles géographiques offrant des profils de risquerendement très variés. Au sein de l’univers émergent, nous pouvons citer les zones
d’Amérique Latine, d’Europe de l’Est, du Moyen-Orient et d’Asie.
Le regroupement par grands pôles géographique devrait mener à l’intégration financière ainsi
qu’à la vérification de la loi du prix international unique du risque sous l’impulsion des
échanges commerciaux et financiers entre les pays du même pôle. Un ajustement du marché
des changes serait attendu pour que cette loi s’applique. Cependant, lorsque la diversification
internationale des portefeuilles vers les actifs financiers de pays émergents est concernée, on
peut a priori se douter de la réalisation de la loi du prix unique du risque dans la mesure où
les régimes de change sont souvent soumis à des régulations plus ou moins strictes de la part
des autorités locales. Un bon nombre d’études a déjà examiné la dynamique de l’intégration
régionale des marchés émergents, mais leur attention porte essentiellement sur l’analyse des
2
flux commerciaux de biens et de services (Markusen ; 1995 ; Freudenberg et al., 1998) et sur
les flux des investissements directs intra-régionaux (Manzocchi et Ottaviano, 2000 ; Petri,
2006). De plus, les méthodologies empiriques demeurent insuffisantes puisqu’elles ne
tiennent pas compte des interactions entre les différents facteurs locaux et internationaux
d’intégration.
Ceci étant, l’étude de l’intégration financière régionale doit s’effectuer dans le cadre des
modèles d’évaluation des actifs financiers, susceptibles d’identifier les facteurs communs de
risque affectant les rentabilités boursières attendues, de mesurer les primes de risque associées
à ces facteurs, ainsi que de capturer la dynamique de l’intégration financière. Dans ce papier,
nous choisissions le modèle d’évaluation des actifs financier à l’international (ICAPM) afin
d’étudier l’intégration régionale des marchés émergents. Ces derniers se caractérisent en effet
par les nombreuses barrières qu’ils imposent à l’investissement international (Bekaert, 1995).
La question de recherche que nous nous posons est alors de savoir si l’ICAPM, conditionné
aux variables globales et locales, a la capacité d’expliquer la dynamique des rentabilités des
actifs financiers négociés sur les marchés émergents. Se poser cette question est d’une
importance capitale. D’un côté, mesurer le risque d’un marché boursier émergent uniquement
par sa covariance avec le portefeuille de marché mondial comme l’indique l’ICAPM avec
parité du pouvoir d’achat (PPA) serait erroné. De l’autre côté, la juste spécification de la
relation entre le risque et le rendement d’un actif émergent exige la prise en compte du risque
de change auquel s’exposent les investisseurs globaux et du degré d’intégration du marché en
question.
Si les travaux de la littérature passée s’accordent sur le fait que le degré d’intégration
financière des marchés émergents varie dans le temps (Bekaert and Harvey, 1995 ; Carrieri et
al., 2007, Guesmi and Nguyen, 2011), ils sont relativement divergents quant à l’identification
des facteurs déterminants de l’intégration. Si Bekaert et Harvey (1995, 1997), Adler et Qi
3
(2003), et Hardouvelis et al. (2006) ont procédé à un choix arbitraire de deux ou trois
variables financières et macroéconomiques pour modéliser la dynamique de l’intégration,
Carrieri et al. (2007) déterminent ex-post des facteurs d’intégration financière. La méthode
proposée par Carrieri et al. (2007) peut faire l’objet des critiques parce qu’elle introduit, de
manière arbitraire, quelques variables d’informations afin d’évaluer l’intégration financière
avant que cette dernière soit rapportée aux variables candidates susceptibles d’expliquer
l’intégration financière.
Notre étude contribue à la littérature existante en examinant l’intégration régionale de quatre
marchés émergents de l’Europe du Sud-est (Grèce, Pologne, Roumanie et République
Tchèque) ainsi que leurs déterminants dans le cadre de l’ICAPM. Différent des travaux
précédents, nous tentons, dans un premier temps, de d’identifier ex-ante les facteurs de
l’intégration financière des marchés nationaux à partir d’un ensemble de variables nationales,
régionales et globales susceptibles d’agir sur l’intégration financière. Dans un second temps,
Outre les risques systématiques liés au marché mondial et marché national, nous considérons
également les variations du taux de change qui constituent, selon les études précédentes, une
source de risque pertinente dans l’évaluation des actifs financiers des marchés émergents
(Adler et Dumas, 1983 ; Carrieri et al., 2007 ; Tai, 2007).
Nos résultats empiriques montrent que le degré d’intégration financière intra-régionale est
notamment déterminé par le degré d’ouverture commerciale et le niveau de développement du
marché boursier local. Ils sont également en faveur de la validité du MEDAFI et indiquent
que le risque de change est rémunéré internationalement. De même, le degré d’intégration
régionale des marchés boursiers varie fortement dans le temps et d’un marché à l’autre.
Le reste de l’article est structuré comme suit. La section 2 présente l’approche empirique que
nous utilisons pour déterminer les déterminants de l’intégration financière et examiner le
degré d’intégration financière intra-régionale des marchés émergents considérés. La section 3
4
décrit les données et leurs propriétés statistiques. La section 4 reporte et discute des résultats
obtenus. La section 5 conclut le papier.
2. Méthode empirique
2.1 Intégration partielle, risque de change et évaluation des actifs financiers
Les marchés boursiers nationaux ne sont pas complètement intégrés ni complètement
segmentés. Bien qu’elles relèvent des degrés d’intégration différents à travers les marchés, les
études précédentes s’accordent généralement sur leur intégration partielle au marché mondial
ou entre eux (Errunza and Losq, 1985 ; Bekaert et Harvey, 1995 ; Carrieri et al., 2007). Dans
cette étude, nous adoptons également un modèle ICAPM à intégration partielle tenant compte
de trois sources de risques systématiques : les fluctuations du marché régional, celles du
marché national et celles du taux de change dans l’évaluation des actifs financiers des
marchés émergents de l’Europe du Sud-est.
l


E ( Ri ,t  t 1 )   it 1 tr1Cov( Ri ,t , Rr ,t  t 1 )   tk1Cov( Ri ,t , Rk ,t  t 1 )
k 1


i
d
 (1   t 1 )i ,t 1Var ( Ri ,t  t 1 )
(1)
où Ri ,t R r ,t , et Rk ,t représentent respectivement les rentabilités en excès du taux sans risque
du marché i, du portefeuille de marché régional et du taux de change de la monnaie k contre la
monnaie de référence.  tr1 ,  id,t 1 et  tk1 sont les prix unitaires du risque relatifs au marché
régional, au marché local et au taux de change, respectivement.  it 1 se réfère à une mesure
conditionnelle du degré d’intégration financière du marché i vis-à-vis du marché régional. k
indique les monnaies de quatre pays que nous considérons : Grèce, Pologne, Roumanie, et
République Tchèque. Laissons Z t 1 , Yi ,t 1 et X i ,t 1 désigner respectivement le vecteur de
variables d’information régionales, le vecteur de variables d’information locales et le vecteur
de variables d’information sur l’intégration du marché i à la date (t-1), la dynamique
5
temporelle des prix unitaires du risque ainsi que celle de l’intégration du marché i au marché
régional sont modélisées comme suit :
tr1  Exp ( m Z t 1 )
 d
i ,t 1  Exp ( iYi ,t 1 )
 k
t 1  ( k Z t 1 )
 i  Exp (  ' X
i
i ,t 1 )
 t 1
(2)
Le marché i est parfaitement intégré au marché régional lorsque  it 1  1 , et dans ce cas, les
rentabilités attendues des actifs émis par ce marché sont évaluées en fonction du risque de
marché régional et du risque de change. De même, le modèle (1) devient le CAPM mondial
étendu à deux facteurs. A l’inverse, le marché i est complètement segmenté du marché
i
régional lorsque  t 1  0 . Dès lors, les rentabilités attendues ne dépendent que du risque de
i
marché national et le modèle (1) se réduit au CAPM domestique. Quand  t 1 est compris
entre 0 et 1, le marché i se situe dans une situation d’intégration partielle avec le marché
régional et l’évaluation des actifs financiers repose ainsi sur une combinaison des facteurs de
risque régionaux et nationaux.
Sous l’hypothèse d’anticipations rationnelles, la spécification économétrique de notre modèle
(1) est caractérisée par le système d’équations ci-dessous :
~
rr ,ct  tr1hrr ,t   r ,t
~
rk c,t  tk1hkk ,t   k ,t k  1,2,3,4
l


~
ri ,ct   it 1  tr1hir ,t   tk1hik ,t   (1   ii 1 )id,t 1hii ,t   i ,t with i  G, P, R, C
k 1


 t  ( r ,t ,  1,t ,  2,t ,  3,t ,  4,t ,  G ,t ,  P ,t ,  R ,t ,  C ,t ) t 1 ~ N (0, H t )
(3)
H t  Dt Rt Dt
Rt  (diag (Qt )) 1 / 2 Qt (diag (Qt )) 1 / 2
Dt  diag ( h11,t , h22,t ,..., hnn,t )
 it 1  Exp (  0   1 * Fi ,t 1 )
6
rr ,ct , ~rk c,t et ~ri ,ct sont les taux de rentabilité en excès du taux sans risque du marché régional,
où ~
du taux de change k, et du marché i, respectivement. Ces taux sont exprimés dans la monnaie
du pays de référence afin de pouvoir comparer les résultats à travers les marchés. hir ,t , hik ,t , et
hii ,t se réfèrent respectivement la covariance conditionnelle entre les rentabilités du marché i
et celles du marché régional, la covariance conditionnelle entre les rentabilités du marché i et
celles du taux de change k, et la variance conditionnelle du marché i, toutes issues de la
matrice des variances-covariances H t de taille (9  9) . Cette dernière est en effet modélisée
par un modèle DCC-GARCH multivarié d’Engle (2002). Rt est la matrice symétrique des
corrélations dynamiques de dimension (9×9). Dt est une matrice diagonale des écarts-types
conditionnels de chacune des séries de rentabilités provenant de l’estimation d’un processus
GARCH univarié.
Au total, le système (3) est composé de neuf équations individuelles. La première équation
décrit la dynamique des rentabilités du marché régional qui ne dépend que du risque de
marché régional. Les quatre équations suivantes décrivent la dynamique de quatre taux de
change mesurant la valeur d’échange de chaque monnaie locale contre une unité de la
monnaie de référence. Les quatre dernières équations décrivent la dynamique des rentabilités
de quatre marchés individuels considérés, qui dépend à la fois du risque de marché régional,
du risque de change et du risque de marché local.
Lors de l’étape empirique, nous considérerons trois spécifications pour des taux de change.
D’abord, nous utilisons des taux de change bilatéraux réels mesurant la valeur d’échange
d’une monnaie locale par rapport au dollar américain. De ce fait, nous considérons les EtatsUnis comme étant le pays de référence. Ensuite nous utilisons les taux de change bilatéraux
réels exprimés dans une monnaie locale de référence qui n’est autre que la monnaie du pays
ayant la plus importante part du PIB dans la région. Enfin, des indices des taux de change
7
effectifs réels sont utilisés à la place des taux de change bilatéraux réels. Ces différentes
spécifications des taux de change nous permettrons ainsi de vérifier la pertinence des résultats
trouvés et de justifier le choix de notre monnaie de référence.
2.2 Stratégies d’estimation
Nous estimons le système (3) en deux étapes. Dans un premier temps, nous estimons, par la
méthode du quasi-maximum de vraisemblance (QML), le système composé de 5 équations
comprenant les rentabilités en excès du taux sans risque de l’indice de marché régional et
celles de quatre indices de change réels. Cette étape nous permet d’obtenir les primes de
risque associées au risque de marché régional et aux risques de change ainsi que les variances
conditionnelles du marché régional et des taux de change. Dans un second temps, nous estimons le système complet à neuf équations pour identifier les déterminants de l’intégration financière en imposant les résultats de l’estimation issus de la première étape. Cette restriction
permet de garantir les mêmes prix du risque du marché régional et des taux de change pour
tous les pays individuels.iii Ici, les primes de risque associées avec les facteurs de risque
communs (risque de marché régional et risques de change) sont pondérées par le degré
d’intégration  i ,t 1 , alors que la récompense relative au risque de marché national est proportionnelle au degré de segmentation ( 1   i ,t 1 ). Il est à noter que notre spécification pour la
mesure de l’intégration tient compte d’un bon nombre de facteurs, économiques et financiers,
susceptibles d’agir sur le degré d’intégration financière. Errunza et Losq (1992), Cooper et
Kaplanis (2000), et Bhattacharya et Daouk (2002) ont également adopté cette spécification
lors de l’estimation de leurs modèles à segmentation partielle.
Une fois que les facteurs pertinents à l’intégration sont identifiés, nous les utilisons pour réestimer le système complet à neuf équations et examinons la dynamique de l’intégration
iii
L’estimation simultanée est techniquement difficile à faire, tous les travaux antérieurs se fondant ainsi sur cette
même méthode d’estimation (ex., Bekaert et Harvey, 1995 ; De Santis et Gérard, 1998 ; De Santis et al., 2003).
8
régionale de chaque marché considéré ainsi que celle des prix du risque relatifs au marché
régional, aux taux de change et au marché national. D’un point de vue empirique, cette
procédure peut être considérée comme une backtesting pour garantir la spécification correcte
du modèle d’évaluation.
3. Données utilisées
3.1 Rentabilités boursières et taux de change
Nous employons les rentabilités boursières mensuelles en excès du taux des eurodollars à 1
mois. Le taux des eurodollars à 1 mois est considéré comme le taux sans risque dans notre
étude. Les rentabilités boursières mensuelles sont calculées à partir des indices de marché
avec dividendes réinvestis selon la formule Rit  ln Pt / Pt 1  . Les données boursières sont
obtenues de Thomson Datastream. Les taux de change réels sont exprimés en dollar américain
et proviennent de la base « International Financial Statistics » (IFS) du Fonds Monétaire
International (IMF) ainsi que de la Réserve Fédérale des Etats-Unis (US Fed). Lors de
l’estimation de notre modèle empirique, nous considérons leurs changements logarithmiques.
La période d’étude s’étend de janvier 1996 à décembre 2007. Elle exclut les épisodes de la
crise financière internationale récente qui pourraient générer des estimations biaisées.
3.2 Les variables régionales et locales
Nous retenons dans notre modèle empirique les variables suivantes afin de conditionner le
prix du risque du marché régional: une constante (ZCON), les rendements en dividende du
marché régional en excès du taux sans risque à 30 jours (ZDY), les rentabilités du portefeuille
de marché régional en excès du taux sans risque (ZRETURN) et le spread de taux d’intérêt
(ZSPR). Le spread de taux est la différence de rendement entre un bon de trésor du marché
9
local à 10 ans et un taux d’intérêt de 30 jours.iv Les données mensuelles sont obtenues de
Datastream et MSCI.
Les variables instrumentales qui conditionnent l’estimation du prix du risque local incluent le
rendement en dividende du portefeuille de marché local (LDIV), la rentabilité du marché local
en excès du taux sans risque (LRETURN), et la variation mensuelle du taux d’inflation
(LINF). Ces données mensuelles sont extraites de Datastream International et MSCI.
3.3 Les facteurs potentiels susceptibles d’agir sur le niveau d’intégration financière
Un ensemble de facteurs candidats de l’intégration financière est choisi sur la base des études
antérieures (Bekaert et Harvey, 1997, 2000 ; Bhattacharya et Daouk, 2002). Il inclut ainsi le
degré d’ouverture commerciale mesuré par le rapport entre le total des imports et exports et le
PIB), le niveau de développement du marché boursier local mesuré par le rapport entre la
capitalisation boursière du marché et le PIB, la production industrielle, le taux d’inflation, le
taux d’intérêt à court terme, le spread de taux, le taux d’intérêt à long terme, la volatilité des
taux de changev, le taux de croissance économique, le déficit courant, la rentabilité du marché
local, la rentabilité du marché régional, le rendement en dividende du marché local, le
rendement en dividende du marché régional, le taux d’intérêt mondial, la rentabilité du
marché mondial et le rendement en dividende du marché mondial.
3.4 Propriétés statistiques des données
Le Tableau 1 présente les statistiques descriptives des séries de rendements boursiers et de
taux de change réels. Le rendement boursier moyen pour les pays de l’Europe de l’Est est
négatif et se situe entre -0,2% (Pologne) et -1,4% (Grèce). La Pologne est le marché le plus
iv
Nous utilisons les taux d’intérêt du pays ayant le plus grand PIB.
La volatilité est déterminée par le processus GARCH (1,1) univarié appliqué aux taux de change réels bilatéraux des monnaies locales contre le dollar américain. Par ailleurs, les praticiens considèrent que lorsque la volatilité des taux de change est très importante, les marchés deviennent moins intégrés. Les taux de change sont issus
de la Federal Reserve Bank of St Louis’ FRED DataBase et de IFS.
v
10
volatil avec un écart-type de 0,103, suivi de près par la République Tchèque (0,099) et la
Grèce (0,084). Le coefficient de skewness est négatif dans deux cas (Pologne et République
Tchèque), ce qui signifie que les distributions de ces séries de rendement sont étalées vers la
gauche et que la probabilité d’observer des rendements négatifs extrêmes est plus élevée que
celle d’une distribution normale. Les coefficients de kurtosis sont significatifs et supérieurs à
trois pour tous les cas de figure. Ces constats indiquent en effet la non-normalité des séries de
rendement, clairement confirmée par le test de Jarque-Bera. Le test d’Engle (1982) met en
exergue l’existence des effets ARCH dans toutes les séries de rendement boursier, ce qui
supporte notre décision de modéliser la volatilité conditionnelle des rendements par un
processus GARCH.
Tableau 1, Statistiques de base et propriétés stochastiques des séries de rendement
Moyenne (%) Ecart-type (%) Skewnes Kurtosis
J.B
Q(12)
ARCH(6)
Panel A : Série des rentabilités boursières
Grèce
-1,400
8,400
1,106
7,226
16,641
61,5+++
132,1+++
+++
Pologne
-0,200
1,030
-0,127
8,257
165,078 150,1
125,4+++
+++
Roumanie
-0,400
7,600
0,496
4,951
165,079
99,9
132,4+++
+++
République Tchèque
-0,390
9,990
-0,430
5,657
46,488
127,6
124,5+++
Panel B : Taux de change réels
Grèce
0,609
13,500
0,862
3,334
18,525
62,8+++
131,7+++
+++
Pologne
0,531
33,700
1,315
3,360
42,312
61,6
129,1+++
Roumanie
0,257
2,300
2,135
4,951
8,553
16,8+++
111,1+++
+++
République Tchèque
0,333
32,600
6,633
67,278
258,26
35,8
115,7+++
Notes : Ce tableau reporte des statistiques de base ainsi que les propriétés stochastiques pour les rentabilités boursières en
excès du taux des eurodollars à 1 mois et taux de change exprimés en différent logarithmiques. +, ++, et +++ indiquent que
l’hypothèse nulle de normalité et d’absence d’effet ARCH est rejetée au seuil de 10%, 5% et 1% respectivement.
Quant aux rendements des taux de change réels, nous montrons qu’ils sont tous positifs en
moyenne et varient entre 0,257% (Roumanie) et 0,609% (Grèce). Leurs distributions
probabilistes dévient fortement de la normalité en vue des résultats du test de Jarque-Bera.
Nous trouvons également qu’il existe des effets ARCH pour ces séries. Comme les séries de
rendement boursier, les rendements des taux de change sont autocorrélés en vue des
statistiques du test de Ljung-Box.
11
4. Résultats empiriques
4.1 Estimation du prix de risque de marché et de change
Les fluctuations du marché régional constituent une source de risque systématique dans le
cadre de notre modèle d’évaluation des actifs financiers à intégration partielle. La théorie de
la finance moderne suggère que ce risque est pertinent et évalué. Plus ce risque est important,
plus il est rémunéré. La Figure 1 montre la rémunération du risque de marché régional dans le
temps sur la période d’estimation ainsi que sa tendance, représentée par la série filtrée que
nous obtenons en utilisant le filtre Hodrick-Prescott. Le prix du risque en question exhibe des
mouvements amples et varie entre 0,21% (06/1998) et 0,53% (07/2001). Deux pics sont
observés et semblent être liés à la crise asiatique en 1997-1998 et à celle des années 20002002 à la suite de l’éclatement de la bulle d’internet aux Etats-Unis.
Figure 1. Rémunération mensuelle du risque de marché régional
.6%
.5%
.4%
.3%
.2%
96
97
98
99
00
01
Estimated
02
03
04
05
06
07
HP-Filtered
Figure 2. Prix du risque de change
République Tchèque
Grèce
.6%
.3%
.2%
.5%
.1%
.4%
.0%
.3%
-.1%
-.2%
.2%
96
97
98
99
00
01
02
Estimated
03
04
05
06
07
96
97
98
99
00
01
02
Estimated
HP-Filtered
Pologne
03
04
05
06
07
HP-Filtered
Roumanie
1.2%
.4%
1.0%
.2%
.0%
0.8%
-.2%
0.6%
-.4%
0.4%
96
97
98
99
00
01
Estimated
02
03
04
HP-Filtered
05
06
07
96
97
98
99
00
01
Estimated
02
03
04
05
06
07
HP-Filtered
12
La Figure 2 présente les évolutions des prix des risques de change des différents pays de
l’échantillon. Pour tous les pays étudiés, le prix du risque de change réagit sensiblement à des
événements économico-politiques internationaux majeurs comme par exemple les différentes
crises monétaires et financières des pays asiatiques et sud-américains en 1997, 1998 et 2001.
On remarque aussi que les variations et les amplitudes des prix des risques ont enregistré une
baisse à partir des années 2003 s’expliquant généralement par une diminution de l’aversion au
risque des opérateurs de marché.
Tableau 2. Estimation du prix de risque de marché et de change
ZCON
ZDIV (×10)
ZRETURN
ZSPR
Panel A – Prix du risque de change
République Tchèque
0,496***
0,009***
-0,006***
-0,030***
(0,146)
(0,000)
(0,001)
(0,007)
Grèce
0,367**
0,007***
-0,004**
-0,008
(0,168)
(0,000)
(0,001)
(0,009)
Pologne
0,244
0,009***
-0,003**
-0,005
(0,164)
(0,000)
(0,001)
(0,008)
Roumanie
0,209
0,004***
-0,003**
0,001
(0,144)
(0,001)
(0,001)
(0,006)
Panel B – Prix du risque régional
-0,032
0,006***
0,010***
-0,001
(0,031)
(0,000)
(0,000)
(0,001)
Panel C – Test de spécification des prix de risque de change et prix de risque régional
Hypothèse nulle
2
p-value
Le prix de risque de marché de la zone Europe Sud-est est-il
2,967*
0,0849
égal à zéro ? H 0 : i  0
Le prix de risque de marché de la zone Europe Sud-est est-il
constant ? H 0 : i  1
1,829*
0,0762
Le prix de risque de change de la Grèce est –il
constant ? H 0 : i  1
75,971***
0,0000
Le prix de risque de change de la Pologne est-il égal à
zéro ? H 0 : i  0
37,112***
0,0000
Le prix de risque de marché de Pologne est-il
constant ? H 0 : i  1
56,187***
0,0000
Le prix de risque de change de la Roumanie est-il égal à
zéro ? H 0 : i  0
32,567***
0,0000
Le prix de risque de change de la Roumanie
constant ? H 0 : i  1
56,111***
0,0000
Le prix de risque de change de la République Tchèque est-il
égal à zéro ? H 0 : i  0
57,258***
0,005
Le prix de risque de change de la République Tchèque
constant ? H 0 : i  1
66,033***
0,0000
118,122***
0,0000
89,183***
0,0000
est-il
Les prix de risque de change sont-ils conjointement
nuls ? H 0 : i  1
Les prix de risque de change sont-ils conjointement constants?
H 0 : i  1
13
Notes: ce tableau présente les déterminants des prix du risque de change et du risque régional. ZCON, ZDY,
ZRETURN et ZSPR se réfèrent au terme constant, au rendement en dividende, aux rentabilités du marché
régional, et au spread de taux d’intérêt. Les écart-types sont donnés entre parenthèses.  2 est la statistique
empirique du test de Wald. *, **, and *** indiquent la significativité aux seuils de 10%, 5% et 1% respectivement.
+ ++
, , and +++ indiquent le rejet des hypothèses nulles aux seuils de 10%, 5% et 1% respectivement.
Le Tableau 2 montre que les prix du risque de change pour les quatre marchés sont
principalement déterminés par le rendement du dividende (ZDIV) et les rendements boursiers
(ZRETURN) des marchés régionaux. Ils sont reliés positivement avec le rendement du
dividende, mais négativement associée à la rentabilité des actions. Lorsque les marchés
locaux offrent des rendements plus élevés, l'augmentation de l'activité commerciale dans les
marchés boursiers peut potentiellement impliquer une plus grande volatilité des marchés des
changes en raison de l'augmentation des investissements étrangers. L'écart de taux d'intérêt
(ZSPR) n'est significatif que pour le cas de la République tchèque, ce qui suggère que les
changements dans les prix des risques de change sont moins dépendants des mouvements de
taux d'intérêt à long et à court terme. De même, le prix du risque de marché régional est
également significativement expliqué par les variables régionales (ZDIV) et (ZRETURN).
Toutefois, l'impact de ces facteurs est positif.
Le test robuste de Wald, reporté dans le Panel C du Tableau 2, rejette l’hypothèse selon
laquelle le prix du risque de marché spécifique à chaque région est constant. De plus,
l’hypothèse selon laquelle les prix des risques de change sont conjointement nuls est
également rejetée tout comme l’hypothèse selon laquelle les prix des risques de change sont
conjointement constants. Ces résultats confirment ceux d’Adler et Dumas (1983) ; Carrieri et
al. (2007) et Hardouvelis et al. (2006).
De même, les résultats de test de Wald reportés dans le Tableau 3 montrent que les prix des
risques locaux sont significativement différents de zéro et variables dans le temps pour tous
les marchés étudiés, ce qui confirme l’hypothèse selon laquelle le risque local est rémunéré
pour ces pays.
14
Tableau 3. Test de spécification des prix de risque locale
Hypothèse nulle
2
d
Le prix de risque local de la Grèce est-il égal à zéro ? H 0 : G  0
44,312***
Le prix de risque local de la Grèce est –il constant ? H 0 : Gd  1
Le prix de risque local de la Pologne est-il égal à zéro ? H 0 : dP  0
p-value
0,0000
851,97***
0,0000
0,0000
25,152
***
Le prix de risque de marché de Pologne est-il constant ? H 0 : dP  1
Le prix de risque local de la Roumanie est-il égal à zéro ? H 0 : dR  0
633,87
***
0,0000
18,975
***
0,0008
Le prix de risque local de la Roumanie constant ? H 0 : dR  1
Le prix de risque local de la République Tchèque est-il égal à zéro ?
19,893***
0,0005
***
0,0258
d
H 0 : CR
0
44,312
***
Le prix de risque local de la République Tchèque est-il constant ? H 0 :   1
34,078
0,0000
***
Notes : Ce tableau reporte les résultats du test de Wald. indique la significativité aux seuils de 1%.
d
CR
Le Tableau 4 reporte le résultat des tests sur les résidus. Le test Ljung-Box ne permet pas de
rejeter l’hypothèse nulle d’absence d’autocorrélation pour toutes les séries de résidus. En
même temps, les effets ARCH ont disparus dans les séries de résidus. Bien que le degré de
déviation diminue nettement, les séries de résidus ne suivent toujours pas une distribution
normale. Dans l’ensemble, notre modèle s’avère approprié pour modéliser la dynamique des
séries de rendements boursiers.
Tableau 4. Diagnostic des résidus
Skewness
Kurtosis
J.B
Q(12)
ARCH(6)
Tchèque
-0,255
4,393
13,013
14,493
0,124
Grèce
0,599
2,865
8,613
14,640
0,013
9,836
0,122
7,664
0,145
Pologne
1,270
8,555
Roumanie
0,740
3,217
220,708
+++
13,236
0,278
2,292
4,797
5,680
0,002
Marché régional
Notes : J.B, Q(12) et ARCH(1) dénotent les statistiques empiriques des tests de Jarque-Bera pour la normalité
des erreurs, de Ljung-Box pour l’absence d’autocorrélation, et d’Engle pour l’hétéroscédasticité conditionnelle.
+ ++
, , et +++ indiquent que l’hypothèse nulle de normalité, d’absence d’autocorrélation et d’absence d’effets
ARCH est rejetée aux seuils de 10%, 5% and 1% respectivement.
4.2 Les facteurs d’intégration financière
Afin d’identifier les facteurs déterminants de l’intégration financière, nous estimons le modèle
(3) conjointement pour tous les pays et pour chaque facteur. Les facteurs potentiels que nous
considérons représentent les variables locales, régionales et globales susceptibles d’agir sur le
degré d’intégration financière intra-régionale. Les résultats de l’estimation sont reportés dans
le Tableau 5. Nous observons que le degré d’ouverture commerciale, le degré de
développement du marché boursier, l’inflation, la croissance économique, les rendements en
15
dividende du marché local et régional, le spread de taux, le déficit courant et la rentabilité du
marché régional ont des impacts significatifs sur l’intégration financière. Ces résultats sont en
accord avec ceux des études précédentes (Bekaert et Harvey, 1995, 1997 ; Bhattacharya et
Daouk, 2002, Adler et Qi ,2003 et Hardouvelis et al., 2006).
La majorité des travaux empiriques antérieurs dont notamment Bekaert et Harvey (1997),
Griffin (2001), Dumas et al. (2003), Karolyi et Stulz (2002), Barr et Priestley (2004) et
Carrieri et al. (2006), le dollar américain est utilisé comme monnaie de référence. Par ailleurs,
si on traite de l’intégration intra-régionale, on doit prendre comme portefeuille de référence le
marché régional. Ainsi, on réduit la dimension du marché mondial à celle d’un marché
régional. De plus, si les pays membres ont des monnaies différentes, on prendra comme
référence la monnaie du pays membre qui a la part du PIB la plus importante dans la région.
Les résultats présentés dans la partie (B) du Tableau 5 sont quasi similaires à ceux obtenus
avec le dollar américain comme monnaie de référence. Lorsque l’euro est utilisé comme
monnaie de référence, l’intégration régionale des marchés étudiés est expliquée plus
spécifiquement par la production industrielle locale et le taux d’intérêt à long terme.
Table 5. Les facteurs potentiels de l’intégration financière intra-régionale
Taux de change bilatéral
exprimé en dollar (A)
Degré d'ouverture commerciale
Développement du marché
boursier
Production Industrielle du
marché local
Production industrielle Mondiale
Ecart des taux de croissance
industrielle
Inflation
Volatilité des taux de change
Croissance économique
Rendement en dividende du
marché local
Rendement en dividende du
marché régional
Rendement en dividende du
0
1
40,850***
(4,110)
19,060***
(3,028)
0,161
(0,295)
0,399
(1,058)
-0,081
(-0,089)
21,410***
(5,227)
0,208
(0,267)
3,033***
(0,228)
-0,092
(-0,228)
-40,000***
(-4,51)
0,499
56,500***
(12,020)
12,990***
(3,038)
-5,462
(-0,257)
1,258
(1,125)
0,064
(-0,072)
-56,700***
(-5,010)
-6,940
(-4,532)
7,585*
(2,072)
0,483***
(-0,272)
-56,500***
(0,002)
0,155
Taux de change bilatéral
exprimé en Euro (B)
0
1
1,221***
(0,224)
29,270***
(5,150)
-0,149
(0,290)
0,222
(1,456)
-0,072
(-0,088)
2,000***
(0,294)
19,863
(23,940)
21,290***
(0,824)
0,559
(-0,659)
5,434***
(-0,659)
-0,001
0,271***
(0,040)
3,457***
(0,111)
-0,860***
(-0,150)
1,876
(1,761)
0,054
(-0,091)
-50,330***
(-4,116)
2,688
(-24,098)
16,753***
(-0,820)
1,213***
(-0,429)
-5,400***
(0,506)
0,0356
Indice de taux de change
effectif réel (C)
0
1
5,370***
(2,114)
19,119***
(3,124)
-0,270
(-0,739)
1,080
(0,114)
-0,283
(-0,425)
1,961
(1,543)
-4,149
(-3,98)
0,288
(0,474)
0,080
(0,18)
0,043
(0,213)
-0,200
3,160***
(1,647)
2,164***
(0,345)
0,012
(0,373)
-5,589
(-4,761)
0,255
0,5491
-24,112
(19,231)
-1,860
(-1,630)
0,001
(0,030)
-0,140
(-0,76)
0,075
(0,078)
0,822*
16
marché mondial
Ecart de rendements en dividende
Taux d'intérêt à court terme
Taux d'intérêt à long terme
Le spread de taux
Déficit courant
Rentabilité du marché local
Rentabilité du marché régional
Rentabilité du marché mondial
Taux d'intérêt mondial
(0,518)
-0,0393
(0,0856)
-3,530
(-2,270)
0,599
(1,150)
0,050***
(0,010)
1,260***
(1,065)
1,460***
(0,465)
-12,800***
(-4,500)
0,920
(0,598)
0,064
(0,056)
(0,557)
0,007
(0,006)
-2,820
(-2,219)
0,600
(0,650)
0,050*
(0,030)
0,050***
(0,001)
0,483
(1,771)
-8,680***
(-2,328)
0,247
(0,689)
0,247
(0,689)
(0,000)
-0,021
(0,075)
-0,070***
(-0,029)
0,349
(1,130)
-0,019
(0,026)
10,130***
(0,315)
1,760***
(0,655)
5,434***
(-0,659)
0,920
(0,592)
-0,067
(-0,027)
(0,084)
0,0035
(0,0032)
0,034
(-0,075)
0,504***
(0,001)
0,004
(0,002)
0,090***
(0,033)
2,236
(1,691)
-5,400***
(-0,660)
0,247
(0,680)
0,033
(0,689)
(-0,540)
-0,290
(-0,771)
0,498
(0,475)
0,112
(1,133)
-0,0216
(-0,0541)
-0,383
(-0,524)
0,292
(-0,264)
0,240
(0,440)
-0,207
(-0,163)
-0,003
(0,004)
(0,423)
-0,023
(-0,364)
-4,596
(5,147)
0,760
(0,678)
-0,0401
(-0,543)
0,155
(0,748)
-5,800***
(-0,305)
0,019
(0,575)
0,559
(0,300)
0,605
(0,426)
Notes: Nous estimons le système (3) pour tous les pays en imposant les mêmes prix de taux de change et les
risques de marché régional ainsi que les variances et covariances conditionnelles obtenues lors de l'étape de la
première estimation. Nous considérons un facteur candidat à l’explication de l’intégration financière pour chaque
estimation. Les chiffres entre parenthèses sont les écarts types. *, ** et *** indiquent la significativité aux seuils de
10%, 5% et 1% respectivement. L’ouverture commerciale est mesurée par la capitalisation du marché divisée par
le Produit Intérieur Brut (PIB). Le développement du marché boursier est mesuré par le ratio de la capitalisation
boursière sur PIB nominal. La production industrielle se réfère au niveau de la production industrielle en logarithme. Les différences dans les taux de croissance de la production industrielle se référer à la différence entre les
taux de croissance du pays i et la production industrielle et la production industrielle des pays du G7. Taux d'intérêt à court terme peut être le taux des bons du Trésor ou du taux interbancaire. Le différentiel de taux d'intérêt
est mesuré par la différence entre les taux d'intérêt à long terme et à court terme. Les différences de rendement
des dividendes correspondent à la différence entre le pays i et le rendement en dividendes mondiaux. La volatilité des taux de change est la volatilité conditionnelle qui est estimée en appliquant un processus AR(1)-GARCH
(1,1) modèle à taux de change en logarithme. Le taux de croissance économique est mesuré par le logarithme de
l'évolution du PIB. Le déficit du compte courant se réfère au logarithme de la différence entre les exportations et
les importations.
Nous testons aussi la sensibilité de nos résultats lorsque les taux de change bilatéraux sont
remplacés par un indice de taux de change effectif réel. A l’instar d’Adler et Qi (2003), on
considère alors deux primes de risque qui expliquent les excès de rentabilité ; une prime de
risque de marché régional et une prime de risque de change. Les résultats, présentés dans la
partie C du Tableau 5, montrent que, en plus du degré d'ouverture commerciale et le niveau de
développement du marché local, le rendement du dividende et le rendement du marché local
expliquent significativement l’évolution de l'intégration financière.
En résumé, les principaux facteurs qui déterminent l'intégration financière restent relativement identiques par rapport à la variation de la devise de référence, mais change de façon significative lorsque l'indice de change effectif réel est pris en compte. Ces résultats aident à
expliquer la divergence entre les résultats des études antérieures en ce qui concerne le nombre
17
et la nature des facteurs d'intégration.
4.3 Intégration financière régionale
Nos analyses précédentes montrent que, quelle que soit la spécification du risque de change,
le degré d'ouverture commerciale et le développement du marché boursier local sont souvent
choisis comme les facteurs pertinents qui influent sur le processus d'intégration régionale des
marchés considérés. Nous décidons donc d'utiliser ces facteurs pour estimer le degré d'intégration régionale. Le Tableau 6 rapporte les résultats obtenus ainsi que les statistiques de base
de mesure d'intégration estimés pour les quatre pays. Dans l'ensemble, les résultats confirment
que la dynamique d’intégration financière est expliquée de façon significative par les variables sélectionnées quel que soit le marché.
La Figure 3 montre que le degré d’intégration varie légèrement d’un pays à un autre. Il est
ainsi de 69,9% pour la Grèce, 87,3% pour la République Tchèque, 52.2% pour la Pologne et
52,8% pour la Roumanie. L’analyse des graphiques montre que le marché financier tchèque
est le seul à connaître ces dernières années une hausse significative de son degré d’intégration.
La République Tchèque a enregistré des niveaux d’intégration supérieurs à 90% pendant la
sous-période 2000-2007. Cependant la Grèce enregistre une baisse du degré d’intégration qui
atteint des niveaux inférieurs à 40%. Ce résultat est attendu puisque la montée des déficits publics grecs depuis les années 1980 a pesé sur son système financier. Hibou (1997) explique
que la mise en place de la TVA qui était destinée à stopper l'évasion fiscale a en fait eu les effets inverses, soit l’intensification des fuites fiscales et la détérioration du système financier. Il
en va de même pour la baisse accrue dans les années 1990 des taux d'imposition qui, contrairement aux espérances, n’a pas permis d’augmenter les recettes. Ces contre-performances sont
expliquées par la défaillance du système de contrôle fiscal et la hausse considérable des importations européennes qui passent désormais sans contrôle les frontières en vertu du marché
unique. Par conséquent, la pression exercée par le remboursement de la dette restreint, dans
18
une certaine mesure, les ressources destinées à la distribution de biens et de richesses dans
l'économie grecque. De plus, l'accroissement accru de la taille du secteur public grec ces dernières années a causé l'augmentation des dépenses gouvernementales au moment même où les
pays membres entamaient leur reconversion libérale.
Tableau 6. Dynamique de l’intégration boursière intra-régionale
Panel A : Résultats d’estimation du degré d’intégration en fonction des variables instrumentales
Constante
DOC
DVB
1,067***
(0,009)
0,218***
(0,005)
0,0774***
(0,0084)
-1,600***
(0,076)
R. Tchèque
Grèce
Pologne
Roumanie
0,463***
(0,029)
0,055***
(0,008)
0,037***
(0,002)
0,946***
(0,082)
0,699***
(0,079)
-0,138***
(0,004)
0,046***
(0,002)
0,361***
(0,029)
Panel B : Estimation de degré d’intégration
Ω moyenne
Ω max
Ω min
(Ecart-type)
***
0,873
0,988
0,616
R. Tchèque
(0,006)
0,699***
0,988
0,337
Grèce
(0,167)
0,522***
0,999
0,042
Pologne
(0,157)
0,528***
Roumanie
0,844
0,361
(0,088)
Notes: Ce tableau reporte les résultats d’estimation des paramètres de la mesure de l’intégration financière. DOC et
DVB présentent le degré d’ouverture commerciale et le développement du marché boursier respectivement. Ω
max., Ω min. et Ω moyenne présentent le degré d’intégration maximal, minimal et moyen respectivement. Les
écarts-types robustes sont reportés entre parenthèses. *, ** et *** indiquent la significativité des coefficients au seuil
de 10%, 5% et 1% respectivement.
Figure 3. Degré d’intégration
Roumanie
Pologne
.9
1.0
.8
0.8
.7
0.6
.6
0.4
.5
96
97
98
99
00
01
Intergation
02
03
04
HP-Filtered
05
06
07
.4
0.2
.3
0.0
96
97
98
99
00
01
Integration
02
03
04
05
06
07
HP-Filtered
19
République Tchèque
Grèce
1.0
1.0
0.9
0.8
0.6
0.8
0.4
0.7
0.2
0.6
96
97
98
99
00
01
Integration
02
03
04
HP-Filtered
05
06
07
96
97
98
99
00
01
Integration
02
03
04
05
06
07
HP-Filtered
Au-delà des avantages que procurent aux marchés émergents la globalisation et l’intégration
financière (une meilleure diversification des risques, une meilleure allocation de capitaux et
un meilleur potentiel de croissance économique), celles-ci peuvent également entraîner des
effets indésirables. Citons, entre autres effets, l’augmentation de l’instabilité financière due
aux chocs extérieurs et les disparités dans les échanges avec les pays développés (Levine et
Zervos, 1996; Stiglitz, 2002 ; Bekaert et al., 2002b). L’appréciation du niveau d’intégration
de ces marchés s’avère alors cruciale. En outre, elle est à la base de toutes les problématiques
ayant trait à l’évaluation internationale des actifs financiers et aux politiques de coopération
économique régionale. Les études en la matière permettent aussi de connaître la tendance
haussière actuelle de l’intégration financière, ses facteurs déterminants, ses effets sur la prime
de risque et le coût du capital dans un contexte international.
5. Conclusion
Nous avons retenu le cadre théorique du MEDAFI conditionnel pour analyser le degré
d’intégration intra-régionale des marchés boursiers de l’Europe du Sud-est. Ensuite, après
avoir déterminé a priori les facteurs prépondérants de l’intégration financière intra-régionale,
nous avons mesuré l’importance du risque de change dans les choix internationaux des
portefeuilles d’actions. Nos résultats montrent que les degrés d’ouverture commerciale et de
développement du marché boursier sont les facteurs les plus déterminants de l’intégration
financière intra-régionale. De plus, le degré d’intégration des marchés boursiers varie
20
considérablement dans le temps et d’un marché à l’autre. La République Tchèque est le pays
le plus intégré financièrement dans le marché régional au cours des dernières années. Quant à
la Grèce, elle enregistre une baisse du degré d’intégration intra-régionale. Les tests concernant
la Roumanie et la Pologne n’ont montré aucune tendance particulière des degrés d’intégration
des marchés.
Références
Adler M. et Dumas B. (1983) “International portfolio selection and corporation finance: A
synthesis”, Journal of Finance 38, 925-984.
Adler M. et Qi R. (2003) “Mexico’s integration into the North American capital market”,
Emerging Markets Review 4, 91-120.
Arouri M. Nguyen D.K. et Pukthuanthong K. (2012) “An international CAPM for partially
integrated markets: Theory and empirical evidence”, Journal of Banking and Finance 36,
2473-2493.
Bailey W. et Stulz, R.M. (1990) “Benefits of international diversification: the case of Pacific
Basin stock markets”, Journal of Portfolio Management 16, 57-61.
Barr D. et Priestley R. (2004) “Expected Returns, Risk and the Integration of International
Bond Markets” Journal of International Money and Finance 23, 71-97.
Bekaert G. (1995) “Market integration and investment barriers in emerging equity markets”
World Bank Economic Review 9 75-107.
Bekaert G. et Harvey, C.R. (1995) “Time-varying world market integration” Journal of
Finance 50, 403-444.
Bekaert G. et Harvey, C.R. (1997) “Emerging Equity Market Volatility” Journal of Financial
Economics 43, 29-77.
Bekaert G. et Harvey, C.R. (2000) “Foreign speculators and emerging equity Markets”
Journal of Finance 55, 565-613.
Bekaert G., Harvey, C.R. et Lumsdaine, R. (2002) “The dynamics of emerging market equity
flows” Journal of International Money and Finance 21, 295-350.
Bekaert G. et Urias, M.S. (1996) “Diversification, integration, and emerging market closedend funds” Journal of Finance 51, 835-870.
Bhattacharya U. et Daouk, H. (2002) “The world price of insider trading” Journal of Finance
57, 75-108.
Carrieri F. (2001) “The effects of liberalization on market and currency risk in the European
Union” European Financial Management 7, 259-290.
Carrieri F., Errunza, V. et Hogan, K. (2007) “Characterizing world market integration through
time” Journal of Financial and Quantitative Analysis 42, 915-940.
Chambet A. et Gibson, R. (2008) “Financial integration, economic instability and trade
structure in emerging markets” Journal of International Money and Finance 27, 654-675.
21
Chinn M. et Forbes, K. (2003) “A Decomposition of global linkages in financial markets over
time” NBER Working Paper n° 9555.
Cooper I. et Kaplanis E. (1994) “Home bias in equity portfolios, inflation hedging, and
international capital market equilibrium” Review of Financial Studies 7, 45-60.
Dumas B. Harvey C. et Ruiz, P. (2003) “Are Correlations of Stock Returns Justified by
Subsequent Changes in National Outputs?” Journal of International Money and Finance 22,
777-811
Engle R. (1982) “Autoregressive conditional heteroskedasticity with estimates of the variance
of U.K Inflation” Econometrica 50, 987-1008.
Engle R. (2002) “Dynamic conditional correlation: A simple class of multivariate GARCH
models” Journal of Business and Economic Statistics 20, 339-350.
Errunza V. et Padmanabhan, P. (1992) “Tests of integration, mild segmentation and
segmentation hypothesis” Journal of Banking and Finance 16, 949-972.
Errunza V. et Losq, E. (1985) “International asset pricing under mild segmentation: theory
and test” Journal of Finance 40, 105-124.
Errunza V.R. et Padmanabhan, P. (1988) “Further evidence on the benefits of portfolio
investments in emerging markets” Financial Analysts Journal 44, 76-78.
Freudenberg M., Fontagne, L. et Peridy, N. (1998) « Commerce international et structures de
marché : une vérification empirique » Économie et Prévision 135, 147-167.
Griffin J. (2001) “Are the Fama and French factors global or country-specific?” Review of
Financial Studies 15, 783-803.
Guesmi K., Nguyen D.K. (2011) “How strong is the global integration of emerging market
regions? An empirical assessment” Economic Modelling 28, 2517-2527.
Hardouvelis, G.A., Malliaropulos, D. et Priestley, R. (2006) “EMU and European stock
market integration” Journal of Business 79, 365-373.
Hibou B. (1997) « La Grèce dans l’Europe: le révélateur budgétaire » Cahiers d’Etude sur la
Méditerranée Orientale et le monde Turko-Iranien, 23, 12-18
Hodrick R. et Prescott, E. (1997) “Post war US business cycles: A descriptive empirical
investigation” Journal of Money, Credit and Banking 29(1), 1-16.
Karolyi A. et Stulz, R. (2002) “Are financial assets priced locally or globally? In G.M.
Constantinides, M. Harris, and R.M. Stulz (ed.), Handbook of the Economics of Finance,
Elsevier, North-Holland.
Levine R. et Zervos, S. (1998) “Capital control liberalization and stock market development”
World Development 26, 1169-1183.
Manzocchi S. and Ottaviano, G.I.P. (2000) “Outsiders in economic integration: the case of a
transition economy” CEPR Discussion Paper 2385.
Markusen J.R. (1995) “The boundaries of multinational enterprises and the theory of
international trade” Journal of Economic Perspectives 9(2), 169-189.
Petri P.A. (2006 ) “Is East Asia becoming more interdependent?” Journal of Asian Economics
17, 381-394.
Stiglitz J.E. (2002) “Information and the change in the paradigm in economics” American
Economic Review 92, 460-501.
22
Tai C.S. (2007) “Market integration and contagion: Evidence from Asian emerging stock and
foreign exchange markets” Emerging Markets Review 8, 264-283.
23